芝浦工业大学设计出增强型YOLO框架将360度小目标检测准确率提升至90

盖世汽车讯 全景摄像头因其能够捕捉360度全景图像而广受欢迎。它们常用于监控、交通分析和自动驾驶系统。但这种广角视野也带来了一个技术难题:远离摄像头的目标往往会显得扭曲且微小，导致计算机视觉系统难以准确识别它们。

对于在道路交叉口等户外场景中的移动目标而言，例如行人、自行车、摩托车和汽车，这一挑战尤为严峻。

YOLO是一种流行的、高速且准确的实时目标检测算法。尽管YOLO兼顾速度与强大的通用性能，但由于它将图像分割成网格单元，因此在全景视频中检测/分类较小目标时存在困难。

当多个较小目标落入同一网格内时，它们的部分视觉信息可能会丢失。在全景视频中，这种缺陷会更加明显，因为远处的目标本身分辨率就较低。

据外媒报道，日本芝浦工业大学Chinthaka Premachandra教授领导的研究团队设计出一个增强型框架，将定制的训练数据集和迁移学习相结合，从而解决上述问题。