跳过DETR:端到端的跳过连接模型用于在林业害虫数据集中检测小物体
Bing Liu1,2, Yixin Jia2, Luyang Liu2
1College of Computer Science and Technology, Jilin University, Changchun, Jilin, China.
Frontiers in plant science
|August 31, 2023
概括
跳过DETR通过增强小目标的特征融合来改善森林害虫检测. 这种新的方法提高了准确性,解决了林业应用现有物体检测模型的局限性.
科学领域:
- 计算机视觉 计算机视觉
- 林业科学 林业科学
- 机器学习 机器学习
背景情况:
- 对象检测对于林业害虫防治至关重要,但由于有限的数据集和较低的小目标准确性,它面临着挑战.
- DETR (检测转换器) 模型提供了一个端到端的解决方案,但由于随机查询初始化和弱层间特征相关性,由于随机查询初始化和弱层间特征相关性而遭受缓慢的融合和低于最佳的小型对象性能.
研究的目的:
- 为了提高对森林害虫防治中小目标物体检测的准确性.
- 为了解决DETR模型的局限性,特别是缓慢的融合和小物体的不充分性能.
主要方法:
- 建议跳过DETR,一个增强的物体检测模型.
- 实现跳过连接和空间金字塔聚合层,以改善网络层之间的功能融合.
- 对森林害虫数据集的模型进行了评估.
主要成果:
- 跳过DETR在对象检测的平均精度 (AP) 中显著改善.
- 与基线DETR模型相比,在0.5.5的IOU值下实现了7.7%的AP.
- 与基线相比,专门用于小物体检测的6.1%的改善.
结论:
- 跳过连接和空间金字塔聚合层的集成有效地提高了小物体检测.
- 跳过DETR提供了一个有前途的解决方案,用于提高森林害虫管理中的对象检测的准确性和效率.
