- 用于濒危动物种群监测的多物种目标检测无人机图像系统
动物种群数量急剧下降,精确计数濒危物种的技术对于长期监测种群变化至关重要。本研究侧重于优化用于无人机图像的目标检测模型,以创建准确的动物物种计数。通过使用无人机拍摄的数百张图片和大量可获取的无人机图像数据集,我们将传统的 YOLOv8 架构 - YOLOv1 到 YOLOv10:YOLO 变种及其在农业领域的应用的综述
该研究调查了从 YOLOv1 到最新的 YOLOv10 变种在农业进展方面的转变潜力,旨在阐述这些尖端目标检测模型如何重振和优化从作物监测到畜牧管理等农业各个方面,为精准农业和可持续农业提供有价值的洞见。
- Semmeldetector: 商业烘焙业中的机器学习应用
使用机器学习应用程序 Semmeldetector,可以利用目标检测模型在图像中检测、分类和计数烘焙食品。我们的应用程序允许商业烘焙师跟踪未售出的烘焙食品,从而优化生产并提高资源效率。通过编制包含 1151 张图像的数据集,可以区分出 18 - 无人机类型集:用于无人机检测和追踪的无人机类型检测基准
通过开发人工智能技术,本研究提供了一个包含不同类型未经授权的无人机数据集,用于比较各种被识别的目标检测模型,并提供了实验结果和方法描述。
- 实时物体检测模型的复制研究和基准测试
本研究旨在检验实时目标检测模型的可重复性和基准测试。通过比较大量的目标检测模型在多个显卡上的精度和推理速度,我们还重现了 DETR、RTMDet、ViTDet 和 YOLOv7 等模型,并提出了一个统一的训练和评估流程,以更好地比较模型。然 - 如何在热适应目标检测模型上增强大气湍流效应?
利用湍流图像增强技术改善在大气湍流环境下热适应和基于深度学习的目标检测模型的准确性和鲁棒性,研究表明,通过在模型训练中使用湍流特定的增强方法,可以显著提高检测湍流图像的准确性和鲁棒性。
- 通过图像量化线虫:深度学习的数据集、模型和基准
对植物寄生线虫检测的深度学习模型进行研究和分类,提供了潜在的最先进的物体检测模型、训练技术、优化技术和评估指标,为初学者提供了一个基线,用于植物寄生线虫检测。
- FAD-SAR:基于深度学习方法的合成孔径雷达图像鱼类活动检测系统
使用基于深度学习的系统和物体检测模型,通过合成孔径雷达技术在检测非法、未报告和无监管捕鱼活动方面取得了显著的改善。
- 星座数据集:城市路口高空物体检测基准测试
我们介绍了 Constellation 数据集,它包含 13K 张适用于研究从高海拔摄像机观察的密集城市街景中对象检测的图像。该数据集解决了小型对象检测的问题,例如从高处观察到的行人的有限像素足迹,可用于测试对象检测模型在光照、建筑阴影、天 - 高斯 - 类激活映射解释器在目标检测中的高效简明应用
为了解决可解释人工智能(XAI)中目标检测模型快速提供合理解释的挑战,我们引入了高斯类激活图解释器(G-CAME)。我们的方法利用所选层的激活图并应用高斯核突出预测目标的关键图像区域,高效生成简明的显著图。与其他基于区域的方法相比,G-CA - 通过控制场景生成鉴定细粒度系统误差
提出了一种基于 BEV2EGO 的细粒度控制的生成真实合成场景的方法,并针对多个现有目标检测模型进行系统分析,发现它们之间的差异。
- EBUS-TBNA 扩展肺癌病灶分析的方法 -- 一种半监督视频对象检测方法
该研究旨在建立一个基于计算机辅助诊断系统的肺病变诊断方法,使用支气管镜内支气管超声(EBUS)来帮助医生识别病变区域。
- 目标检测的验证 —— IBP IoU
我们介绍了一种新颖的区间边界传播(IBP)方法,用于形式验证物体检测模型,特别针对 IoU 指标。该方法已在名为 IBP IoU 的开源代码中实现,与流行的基于抽象解释的验证工具兼容。我们通过对着陆进场跑道检测和手写数字识别案例研究进行评估 - MVPatch:物理世界中针对目标检测器的更生动伪装攻击
提出了一种新颖的方法,名为 MVPatch,旨在提高对抗性贴片的转移性和隐蔽性,避免易于识别和传输性差的问题。该方法通过使用集成攻击损失函数来降低多个对象检测器的对象置信度分数,从而增强对抗性贴片的转移性,同时使用 CSS 损失函数实现轻量 - MEAOD:针对目标检测器的模型提取攻击
对目标检测模型进行基于查询的模型提取攻击的挑战和可行性进行研究,提出了一种名为 MEAOD 的有效攻击方法,通过主动学习从攻击者拥有的数据集中选择样本构建高效的查询数据集,并通过更新查询数据集的标注来提高提取效果,在 10k 查询预算下,达 - 自动驾驶系统的动态对抗攻击
通过在另一辆移动车辆上动态显示对抗性修补程序的屏幕,该研究介绍了一种攻击机制,旨在挑战自动驾驶系统的韧性。这种操纵对决策制定过程的方法对于交叉路口和变道等关键的多车辆交互非常重要,这对安全和高效的自动驾驶系统具有重大影响。
- 合成数据集分析:不同快门类型下的行人检测
通过使用 Unreal Engine 5(UE5)的先进模拟能力生成合成数据集,本论文研究了不同快门机制对机器学习(ML)目标检测模型的影响,结果表明在 IOU=0.5 时,这两种快门模态之间的性能相当,在 IOU=0.5:0.95 范围内 - ICCV融合伪标签与弱监督用于动态交通场景
引入了一个弱监督标签统一流程,用于合并来自多个训练在异构数据集上的目标检测模型的伪标签,从而构建了一个统一的标签空间,纠正偏见并提高泛化能力。通过对多个数据集上的目标检测模型进行微调,并精确验证伪标签,重新训练一个目标检测模型,最终得到一个 - 关于航空图像中目标检测模型的鲁棒性
在本文中,我们针对受云层影响的航拍图像,提出了两个基于 DOTA-v1.0 的新型基准测试。通过对主流目标检测模型的系统评估和大量剖析实验,我们发现增强模型架构、更大的网络、精心设计的模块以及谨慎的数据增强策略可以共同提高航拍目标检测模型的 - IJCAI一种用于羽毛球比赛分析的全深度系统
CoachAI Badminton 2023 Track1 项目旨在自动检测羽毛球比赛视频中的事件,特别是对羽毛球的检测具有重要性和高精度的要求,然而,尽管我们对著名的 shuttlecock 检测模型 TrackNet 进行了修改,但我们