全信息交互检测模型

小样本下更准识别

在DETR架构上通过前景增强与局部-全局聚合，小样本条件下对易混淆类别和小尺寸物体的检测能力获得显著改善。

Kun, Ren · Zhengzhen, Li · 杜永萍 · 韩红桂 · 吴玉锋

Information Fusion 2026

参数信息

平均检测精度提升

3 %

平均检测精度提升

2.6 %

平均检测精度提升

6.5 %

技术优势

易混淆类不再混

自适应前景增强模块突出支持图像中的判别性边缘特征，帮助模型区分相似类别。

小物体也抓得住

多尺度局部信息融合模块聚合不同尺度的局部特征，增强小目标的表示。

跨场景泛化更强

自监督预训练通过最大化先验知识的互信息，提高模型在不同数据分布上的泛化能力。

应用场景

• 机器人视觉感知：在只有少量标注样本时，让机器人快速学会识别新物体类别。
• 具身智能感知：提升具身智能体在遮挡和复杂场景中对物体类别的判别能力。
• 无人机目标识别：在无人机视角下小目标密集场景中，提供更稳健的检测精度。