跳到正文
热点事件持续更新

Cotton-SF YOLO 因局限撤回早期棉铃检测模型

1 篇报道1 个报道来源13 小时前更新

先了解这件事

AI 综述

针对复杂田间环境下小目标检测难题,研究团队基于 YOLO26m 提出了 Cotton-SF YOLO 框架。该模型引入动态蛇形卷积与频域调制模块,在自建数据集上实现了 mAP50 为 0.8196、召回率 0.7939 的性能,较基线提升显著。然而,作者随后发现该方法存在局限并需进一步研究,因此已主动撤回该版本且暂不开源代码。

AI 根据报道生成 · 9 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月18日
  1. arXiv · 机器人与计算机视觉
    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

    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。

本事件热度走势

可比范围当前
7
可比范围峰值
911月18日 17:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。