💻 computer science

Joint Enhancement of Multi-Scale Features and Adaptive Loss for YOLOv5

本文提出了一种针对 YOLOv5 的多维度协同增强框架,该框架集成了 LAB 空间的 CLAHE、带有 Varifocal Loss 的高分辨率 P2 检测层,以及结合通道注意力的可变形卷积,旨在有效解决工业视觉检测中面临的低光照、小目标及几何变形挑战,并在专门的吨袋数据集上实现了优于主流检测器的卓越性能。

Ming liang Yang, Yu yu miao, Xi jun Xu, heng Yang, qing Dong, Ke yuan Zhao2026-09-11
💻 computer science

DBDNet: Frequency-Constrained Dual-Branch Decoupling Network for Multi-Modality Image Fusion via Wavelet Transform

本文提出了 DBDNet,一种双分支解耦网络,该网络利用小波变换和基于频率的物理先验,有效地将模态共享的低频背景与模态特有的高频细节进行分离,从而在多模态图像融合及下游目标检测任务中实现了最先进的性能。

Zujun Zhang, Chongxuan Liu, Jia Wang, Jing Nie, Qihao Li, Min Hu, Bangshu Xiong2026-09-11
💻 computer science

DeepCork: A Two-Stage Deep Learning Framework for Automated Defect Inspection of Natural Cork Stoppers

DeepCork 是一个两阶段深度学习框架,它结合了基于 ResNet152 的二分类器与基于 YOLO 的检测器,旨在实现对天然软木塞的高精度、实时缺陷检测,同时在工业制造中有效平衡定位精度、延迟约束以及预测不确定性。

Marcos de Souza Oliveira, Jorge Carlos Santos Cardoso, Hugo Dinis Pereirinha da Silva Amaro, Esmaail Albarazi, Armin Gha (…)2026-09-10