Key points are not available for this paper at this time.
दूरस्थ संवेदन छवियों में छोटे वस्तुओं द्वारा प्रस्तुत चुनौतियों, जैसे कि कम रिज़ॉल्यूशन, जटिल पृष्ठभूमियाँ, और गंभीर अवरोधों के जवाब में, यह पेपर YOLOv8n पर आधारित एक हल्के सुधारित मॉडल का प्रस्ताव करता है। छोटे वस्तुओं की पहचान के दौरान, YOLOv8n एल्गोरिदम का विशेषता समामेलन भाग बड़े वस्तुओं की तुलना में छोटे वस्तुओं की अपेक्षाकृत कम विशेषताओं को बैकबोन नेटवर्क से पुनः प्राप्त करता है, जिसके परिणामस्वरूप छोटे वस्तुओं के लिए पहचान की सटीकता कम होती है। इस समस्या को संबोधित करने के लिए, सबसे पहले, यह पेपर विशेषता समामेलन नेटवर्क में एक समर्पित छोटे वस्तु पहचान परत जोड़ता है ताकि छोटे वस्तुओं की विशेषताओं को मॉडल के विशेषता समामेलन भाग में बेहतर रूप से एकीकृत किया जा सके। दूसरे, SSFF मॉड्यूल को बहु-आकार की विशेषता समामेलन को सुविधाजनक बनाने के लिए पेश किया गया है, जिससे मॉडल अधिक ग्रेडिएंट पथों को कैप्चर कर सकें और सटीकता को और बढ़ाएँ जबकि मॉडल के पैरामीटर को कम करें। अंततः, HPANet संरचना का प्रस्ताव किया गया है, जिससे Path Aggregation Network को HPANet से बदल दिया गया है। मौजूदा YOLOv8n एल्गोरिदम की तुलना में, VisDrone डेटा सेट और AI-TOD डेटा सेट पर mAP@0.5 की पहचान सटीकता क्रमशः 14.3% और 17.9% बढ़ गई है, जबकि mAP@0.5:0.95 की पहचान सटीकता क्रमशः 17.1% और 19.8% बढ़ गई है। प्रस्तावित विधि मूल मॉडल की तुलना में पैरामीटर की संख्या 33% और मॉडल का आकार 31.7% कम करती है। प्रयोगात्मक परिणाम यह दर्शाते हैं कि प्रस्तावित विधि जटिल पृष्ठभूमियों में छोटे वस्तुओं की तेजी और सटीकता से पहचान कर सकती है।
Nie et al. (Mon,) studied this question.