算法论文8

ASAHI：自适应切片助力小目标检测大提速

机器学习AI算法工程2026-05-20

AI 摘要

都灵理工大学团队：提出ASAHI，采用自适应切片框架，固定切片数量让尺寸自适应，在两大权威数据集表现出色，推理速度和精度提升，还给出实战代码，不过存在小目标增强影响大目标精度等局限。

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

YOLOv11改进：金属探伤漏检率大降

工厂质检工作累且易出错，用摄像头加AI检测，需模型在复杂车间环境识别微小缺陷。论文对YOLOv11改进，插入三个即插即用模块，降低漏检率、提升精度，还做了公平实验，公开数据。

油田抽烟事故损失大，传统检测方法有局限，深度学习模型也面临难题。作者基于YOLOv11n构建GCEA - YOLO网络，含ADown、CSP - EDLAN、GFPN、EfficientHead四个模块，检测精度显著提升，还验证了泛化与稳定性，并给出复现代码。

传统小目标检测问题多，2026年4月FSDETR论文提出频空融合法，用14.7M参数获13.9% APS成绩。它有SHAB、DA - AIFI、FSFPN三个核心模块，还给出训练、推理及导出ONNX部署代码。

文章基于24年综述论文，分析小目标检测难点，如特征不足、难区分背景等，还给出主流改进方法，涉及数据增强、特征提取、特征融合、损失函数、训练策略等方面，介绍多种算法及效果。