Key points are not available for this paper at this time.
يعد الكشف عن الأجسام الصغيرة مهمة حاسمة في رؤية الكمبيوتر، مع تطبيقات واسعة في الكشف عن الأهداف المستند إلى الطائرات بدون طيار وتحليل الصور الجوية. ومع ذلك، فإن خوارزميات الكشف عن الأجسام الصغيرة الحالية غالباً ما تظهر نقصاً في دقة الكشف، مما يؤدي إلى حالات كثيرة من عدم الكشف عن الأجسام وإيجابيات كاذبة. لمعالجة هذه التحديات، نقترح طريقة لنموذج كشف محسّن استناداً إلى YOLOv8s، يُسمى DSD-YOLO. مساهماتنا هي كما يلي: (أ) استبدال وحدة دمج الميزات الأصلية بوحدة انتباه فرع التلافيف (C2fDA)، التي تعزز بفاعلية قدرة النموذج على التقاط واستخدام معلومات الأجسام الصغيرة. (ب) تقديم طبقة كشف الأجسام الصغيرة (SDₗayer) لتسهيل دمج الميزات متعددة المقاييس، وبالتالي تحسين أداء الكشف عن الأجسام الصغيرة. (ج) تضمين رأس كشف Dyhead لالتقاط معلومات الميزات الفعالة للأجسام الصغيرة بشكل مرن. تظهر النتائج التجريبية على مجموعة بيانات VisDrone2019 العامة أن طريقتنا تعزز الدقة والاسترجاع بنسبة 6.9% و 8.5% على التوالي، مع زيادة mAP50 و mAP50:95 بنسبة 9.1% و 6.3%، وزيادة سرعة الكشف (FPS) بنسبة 12.6. يظهر النموذج المعزز أداءً متفوقاً في الكشف عن الأجسام الصغيرة في صور الطائرات بدون طيار.
درس غونغ وآخرون (الخميس) هذا السؤال.