实体
NEU-DET
NEU-DET
PulseAugur coverage of NEU-DET — every cluster mentioning NEU-DET across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
2
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
-
新的几何增强技术提升少样本工业缺陷检测性能
本文介绍了一种名为粗糙路径签名引导几何增强（RPS-GA）的新方法，用于改进少样本工业缺陷检测。RPS-GA将Canny边缘轮廓视为有序路径，并利用其签名响应创建空间图，突出边界结构。当在NEU-DET和PCB-Defect数据集上使用未经修改的YOLOv8n检测器进行测试时，RPS-GA显著提升了性能，尤其是在标记数据有限的情况下。
-
新的几何增强方法提升了少样本工业表面缺陷检测性能
研究人员开发了一种名为粗糙路径签名引导几何增强（RPS-GA）的新方法，以改进少样本工业表面缺陷检测。该技术将Canny边缘轮廓视为平面路径，并利用其签名响应来突出边界结构。当在NEU-DET和PCB-Defect数据集上使用未经修改的YOLOv8n检测器进行测试时，RPS-GA显著提升了性能，尤其是在低数据场景下，其表现优于基线方法，甚至在标准方法失效时也能实现检测。
-
新模型增强复杂视觉数据中小目标检测能力
两篇新研究论文介绍的先进目标检测模型旨在提高在复杂视觉数据中识别小目标的能力。DFIR-DETR 专注于优化频域处理和特征聚合，以解决现有神经网络架构的局限性，并在 NEU-DET 和 VisDrone 数据集上取得了进展。EFSI-DETR 通过整合频率和语义信息来应对无人机 (UAV) 图像中的类似挑战，在 VisDrone 和 CODrone 基准测试中实现了最先进的性能和高推理速度。