AI-DETR：自适应加权的可解释目标检测方法

您当前的位置：

首页 >

文章列表页 >

AI-DETR：自适应加权的可解释目标检测方法

学术论文 | 更新时间：2025-12-10

上一篇|下一篇

- AI-DETR：自适应加权的可解释目标检测方法
- AI-DETR: Interpretable Object Detection Method Based on Adaptive Weighting
- 鲁银圆，许升全，谢娟英
- 电子学报 2025年53卷第7期页码：2279-2304
- 作者机构：
  1.陕西师范大学计算机科学学院，陕西西安 710119
  2.陕西师范大学生命科学学院，陕西西安 710119
- 作者简介：
  鲁银圆男，1994年12月出生于河南省许昌市.现为陕西师范大学计算机科学学院博士研究生.主要研究方向为图像处理、目标检测、深度学习等. E-mail: zzu_luyy@163.com
  许升全男，1967年6月出生于陕西省西安市.现为陕西师范大学生命科学学院教授、博士生导师.主要研究方向为昆虫分类与进化、进化基因组学、生物信息学等. E-mail: xushengquan@snnu.edu.cn
  谢娟英女，1971年4月出生于陕西省西安市.现为陕西师范大学计算机科学学院教授、博士生导师，CCF杰出会员.主要研究方向为机器学习、数据挖掘、生物医学大数据分析、智能信息处理等. E-mail: xiejuany@snnu.edu.cn
- 基金信息：
  国家自然科学基金(62076159)
- DOI： 10.12263/DZXB.20250038
  中图分类号：
- 录用：2025-04-30 ，
- 稿件说明：
移动端阅览
DOI：
DOI：

HTML全文
图( 27 ) 表( 8 )
参考文献
出版信息
数据统计

摘要

Abstract

关键词

Keywords

references

153

浏览量

198

下载量

1

CSCD

文章被引用时，请邮件提醒。

提交

工具集

BibTeX下载
Endnote下载
RefMan 下载
NoteExpress下载
NoteFirst下载

关联资源

相关文章

基于红外偏振成像的复杂干扰环境下无人机目标检测方法

基于视觉与深度学习的无人机自主着陆场景感知方法研究进展

基于引导扩散模型的自然对抗补丁生成方法

基于深度学习的通用目标检测研究综述

CloAct：基于克隆关系和模体的关键类识别方法

相关作者

乔新博

郭阳

赵永强

刘亮

王中天

吴一全

何琨

佘计思

相关机构

西北工业大学自动化学院

中国人民解放军海军航空大学

南京航空航天大学电子信息工程学院

武汉大学国家网络安全学院

武汉大学空天信息安全与可信计算教育部重点实验室