跳到正文
arXiv · 机器人与计算机视觉· Chengjia Zhang, Yu Li, Feiri Ali, Yan Zhang, Xin Chen, Longke He, Daokun Ma, Liting Gao·· 12 小时前AI 评分7

Cotton-SF YOLO:复杂田间环境下早期棉铃检测的频域结构特征学习框架

Cotton-SF YOLO: Learning Structural and Frequency Cues for Early Cotton Square Detection in Complex Field Environments

AI 导读

针对复杂田间环境中小目标易受光照与背景干扰的检测难题,Cotton-SF YOLO 基于 YOLO26m 引入动态蛇形卷积与频域调制模块。该模型在自建标注数据集上实现 mAP50 为 0.8196、召回率 0.7939,较基线提升 1.25% 至 2.96%,验证了结构与时频特征互补的有效性。因作者发现方法局限需进一步研究,该版本已撤回并暂不开源。

来源:arXiv · 机器人与计算机视觉 · arxiv.org