YOLO+CenterNet=YOLC，Anchor Free小目标检测框架开源，性能起飞（附论文和源码）

文章预览

以下文章来源于微信公众号：集智书童 作者：小书童 链接：https://mp.weixin.qq.com/s/HCPfO4FOE75AFHOI_sNfLw 本文仅用于学术分享，如有侵权，请联系后台作删文处理 导读 针对航空目标检测中小物体检测困难和非均匀数据分布严重，本文作者提出了YOLC，该网络基于CenterNet，使用局部尺度模块LSM，并有效建立回归损失。在两个公开数据集上的实验证明了YOLC的优越性。 论文链接： https://arxiv.org/abs/2404.06180 代码链接： https://github.com/dawn-ech/YOLC 从空中图像中检测物体由于以下因素而面临重大挑战： 空中图像通常具有非常大的尺寸，一般有数百万甚至数亿像素，而计算资源是有限的。 小物体尺寸导致有效检测信息不足。 不均匀的物体分布导致计算资源的浪费。 为了解决这些问题，作者提出了YOLC（You Only Look Clusters），这是一个高效且有效的框架，建立在 Anchor-Fre ………………………………