YOLOv5
PulseAugur coverage of YOLOv5 — every cluster mentioning YOLOv5 across labs, papers, and developer communities, ranked by signal.
6 天有情绪数据
-
新的AdvSerial框架实现了对行人检测器的物理对抗攻击
研究人员开发了AdvSerial，这是一个用于针对交通摄像头和智慧城市监控等基础设施中使用的行人检测系统创建物理对抗攻击的新颖框架。该方法使用动态2D-3D联合优化来生成服装上的对抗性补丁，专门抑制特定于人的特征，同时保持时间连续性。在实验中，AdvSerial在YOLO-v5上实现了74.8%的攻击成功率，并显著降低了检测置信度，证明了其在各种检测器架构上的强大可迁移性以及对NapGuard和Sparse4D-v3等防御措施的抵抗力。
-
新研究解决目标检测模型的标注效率问题
两篇新研究论文探讨了提高目标检测标注效率的先进方法。第一篇论文介绍了一个基础模型协作主动学习框架，该框架使用双源不确定性估计和以对象为中心的多元化采样来增强样本选择，并减少遥感图像的手动标注负担。第二篇论文提出了一种用于机器人的具身主动学习方法，该方法优化导航轨迹并根据空间一致性选择信息图像，以便在有限的标注和导航预算下重新训练目标检测器。
-
大型视觉-语言模型在SOTIF合规的自动驾驶车辆目标检测方面展现出潜力 · 跟踪2个来源
一项新的研究论文评估了大型视觉-语言模型（LVLMs）在自动驾驶系统中的二维目标检测能力，重点关注预期功能安全（SOTIF）条件。该研究使用了PeSOTIF数据集，将包括Gemini 3在内的十个LVLMs与YOLOv5和RT-DETRv4等专用检测器进行了比较。结果表明，在自然退化条件下，顶尖的LVLMs展现出更高的召回率和与专用检测器相当的性能，尽管在特定扰动下，后者的几何精度仍具有优势。
-
AI模型以99%的准确率实现白细胞分析自动化
研究人员开发了一种新颖的混合机器学习模型LeukocyteCount，用于自动识别和计数血样中的白细胞。该模型集成了Yolov5进行初步检测，准确率达到98%，然后采用MobileNetV2和Logistic Regression的组合将其分类为四种类型，准确率高达99.04%。该系统还包括一个基于Yolov5的模块，用于检测红细胞，F1分数达到99.73%。这种方法旨在克服手动方法的局限性，为疾病诊断和监测提供更有效、更准确的解决方案。
-
新的WIDER-FAIR数据集揭示面部检测模型的偏见
研究人员推出了WIDER-FAIR，一个旨在评估面部检测模型公平性的新数据集。WIDER-FAIR建立在WIDER-FACE基准之上，包含对16,256张图像和四个族裔群体（亚洲人、黑人、印度人和白人）的感知族裔和性别的手动注释。使用在该数据集上训练的YOLOv5模型的初步实验显示，对黑人个体的面部检测性能显著较低，并且将该群体排除在训练之外比排除任何其他人口群体更能加剧公平性差异。
-
新的PNAFusion方法提高了多光谱目标检测效率
研究人员开发了一种名为渐进式像素邻域可变形交叉注意力（PNAFusion）的新方法来改进多光谱目标检测。该方法通过将特征交互和对齐集中在相关的局部邻域上来解决全局交叉注意力的计算成本问题。PNAFusion包含一个像素邻域交叉注意力模块以减少冗余匹配，以及一个自适应可变形对齐模块以捕捉非线性空间对应关系，并采用迭代反馈机制进行渐进式精炼。实验表明，在FLIR和M3FD等数据集上取得了显著的性能提升，实现了高mAP分数，同时与现有方法相…
-
AI驱动的应用程序将视觉数据转化为盲人的听觉反馈
一款名为 SoundSight 的新 AI-Sight 应用程序已被开发出来，旨在为使用移动技术的视障人士提供听觉反馈。该应用程序利用 DeepLabV3、YOLOv5 和 YOLOv8 等 AI 模型来解释设备摄像头和 LiDAR 传感器的视觉信息。然后，系统将这些感官数据转化为语义听觉提示，旨在增强盲用户的导航和环境感知能力。