Компьютерная наука > Компютерное видение и распознавание шаблона [представлено 10 сентября 2026 года] Название: HGSQ: Technicalmaps-Sparse Querionor for Real-Time Aerial Discrimination Letter PDF HTML (экспериментальное) Резюме: Обнаружение малых аэрофотосъемок в реальном масштабе времени является важной проблемой визуального сигнала и обработки изображений, требующей детектора для сохранения мелкозернистых локализаций при одновременном избежании ненужных расчетов на больших фоновых регионах. В настоящем документе основное внимание уделяется такой ориентированной на развертывание атмосферной/БЛА конфигурации, а не использованию универсального детектора для всех сценариев обнаружения объектов. Существующие трансформаторы обеспечивают мощную глобальную модель, но их плотная инициализация запросов и многослойный декодер по-прежнему расходуют значительные средства на фоновые символы, которые неэффективны в тех случаях, когда малые объекты занимают лишь небольшие области изображения. Для решения этой проблемы в настоящем документе предлагается использовать HGSQ, детектив для обнаружения малых воздушных объектов с помощью термокарты Sparse. HGSQ использует легковесный прогнозируемый бюджет " Тепловая карта &qt; (HBP) для прогнозирования предисловной бюджетной карты в одном переднем пропуске. Затем прогнозируемая тепловая карта используется тремя постоянными компонентами: " Heatmap-Goded Sparse Celecting &qt; (HSQS), которая инициирует вопросы декодера с высоконадежных…
HGSQ: Теплокарта, ориентированная на Sparse CreyDister для обнаружения малых воздушных объектов в реальном масштабе времени
arXiv:2609.13306v1 Annualte Type: New Humber Brieflow: Обнаружение небольших воздушных объектов в реальном времени является важной проблемой визуального сигнала и обработки изображений, требующей детектора для сохранения мелкозернистых локализаций при одновременном избежании ненужных расчетов на крупных фоновых участках. В настоящем документе основное внимание уделяется такой ориентированной на развертывание атмосферной/БЛА конфигурации, а не использованию универсального детектора для всех сценариев обнаружения объектов. Существующие трансформаторы обеспечивают мощную глобальную модель, но их плотная инициализация запросов и многослойный декодер по-прежнему расходуют значительные средства на фоновые символы, которые неэффективны в тех случаях, когда малые объекты занимают лишь небольшие области изображения. Для решения этой проблемы в настоящем документе предлагается использовать HGSQ, детектив для обнаружения малых воздушных объектов с помощью термокарты Sparse. HGSQ использует легковесный прогнозируемый бюджет " Тепловая карта &qt; (HBP) для прогнозирования предисловной бюджетной карты в одном переднем пропуске. Затем прогнозируемая тепловая карта используется тремя фиксированными компонентами: