遥感领域的小目标检测一直是个具有挑战性和趣味性的研究方向，同时也是顶会顶刊的常客。但不得不说，今年关于遥感小目标检测的研究热情尤其高涨，已经出现了很多非常优秀的成果。
比如SuperYOLO方法，通过融合多模态数据并执行高分辨率的目标检测，在大幅提高遥感图像中小目标的检测准确性和速度的同时，参数减少了18倍。
再比如结合顶流Mamba和YOLOv9的SOAR，在精度和效率方面都达到了SOTA，性能直接起飞，实力证明遥感小目标检测
2025年03月18日
遥感领域的小目标检测一直是个具有挑战性和趣味性的研究方向，同时也是顶会顶刊的常客。但不得不说，今年关于遥感小目标检测的研究热情尤其高涨，已经出现了很多非常优秀的成果。
比如SuperYOLO方法，通过融合多模态数据并执行高分辨率的目标检测，在大幅提高遥感图像中小目标的检测准确性和速度的同时，参数减少了18倍。
再比如结合顶流Mamba和YOLOv9的SOAR，在精度和效率方面都达到了SOTA，性能直接起飞，实力证明遥感小目标检测
2025年03月18日
机器之心专栏
作者：朱磊、佘琪
利用持续学习中梯度缩放控制的方法，北大、北邮、字节跳动提出的新方法相比经典算法在参数量降低近 20 倍的同时，运算速度提升了 4 倍。
为解决在线学习所带来的灾难性遗忘问题，北大等研究机构提出了采用梯度调节模块（GRM），通过训练权重在特征重建时的作用效果及像素的空间位置先验，调节反向传播时各权重的梯度，以增强模型的记忆性的超像素分割模型 LNSNet。
2025年03月18日
膨胀卷积 (Dilated Convolution，也称为空洞卷积)，与标准的卷积核不同，膨胀卷积在 kernel 中增加了一些空洞，从而可以扩大模型的感受野。
我们先通过下图看一下膨胀卷积和标准卷积的区别，采用的卷积核都是 3×3 的。膨胀卷积有一个超参数 dilation rate，表示卷积核的间隔，标准卷积的 dilation rate 为 1，下图的膨胀卷积 dilation rate 为 2。
2025年03月18日
小样本学习主要研究如何通过少量样本学习识别模型。目前学术界普遍研究的是N-way-K-shot问题，即进行N个类别的识别，每类有K个样本。训练过程以task为单位，会用到两个数据集：Support set S 和 Query set Q 。对于模型训练过程中的每个task（episode），选定M个class，每个class选择N个样本，这M x N个样本也称为support set。对于另一个从这M个class中选择的待预测样本，模型需要确定其属于哪个class，这类问题也称为M way N shot。在测试过程中，对于在训练集中从未见过的class，模型需要在M way N shot的模式下正确分类出样本的类别。常见的M和N的设置为：5 way 1 shot, 10 way 1 shot, 5 way 5 shot, 10 way 5 shot。