实体
DOTA-v1.0
DOTA-v1.0
PulseAugur coverage of DOTA-v1.0 — every cluster mentioning DOTA-v1.0 across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 3
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
新的FGAA-FPN增强了高分辨率图像中的定向目标检测
研究人员开发了FGAA-FPN，一种新颖的特征金字塔网络，旨在提高高分辨率图像中的定向目标检测能力。该网络包含一个前景引导特征调制模块，用于增强目标区域并抑制背景噪声，以及一个角度感知多头注意力模块，该模块利用方向先验信息来改善特征区分能力。在DOTA数据集上的实验表明，FGAA-FPN在DOTA-v1.0上取得了75.5%的mAP分数，在DOTA-v1.5上取得了68.3%的mAP分数，达到了最先进的性能。
-
新的SSP框架通过单点标注增强定向目标检测
研究人员开发了一个名为SSP的新框架用于定向目标检测，该框架通过使用单点标注显著降低了标注成本。该方法通过解决样本分配和伪标签质量问题，改进了现有技术。SSP在最小的训练时间和内存需求下实现了显著的性能提升，在基准数据集上展示了其效率和有效性。
-
新的AI方法自适应地组合CNN和ViT模块以进行目标检测
研究人员开发了一种名为BMCR（基于强化学习的骨干模块组合）的新方法，以改进遥感图像中的目标检测。该方法自适应地组合卷积神经网络（CNN）和视觉Transformer（ViT）的模块，以利用它们在捕捉局部细节和全局上下文方面的各自优势。BMCR将组合过程构建为一个强化学习问题，从而能够为针对不同输入复杂度的动态推理路径进行优化。该系统在多个基准数据集上取得了最先进的成果，在保持效率的同时，将性能提升了多达2.5 mAP点。