STN 也来卷 YOLO 了，提升图像检测的质量，并可用于下游应用 ！

文章预览

目标检测在计算机视觉领域扮演着至关重要的角色，它可以自主识别并定位感兴趣的目标。You Only Look Once（YOLO）模型是一种有效的单次检测器。然而，YOLO在杂乱或部分遮挡的场景中面临挑战，并且在处理小尺寸、低对比度物体时可能会遇到困难。 作者提出了一种将空间变换网络（STNs）集成到YOLO中的新方法，以提高性能。所提出的STN-YOLO旨在通过在检测过程之前关注图像的重要区域并提高模型的空间不变性，从而增强模型的有效性。作者提出的方法在质量和数量上都提高了目标检测性能。 作者探讨了STN模块内不同定位网络的影响，以及模型在不同空间变换下的鲁棒性。作者将STN-YOLO应用于农业目标检测的基准数据集，以及一个来自最先进的植物表型温室设施的全新数据集。 1 Introduction 植物表型分析对于作物改良[1]、产量优化[2]和可持续实践[3]至 ………………………………