面向远视钻孔检测的自适应情境嵌入
计算机视觉与模式识别
2025-05-09 v1
摘要
在受控炮击作业中，准确检测从远距离图像中分布密集的微小钻孔对于作业安全和效率至关重要。然而，现有检测方法常因小目标尺寸、高度密集的排列以及钻孔有限独特的视觉特征而难以应对。为此，我们提出一种自适应检测方法，基于 EMA（指数移动平均）构建的统计更新派生的一致嵌入表示。该方法包含三个协同组件：(1) 自适应数据增强，利用动态更新的图像统计信息稳健处理照明和纹理变化；(2) 嵌入稳定，确保一致可靠的特征提取；(3) 情境细化，利用空间情境提高检测精度。我们方法中 EMA 的广泛使用尤其适合钻孔视觉复杂度有限且尺寸较小的场景，可在挑战性视觉条件下实现稳定可靠的表示学习。在具有挑战性的专有矿区数据集上的实验表明，我们的方法在基于 YOLO 的基线架构之上实现了显著提升，凸显了该方法在真实复杂工业场景中的有效性。
引用
@article{arxiv.2505.05008,
title = {Adaptive Contextual Embedding for Robust Far-View Borehole Detection},
author = {Xuesong Liu and Tianyu Hao and Emmett J. Ientilucci},
journal= {arXiv preprint arXiv:2505.05008},
year = {2025}
}