多信息融合检测网络

灰度检测更准更快

为灰度图像目标检测设计的改进型YOLOv8网络，通过多信息融合策略，在保持实时推理速度的同时，显著提升了检测精度。

Dahang, Wan · 卢荣胜 · Bingtao, Hu · Jiajie, Yin · Siyuan, Shen · Ting, Xu · Lang, Xianli

Advanced Engineering Informatics 2024

参数信息

mAP提升

2.1 %

mAP提升

4.8 %

技术优势

不拖慢推理

采用结构重参数化技术，提升检测性能但不增加推理时间，适合实时应用。

模拟多通道

生成伪多通道灰度图像，增强网络通道信息，同时减少图像噪声和离焦模糊问题。

表达力更强

新型解耦检测头放大模型处理灰度图像时的表达能力，提升检测精度。

应用场景

• 具身智能视觉感知：为机器人视觉提供实时灰度检测模块，在算力受限时保持准确感知。
• 工业视觉检测：替代人工检查灰度工业图像，在不降速的同时提升缺陷检测精度。
• 医学影像分析：帮助分析单通道医学影像，提高病灶检测的准确性并满足实时需求。
• 无人机遥感目标识别：无人机可搭载该模型识别灰度遥感图像，在实时处理中提升目标识别率。
• 机器人监控与安防：用于安防监控中的灰度视频分析，实时发现可疑目标，降低漏报率。