Jove
Visualize
联系我们
JoVE
x logofacebook logolinkedin logoyoutube logo
关于 JoVE
概览领导团队博客JoVE 帮助中心
作者
出版流程编辑委员会范围与政策同行评审常见问题投稿
图书馆员
用户评价订阅访问资源图书馆顾问委员会常见问题
研究
JoVE JournalMethods CollectionsJoVE Encyclopedia of Experiments存档
教育
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab Manual教师资源中心教师网站
使用条款与条件
隐私政策
政策

相关实验视频

Updated: Apr 30, 2026

Collecting and Processing Drone-based Remotely Sensed Data for Use in Forest Recovery Monitoring
08:16

Collecting and Processing Drone-based Remotely Sensed Data for Use in Forest Recovery Monitoring

Published on: October 24, 2025

918

一个适应规模的聚合和多域特征融合架构,用于在无人机空中图像中检测小目标.

Zhiwei Sun1, Guanglei Zhang1, Yuxin Xing1

  • 1College of Artificial Intelligence, Tianjin University of Science and Technology, Tianjin 300457, China.

Sensors (Basel, Switzerland)
|March 14, 2026
PubMed
概括

这项研究介绍了MSCM-YOLO,一种轻量级的框架,用于在无人机图像中检测小物体. 它通过增强特征提取和融合,显著提高精度,为空中监控提供了实用解决方案.

相关概念视频

您也可能阅读

相关文章

通过共同作者、期刊和引用图与本文相关的文章。

排序
Same author

Deep Learning-Based Method of Diagnosing Hyperlipidemia and Providing Diagnostic Markers Automatically.

Diabetes, metabolic syndrome and obesity : targets and therapy·2020
查看所有相关文章

科学领域:

  • 计算机视觉 计算机视觉
  • 人工智能的人工智能
  • 机器人技术 机器人技术 机器人技术

背景情况:

  • 在无人机 (UAV) 图像中检测小物体是具有挑战性的,因为尺度变化,密集分布和复杂的背景.
  • 现有的方法与占用少数像素并被杂乱掩盖的小物体作斗争.

研究的目的:

  • 为无人机空中监测中小物体开发一个有效和轻量级的检测框架.
  • 解决特征提取,多尺度融合和小物体检测的目标背景歧视方面的局限性.

主要方法:

  • 建议MSCM-YOLO,这是一个基于YOLOv11.1的无人机导向轻量级检测框架.
  • 集成了一个P2检测头,用于高分辨率的功能,一个轻量级的骨干与移动瓶卷积 (MBConv),规模适应注意力融合 (SAF) 与道适应投影 (CAP),和多域特征注意力融合 (MDFAF).

主要成果:

  • 在VisDrone2019数据集上,MSCM-YOLO实现了44.41%的mAP50和27.13%的mAP50:95,分别超过了YOLOv11基线的10.77%和7.22%.
  • 在UAVDT,DIOR和AI-TOD数据集上展示了持续的改进,证实了稳定性和通用性.
  • 实现了显著的性能提升,同时保持了适合无人机部署的平衡计算配置.

结论:

关键词:
无人机成像 无人机成像从空中进行监控.多领域的核聚变.适应规模的核聚变.小物体检测 小物体检测

相关实验视频

Last Updated: Apr 30, 2026

Collecting and Processing Drone-based Remotely Sensed Data for Use in Forest Recovery Monitoring
08:16

Collecting and Processing Drone-based Remotely Sensed Data for Use in Forest Recovery Monitoring

Published on: October 24, 2025

918
  • 在复杂的无人机场景中,MSCM-YOLO为精确检测小物体提供了有效和实用的解决方案.
  • 拟议的创新增强特征保护,提取,多层面集成和目标背景歧视.
  • 该框架显示了现实世界空中监测应用的巨大潜力.