A CNN-Transformer Hybrid for Precise Object Detection in UAV Aerial Imagery
Notice bibliographique
Résumé
The proposed hybrid framework in this paper is a deep learning technique to robustly detect objects and classify them in real-time applications and includes the use of Convolutional Neural Networks (CNNs) to capture local features, Transformer blocks to learn the global context, and adaptive feature fusing gating to integrate information to achieve optimal consistency. The proposed architecture uses feature pyramid networks (FPN) combined with path aggregation networks (PAN) to help provide better multi-scale representation and accelerate large and small, as well as rich and weak objects. Broad experiments have been carried out across several benchmark and cross-domain datasets such as indoor detection, agricultural leaf diseases recognition, and X-ray illegal content identification. This proposed model has an mAP@0.5:0.95 of 55.7 percent, a precision of 91-4 percent, and a recall of 88.0 percent, with a speed of 126 FPS on an RTX 4090, out beating state-of-the-art models like YOLOv7, DETR, and RT-DETR. Superior generalization ability is confirmed by cross-domain evaluations, and complementary role of the modules is validated by ablation studies. These findings show that the suggested framework can accomplish a desirable trade-off of accuracy and speed with good results and may be utilized on real-time tasks, e.g., autonomous navigation, industrial inspection, or security monitoring.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».