mAPm: 增强目标尺度变化的多尺度注意力金字塔模块在 RLD 检测中的应用
原文中文，约500字，阅读约需2分钟。发表于：。在计算机视觉中，尤其是在类似水稻叶病检测这样物体呈现显著尺度变化的任务中，检测不同尺度物体仍然是一个重要挑战。本研究提出了多尺度关注金字塔模块（mAPm），将扩张卷积集成到特征金字塔网络（FPN）中，以增强多尺度信息提取能力。此外，我们还结合了全局多头自注意机制和反卷积层来优化上采样过程。我们在 YOLOv7 上使用 MRLD 和 COCO 数据集对 mAPm 进行了评估。与纯...
本研究提出了多尺度关注金字塔模块（mAPm），将扩张卷积集成到特征金字塔网络（FPN）中，以增强多尺度信息提取能力。mAPm 在平均精度（AP）上取得了显著提升，在处理尺度变化方面有效。展示了推进目标检测技术的潜力。
