一个基于级联集团注意力机制的对象检测算法用于建筑和拆除废弃物
Zeping Jiang1, Ying Yang2,3, Jiayi Hu1
1Changsha University of Science & Technology, Changsha, China.
Scientific reports
|March 2, 2026
概括
本研究介绍了一种新的YOLOv11物体检测算法,配有联集团注意力 (CGA),用于改进建筑和拆除废物 (CDW) 管理. 改进后的模型在复杂场景中准确地检测到小型CDW物体,其性能优于现有的方法.
科学领域:
- 计算机视觉 计算机视觉
- 人工智能的人工智能
- 废物管理 废物管理
背景情况:
- 精确的物体检测对于有效的建筑和拆除废物 (CDW) 管理至关重要.
- 现有的深度学习模型在混乱的建筑环境中难以检测小物体.
- 需要高效的算法来平衡检测准确性和计算成本.
研究的目的:
- 开发一个增强的YOLOv11对象检测算法,以改善CDW管理.
- 为更好的特征提取引入一种新的级联群注意力 (CGA) 机制.
- 为了减少计算和内存开销,同时提高小CDW对象的检测.
主要方法:
- 提出了一个结合CGA的变压器骨干,用于增强的远程依赖模型和减少计算.
- 在部部署了一个双向的多尺度交互模块,以将高分辨率的细节与低分辨率的语义融合在一起.
- 在两个数据集上评估了算法,将其性能与几个基于YOLOv11的方法进行了比较.
主要成果:
- 拟议的算法实现了卓越的性能,在评估的数据集上,mAP分数为0.938和0.962.
- 该方法在当前基于最先进的YOLOv11算法上表现出了显著的优势.
- 可视化证实了该模型在检测各种尺度的CDW物体方面的高准确性.
结论:
- 基于YOLOv11的算法与新的CGA机制有效地提高了在复杂的CDW环境中检测小物体的性能.
- 集成CGA和双向多尺度交互模块为CDW对象检测提供了一个计算效率高,准确的解决方案.
- 这项研究为提高建筑和拆除废物管理的效率和准确性提供了有价值的工具.
