Feb, 2024

基于 YOLO 的红外小目标检测中的 $a ~ contrario$ 范式

PDF
TL;DR利用 “对原则” 决策标准将统计标准添加到 YOLOv7-tiny 中，从而使其在红外小目标检测和目标检测网络之间填补了性能差距，并显著增强了 YOLO 在少样本情况下的鲁棒性。
发现论文，激发创造
  • EFLNet：增强红外小目标检测的特征学习

    我们提出了一种基于 YOLOv7 框架的增强特征学习网络 (EFLNet)，以解决红外小目标检测中目标与背景之间的极端不平衡、边界框回归对红外小目标的敏感性和高级语义层中小目标信息易丢失的问题，并通过实验证明我们的方法在红外小目标检测性能方面优于最先进的基于深度学习的方法。

    Jul, 2023

  • 基于双层对抗框架增强红外小目标检测鲁棒性

    在本文中，我们提出了一个双层对抗性框架，在存在不同类型干扰的情况下提升了检测的鲁棒性。我们首先提出了一个双层优化的公式来引入动态对抗性学习，同时提供了一种分层增强学习策略来发现最有害的干扰。此外，我们还提出了一种用于目标检测的空间频率交互网络，以更好地分离干扰和显著特征。广泛实验证明我们的方案明显改善了在多种干扰下的 21.96％ IOU，并在通常的基准测试中提升了 4.97％的 IOU。

    Sep, 2023

  • iSmallNet：具有标签解耦的密集嵌套网络用于红外小目标检测

    本文提出了一种多流密集嵌套网络 iSmallNet，配合标签解耦技术针对红外小目标检测中常见的背景杂乱、易错报和 CNN 无法识别等问题，在内部地图和边界地图上解决源标签分布不均的问题，并引入多尺度嵌套交互模块和内部 - 边界融合模块以增强整个网络的性能，实验结果表明 iSmallNet 比其他 11 种最先进的检测器表现更好。

    Oct, 2022

  • 红外图像中小目标检测综述

    利用传统图像处理和深度学习方法，本文提出了一个基于 IR 图像的小目标检测综述，总结了该领域的进展和方法，并对现有技术的不足和未来研究方向进行了讨论。

    Nov, 2023

  • YOLO-Z: 自动驾驶车辆中改进 YOLOv5 小物体检测

    本文研究了如何通过修改 YOLOv5 模型的结构和参数来提高其在自动驾驶赛车中检测小目标的性能，最终提出了一系列新模型 YOLO-Z，并取得了最多 6.9％ 的 mAP 改进。

    Dec, 2021

  • 无人机实时人体检测

    本研究提出了一种适用于无人机热红外图片和视频的目标检测框架，基于 CNN 架构的 YOLO 模型，通过定量和定性评估深度学习模型，在人的交叉检测性能方面展示了 YOLOv7 模型在不同无人机观察角度下的应用。

    Jan, 2024

  • YOLO-TLA：基于 YOLOv5 的高效轻量级小物体检测模型

    我们在本文中提出了 YOLO-TLA，这是一种基于 YOLOv5 的先进物体检测模型，通过在颈部网络金字塔架构中引入一个额外的检测层来检测小对象，从而提供一个更大尺度的特征图以辨别小对象的更细致特征，并将 C3CrossCovn 模块集成到骨干网络中，有效地减少计算需求和参数数量，使模型更加紧凑

    Feb, 2024

  • 使用 YOLOv5 从图像和视频中进行火灾检测

    通过改进的 YOLOv5 火灾检测深度学习算法，可以有效地处理室内、室外和森林火灾图像中的火灾目标检测，并且可以在不同的自然光照条件下进行火灾检测。

    Oct, 2023

  • DiffYOLO：基于 YOLO 和扩散模型的抗噪声目标检测

    利用 DiffYOLO 框架提取特征图以增强已训练模型，从而使在高质量数据集上微调 YOLO 模型并在低质量数据集上进行测试成为可能。该框架不仅能在嘈杂的数据集上提升性能，还能在高质量测试数据集上证明检测结果。

    Jan, 2024

  • MODIPHY：利用幻象卷积增强的 Faster YOLO 进行物联网的多模式遮挡检测

    利用 YOO Phantom 模型和多模态数据集，本研究解决了物体检测在黑暗环境和遮挡场景中的问题，并在物联网平台上进行了实时目标检测的有效性测试。

    Feb, 2024