UAD-YOLO: An Efficient Context-Aware and Shape-Aware Framework Based on YOLOv11 for Urban Anomaly Detection in Complex Scenes
यह शोधपत्र UAD-YOLO प्रस्तुत करता है, जो एक कुशल YOLOv11-आधारित फ्रेमवर्क है जिसे जटिल दृश्यों में उच्च-सटीक, वास्तविक समय के शहरी विसंगति का पता लगाने के लिए लार्ज सेपरेबल कर्नेल अटेंशन, रीपैरामीटराइज़्ड कन्वोल्यूशन और शेप-IoU लॉस के साथ उन्नत किया गया है, जिसे एक नए डेटासेट और बेसलाइन मॉडलों की तुलना में बेहतर प्रदर्शन मेट्रिक्स द्वारा प्रमाणित किया गया है।