ترجمه فارسی مقاله مدل YOLO شبکه ترانسفورماتور فضایی برای تشخیص اشیاء کشاورزی

چکیده

Object detection plays a crucial role in the field of computer vision by autonomously locating and identifying objects of interest. The You Only Look Once (YOLO) model is an effective single-shot detector. However, YOLO faces challenges in cluttered or partially occluded scenes and can struggle with small, low-contrast objects. We propose a new method that integrates spatial transformer networks (STNs) into YOLO to improve performance. The proposed STN-YOLO aims to enhance the model’s effectiveness by focusing on important areas of the image and improving the spatial invariance of the model before the detection process. Our proposed method improved object detection performance both qualitatively and quantitatively. We explore the impact of different localization networks within the STN module as well as the robustness of the model across different spatial transformations. We apply the STN-YOLO on benchmark datasets for Agricultural object detection as well as a new dataset from a state-of-the-art plant phenotyping greenhouse facility. Our code and dataset are publicly available.

چکیده به فارسی (ترجمه ماشینی)

تشخیص شی با قرار دادن خودمختار و شناسایی اشیاء مورد علاقه ، نقش مهمی در زمینه دید رایانه ایفا می کند.مدل شما فقط یک بار (YOLO) به نظر می رسد یک ردیاب تک شات مؤثر است.با این حال ، YOLO در صحنه های به هم ریخته یا جزئی مسدود شده با چالش هایی روبرو است و می تواند با اشیاء کوچک و کم کنتراست مبارزه کند.ما یک روش جدید را پیشنهاد می کنیم که شبکه های ترانسفورماتور مکانی (STN) را در YOLO برای بهبود عملکرد ادغام می کند.STN-YOLO پیشنهادی با تمرکز بر روی زمینه های مهم تصویر و بهبود تغییر مکانیکی مدل قبل از فرآیند تشخیص ، باعث تقویت اثربخشی مدل شده است.روش پیشنهادی ما عملکرد تشخیص شی را هم از نظر کیفی و هم از نظر کمی بهبود بخشید.ما تأثیر شبکه های محلی سازی مختلف را در ماژول STN و همچنین استحکام مدل در تحولات مکانی مختلف بررسی می کنیم.ما STN-YOLO را در مجموعه داده های معیار برای تشخیص شیء کشاورزی و همچنین یک مجموعه داده جدید از یک مرکز گلخانه ای فنوتیپی گیاهی پیشرفته استفاده می کنیم.کد و مجموعه داده ما در دسترس عموم است.