.png){kind=icon}
返回
key-fg DETR based camouflaged locust objects in complex fields
.png){kind=icon}
OA
AI
DOI：10.3389/fpls.2025.1565739.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
引言 在实际农业环境中，许多害虫利用复杂背景进行伪装，显著增加了检测难度。本研究旨在解决伪装害虫检测的挑战。
方法 我们提出了一种基于Transformer的检测框架，整合了三个关键模块：1.精细粒度分数预测器（FGSP）——引导目标查询到潜在前景区域；2.MaskMLP生成实例感知的像素级掩码；3.去噪模块和DropKey策略——增强训练稳定性和注意力鲁棒性。
结果 在COD10k和Locust数据集上进行评估，我们的模型分别获得36.31和75.07的AP分数，优于Deformable DETR 2.3%和3.1%。在Locust数据集上，召回率和F1分数分别提升6.15%和6.52%。消融实验证实了各模块的贡献。
讨论 这些结果表明，我们的方法显著提高了复杂田间环境中伪装害虫的检测效果。它为农业害虫监测和作物保护应用提供了鲁棒解决方案。
Keyword:
camouflaged pest detection
Transformer-based framework
Fine-Grained Score Predictor
MaskMLP
denoising module
期刊
IF:
4.8
论文数:
3.4W
被引数:
14.7W
机构
引用论文
“NWD-YOLOv5: A YOLOv5 model for small target detection based on NWD loss,” in Proceedings of the 2024 6th International Conference on Robotics, Intelligent Control and Artificial Intelligence (RICAI), Piscataway, NJ, USA, IEEE. 542–546“NWD-YOLOv5: 基于NWD损失的小目标检测YOLOv5模型,” 刊登于2024年第六届机器人、智能控制与人工智能国际会议（RICAI）论文集，Piscataway, NJ, USA, IEEE。542–546。.png)
IF0
PREAI
分享收藏Mobile real-time grasshopper detection and data aggregation framework. Sci. Rep. 10, 1150移动实时蝗虫检测与数据聚合框架。Sci. Rep. 10, 1150
IF0
PREAI
分享收藏Dual-3DM3AD: mixed transformer based semantic segmentation and triplet pre-processing for early multi-class alzheimer’s diagnosis. IEEE Trans. Neural Syst. Rehabil. Eng. 32, 696–707Dual-3DM3AD：基于混合Transformer的语义分割和三元组预处理的早期多类阿尔茨海默病诊断。IEEE神经网络系统与康复工程汇刊，32卷，696-707页。
IF0
PREAI
分享收藏分享收藏D2PAM: Epileptic seizures prediction using adversarial deep dual patch attention mechanismD2PAM: 基于对抗性深度双斑块注意机制的癫痫发作预测
OAAI
OAAI分享收藏MSR-RCNN: a multi-class crop pest detection network based on a multi-scale super-resolution feature enhancement module. Front. Plant Sci. 13MSR-RCNN：一种基于多尺度超分辨率特征增强模块的多类作物病虫害检测网络。Front. Plant Sci. 13
IF0
PREAI
分享收藏
查看更多内容