实时动态规模感知融合检测网络：以道路损伤检测为例
原文中文，约300字，阅读约需1分钟。发表于：。本研究解决了无人机基于道路损伤检测（RDD）中存在的不规则损伤、背景遮挡和损伤与背景区分困难等问题。通过设计灵活适应形状与背景的特征提取模块、多尺度感知融合模块及高效降采样模块，提出了一种名为动态规模感知融合检测模型（RT-DSAFDet）的新模型。实验结果表明，RT-DSAFDet在公共数据集上的mAP50达54.2%，较现有模型YOLOv10-m提升了11.1%，降低了参数量和计算量，展...
YOLO9tr是一种基于深度学习的轻量级目标检测模型，用于道路损坏检测。它通过引入部分注意力块提高了检测性能，并通过多国的道路损坏图像数据集进行训练。与其他模型相比，YOLO9tr具有更高的精度和推断速度，适用于实时应用。该研究验证了部分注意力块的有效性，并突出了YOLO9tr在实时道路状况监测中的潜力。
