Dual attention guided context-aware feature learning for residual unfilled grains detection on threshed rice panicles
Notice bibliographique
Résumé
Accurate detection of residual unfilled grains on threshed rice panicles is a critical step in determining a reliable grain-setting rate, and holds significant potential for the development of high-quality rice strains. Recent deep learning-based techniques have been actively explored for discerning various types of objects. However, this detection task is challenging, as many objects are densely occluded by branches or other unfilled grains. Additionally, some unfilled grains are closely adjacent and exhibit small sizes, further complicating the detection process. To address these challenges, this paper proposes a novel Channel-global Spatial-local Dual Attention (CSDA) module, aimed at enhancing feature correlation learning and contextual information embedding. Specifically, the channel- and spatial-wise attention are deployed on two parallel branches, and incorporated with the global and local representation learning paradigm, respectively. Furthermore, we integrate the CSDA module with the backbone of an object detector, and refine the loss function and detection head using the Focaler-SIoU and tiny object prediction head. This enables the object detector to effectively differentiate residual unfilled grains from occlusions, and at the meantime, focusing on the subtle differences between closely adjacent and small-sized unfilled grains. Experimental results show that our work achieves superior detection performance versus other competitors with an mAP@0.5 of 95.3 % (outperforming rivals by 1.5–32.6 %) and a frame rate of 154 FPS (outperforming rivals by 12–132 FPS), enjoying substantial potentials for practical applications. • CSDA module enhances feature correlation and contextual embedding. • Framework integrates CSDA and Focaler-SIoU for robust occluded-grain detection. • Optimized detection head improves sensitivity to tiny grains.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».