NID-DETR:一种用于在黑暗环境中准确检测目标的新型模型
Qingyuan Pan1,2, Qiang Liu1,2, Wei Huang3,4
1School of Computer Science and Engineering, Wuhan institute of Technology, Wuhan, 430205, China.
Scientific reports
|May 9, 2025
概括
这项研究引入了一种改进的低光目标检测方法,增强机器视觉感知. 新型号显著降低了参数,并在具有挑战性的视觉条件下提高了检测精度.
科学领域:
- 计算机视觉 计算机视觉
- 机器学习 机器学习
- 人工智能的人工智能
背景情况:
- 低光条件会降低图像质量,影响目标检测的准确性和稳定性.
- 监控和自动驾驶等关键应用需要可靠的低光视觉.
- 现有的视觉变压器模型具有很高的计算复杂性,需要优化.
研究的目的:
- 为低光环境开发一种有效且计算效率高的目标检测模型.
- 解决当前算法中特征提取和注意力机制的局限性.
- 为了提高低光检测模型的精度和减少参数数量.
主要方法:
- 在模型训练期间增强数据集,以优化机器视觉感知.
- 设计一个倒置的残余级联结构模块,以提高整体注意力效率.
- 优化目标检测输出层,减少连接和增强小物体检测头.
主要成果:
- 与基线模型相比,模型参数减少了27%.
- 平均精度的提高:AP50:95的2.4%,AP50的4.8%,AP75的2%.
- 在低光数据集上表现优于最佳基线和其他最先进的模型.
结论:
- 拟议的方法有效地提高了在低光条件下目标检测.
- 该模型表现出更高的效率和精度,使其适用于关键应用.
- 优化的架构和方法为具有挑战性的视觉环境提供了强大的解决方案.
更多相关视频
05:57Long-term Video Tracking of Cohoused Aquatic Animals: A Case Study of the Daily Locomotor Activity of the Norway Lobster Nephrops norvegicus
Published on: April 8, 2019
6.8K
03:31Author Spotlight: Enhancement of Salient Object Detection for Smart Grid Applications
Published on: December 15, 2023
436
