VisDrone
PulseAugur coverage of VisDrone — every cluster mentioning VisDrone across labs, papers, and developer communities, ranked by signal.
5 天有情绪数据
-
新方法SCAHI提高了高分辨率图像中小目标的检测性能
一篇新的研究论文探讨了切片推理技术在高分辨率图像中小目标检测中的有效性。该研究比较了两个数据集上的七种密集检测器,发现提高图像分辨率通常比使用简单的边界框融合进行切片能获得更好的结果。研究人员引入了SCAHI(Coverage-Aware Hyper Inference的切片),一种通过累积加权覆盖的密集输出来改进现有切片技术的新方法,在检测精度方面取得了显著的提升。
-
小目标检测的切片推理:分辨率 vs. 切片
一篇新论文探讨了切片推理技术在检测高分辨率图像中的小目标时的有效性。研究人员发现,在计算资源有限的情况下,简单地增加单次推理的分辨率可以优于带有框融合的切片方法。他们还引入了 SCAHI(覆盖感知超推理切片),这是一种能更好地利用切片输出的互补信息的方法,在 VisDrone 和 DOTA 数据集上,对于各种 YOLO 和 FCOS 检测器,其性能优于传统的框融合。
-
新 ReDHF 框架增强图像中的微小物体检测
研究人员开发了 ReDHF,一个旨在提高图像中微小物体检测能力的新框架。该方法解决了 Transformer 检测器在特征下采样过程中丢失关键高分辨率细节的挑战。ReDHF 包含三个组件:跨尺度可变形融合以增强高分辨率特征,椭圆引导浅监督以实现更好的分类和定位,以及全尺度查询交互,允许解码器查询访问细粒度细节和语义信息。实验表明,ReDHF 在 AI-TOD-v2、VisDrone 和 SODA Dungeon 等基准测试中显著提升了…
-
SpikeAD: Multiplication-Free Neuromorphic Architecture for Energy-Efficient Object Detection
研究人员开发了SpikeAD,这是一种新颖的神经形态架构,专为空中平台的能效型小目标检测而设计。该架构利用脉冲神经网络(SNN),采用一种独特的方法,其中稀疏脉冲充当无乘法推理的控制信号,从而消除了传统的乘加运算。SpikeAD在VisDrone和DOTA等基准数据集上展示了改进的性能,实现了更高的平均精度均值,并能泛化到定向边界框。该设计已通过FPGA和ASIC上的硬件实现验证,为超低功耗神经形态处理器铺平了道路。
-
新研究论文详解用于智能监控和物体跟踪的AI
一篇新研究论文探讨了通过分析动态场景、物体检测和运动跟踪来改进监控系统的方法。该研究比较了各种运动触发器和深度学习检测器,发现基于检测器的触发器比传统的运动触发器存储的空闲帧要少得多。研究还强调,增加YOLO11n模型的输入分辨率可显著提高检测精度,而INT8量化可以在性能没有显著下降的情况下降低延迟。然而,研究指出,跟踪精度通常受限于检测失败而非关联问题。
-
新的 IQA 框架优先考虑具身 AI 的任务效用
研究人员提出了一个新的图像质量评估 (IQA) 框架,该框架通过关注任务效用而非通用人类评分来重新思考传统方法。这种使用多模态大语言模型 (MLLM) 开发的新方法旨在确定视觉质量是否足以满足具身 AI 系统中特定的下游任务。在 VisDrone 数据集上进行的初步研究表明,传统的 IQA 指标和通用的基于 MLLM 的分数是支持目标任务的视觉输入的预测能力较差的指标,而任务条件效用评分则提供了更好的预测能力。
-
新的BUTR方法通过动态查询预算优化小型目标检测
研究人员开发了一种名为BUTR(基于预算的DETR)的新方法,以改进图像中的小型目标检测。该方法将查询选择和查询数量的影响解耦,专注于将动态查询作为一种“预算”形式,根据目标密度分配容量。BUTR利用一个轻量级的、非学习的预算器来估计查询需求,避免了复杂的预测器和启发式过滤。该系统在AI-TOD-v2和VisDrone等数据集上表现强劲,在保持NVIDIA T4 GPU上高效的FPS的同时,实现了高AP分数。
-
新框架SceneP2F增强目标检测数据增强
研究人员开发了SceneP2F,一个新颖的两阶段框架,旨在改进目标检测数据增强。该方法允许精确控制插入图像中的对象的类别和数量,同时保持标注对齐并保留源内容。SceneP2F包含两个关键组件:ScenePlan,联合预测对象的放置和大小;SceneAlign-Fill,在关注几何和外观的情况下渲染规划好的对象。在UAVDT、VisDrone和BDD100K数据集上的实验表明,SceneP2F的性能优于现有方法。
-
YOLO12-MambaScan 利用 Mamba 和高频模块增强了航空目标检测能力
研究人员开发了 YOLO12-MambaScan,这是一种专为航空图像设计的新型目标检测模型。该模型通过引入三路径高频增强卷积模块和基于 Mamba 的全局上下文模块来增强 YOLO12 架构。它旨在通过更好地利用边缘、角点和纹理信息来提高在复杂场景中小目标的检测能力。该模型在 VisDrone 数据集上取得了出色的性能,展示了准确性和效率之间的有效平衡。
-
新的VGTok分词器提高了高分辨率目标检测的准确性
研究人员开发了VGTok,这是一种新颖的分词器,旨在提高计算机视觉任务中高分辨率目标检测的性能,尤其是在航空影像方面。与使用统一分词网格的传统方法不同,VGTok根据图像区域动态设置斑块粒度,从而优化小目标检测。这种方法显著降低了计算和内存需求,同时在VisDrone和AI-TOD-v2等基准测试中取得了最先进的成果。
-
新型CLSC DETR模型提升无人机小目标检测能力
研究人员开发了一种名为CLSC DETR的新型目标检测模型,旨在提高无人机(UAV)捕获的复杂空中场景中小目标的识别能力。该模型解决了小目标空间范围有限、分布密集和遮挡频繁等挑战。CLSC DETR通过聚合不同层的几何证据并根据定位质量和可靠性校准分类分数来增强候选者排序,从而在VisDrone和UAVDT等数据集上提高了性能。
-
新的arXiv研究比较了用于军事目标检测的AI模型
一篇新发表在arXiv上的研究论文详细介绍了一项关于自动目标检测与识别(ATD/R)的开箱即用技术的比较研究。该研究在与军事相关的数据库上对多个YOLO版本和DETR框架变体进行了基准测试,评估了它们在VisDrone数据库上进行微调前后的性能。主要发现表明,更大的模型性能更好,基于DETR的模型显示出潜力,并且虽然在域外数据库上进行微调可以提高性能,但在域内训练对于有效的ATD/R系统,尤其是在空对地场景中检测小型目标方面,仍然至关重要。
-
AdaAnchor4D 框架增强单目无人机 4D 重建
研究人员推出了一种新颖的 AdaAnchor4D 框架,用于单目无人机 (UAV) 4D 重建。该方法通过使用特定锚点嵌入和时间信息自适应地聚合时空特征,解决了动态城市场景中的挑战。AdaAnchor4D 采用了解耦局部几何变形 (DLGD) 和密度自适应坐标扭曲 (DACW) 来提高渲染质量和细节保留。在基准数据集上的实验表明,AdaAnchor4D 在渲染质量上超越了现有的动态高斯方法,同时保持了实时性能。
-
新的CoRE-UIR框架提高了图像恢复的效率和质量
研究人员开发了CoRE-UIR,一个用于通用图像恢复的新型框架,显著提高了效率和质量。该方法将恢复能力分解为用于通用任务的通用专家和用于特定退化的残差专家,避免了冗余参数。CoRE-UIR还结合了退化先验嵌入和全局特征调制以增强性能。与现有基线相比,该框架在保持高恢复质量的同时,在速度和内存方面都有显著提升。
-
新的YOLO-World变体提高了无人机目标检测精度
研究人员开发了一种新的多模态目标检测模型,旨在提高无人机图像中小目标的识别能力。该模型基于YOLO-World框架构建,用基于注意力的A2C2f层替换了YOLOv8的C2f层,以增强局部特征表示。在VisDrone数据集上的实验表明,与原始YOLO-World模型相比,在精确率、召回率、F1分数和mAP方面都有显著提高,证实了其在无人机应用中的有效性。
-
新的FRFDet模型通过新颖的融合技术增强了无人机小目标检测能力
研究人员开发了FRFDet,这是一种专为无人机(UAV)图像中的小目标检测设计的新型轻量级单阶段检测器。该模型通过引入两个新颖的模块来解决复杂天气和低照度等挑战:用于特征对齐的逆双向采样(IBS)和用于优化语义-空间特征融合的尺度-特征关系交叉融合(SFRCF)。在VisDrone和MS COCO等基准数据集上的实验表明,FRFDet在轻量级检测器中提供了最先进的性能,具有低计算成本和快速推理速度,使其适用于资源受限的无人机平台。
-
CollabOD框架提升无人机图像中小目标检测能力
研究人员推出CollabOD,一个旨在提高无人机(UAV)图像中小目标检测能力的新框架。该方法通过保留详细特征并在融合前对齐不同数据流,解决了尺度变化剧烈和计算资源有限等挑战。CollabOD在VisDrone、UAVDT和AI-TOD等基准数据集上表现强劲,在保持快速推理速度的同时实现了高检测精度。
-
新的MGDFIS策略增强了无人机图像中小目标的检测能力
研究人员开发了一种名为MGDFIS(多尺度全局细节特征融合策略)的新策略,以提高无人机图像中小目标的检测能力。该方法旨在在整合更广泛的上下文以区分微小目标与复杂背景的同时,保留精细细节。MGDFIS采用三个模块:FusionLock-TSS注意力、全局细节融合和动态像素注意力,以增强特征聚合并重新校准前景区域。当应用于VisDrone数据集上的YOLO26m基线时,MGDFIS提升了性能,将AP50:95从25.7提高到30.2,将A…
-
新研究“Robust Onion”分析噪声对物体检测器的影响
一项题为“Robust Onion”的新研究调查了现实世界噪声对开放词汇物体检测器(OV-ODs)的影响。该研究使用受控的合成降级来分析这些检测器如何以及为何会失去鲁棒性,并将特征坍塌确定为一个关键因素。研究结果表明,视觉骨干网络是鲁棒性的主要决定因素,预训练策略和架构细节起着次要作用。该研究还强调,图像域而非标注决定了鲁棒性,并提出了一种轻量级方法来提高检测器在真实世界数据集上的性能。
-
无人机目标检测:P2分支与量子启发式搜索增强
研究人员开发了一种在严格计算约束下提高无人机(UAV)目标检测性能的新方法。该方法结合了P2高分辨率检测分支和量子启发式进化算法(QIEA),以高效筛选轻量级网络结构。这种增强显著提高了小目标的检测能力,在VisDrone数据集上的表现优于现有基线。