Seyed Sahand Mohammadi Ziabari
PulseAugur coverage of Seyed Sahand Mohammadi Ziabari — every cluster mentioning Seyed Sahand Mohammadi Ziabari across labs, papers, and developer communities, ranked by signal.
-
研究热成像反无人机检测中的灾难性遗忘问题
一篇新发表在arXiv上的研究论文探讨了顺序热成像反无人机检测系统中灾难性遗忘的问题。研究人员发现，对基于YOLOv5的检测器YOLOMG进行简单微调，会导致显著的能力损失，高达90%的先前任务知识被遗忘。知识蒸馏在保留能力方面显示出潜力，而一种名为Scale-Stratified Herding (SSH) 的方法，该方法使用不同尺寸无人机训练样本的平衡缓冲区，显著减少了遗忘，并保持了对大型目标检测的性能。
-
新的基准和训练方法提高了在雾中的抗无人机检测能力
研究人员开发了一种新的基准和训练方法，以提高在雾天条件下反无人机（UAV）检测系统的性能。研究发现，雾的严重程度显著影响检测精度，即使在轻度至中度雾中，性能也会急剧下降。提出了一种雾感知训练方法，该方法提高了在各种雾度下的检测能力，同时仅轻微降低了在晴空下的精度。该方法旨在提高这些系统在恶劣天气下的可靠性。
-
证据深度学习增强多模态反无人机检测
研究人员探索了证据深度学习（EDL）在改进多模态反无人机检测系统中的应用。第一篇论文在AntiUAV600、TRIDENT和MM-UAV等基准上研究了EDL头和Dempster-Shafer融合，发现EDL训练目标提高了准确性。第二篇论文将EDL扩展到RGB-热融合，在Anti-UAV基准上使用折扣信念融合（DBF），展示了准确性和实时性能的提高，尽管由于该特定数据集几乎普遍存在冲突，DBF的冲突折扣机制在该数据集上表现不活跃。