CAppleNet 用坐标注意力改进 YOLO11 检测苹果果梗腔与萼片
热点事件持续更新
CAppleNet 用坐标注意力改进 YOLO11 检测苹果果梗腔与萼片
1 篇报道1 个报道来源9 小时前更新
先了解这件事
AI 综述
Alican Güneş 等作者发表 CAppleNet，用 YOLO11s 在自建 1506 张苹果图像数据集上检测果体、果梗腔与萼片三类目标。该数据集在固定相机、受控条件下采集并自行标注，分为 1054 张训练、301 张验证、151 张测试。 未调参基线 F1 为 0.9047。作者将骨干 C2PSA 块替换为 Coordinate Attention 后，参数量减少 10.2%，取得最佳 mAP@0.5 0.935、果梗腔 F1 0.8217，整体 F1 为 0.9038。
AI 根据报道生成 · 49 分钟前更新
最新进展11月11日 13:00
CAppleNet：基于坐标注意力的 YOLO11 实现苹果果梗腔与萼片实时检测报道时间线
沿着报道，了解事件的不同侧面。
11月11日
- arXiv cs.AICAppleNet：基于坐标注意力的 YOLO11 实现苹果果梗腔与萼片实时检测
CAppleNet 用 YOLO11s 在自建 1506 张苹果图像数据集上检测果体、果梗腔与萼片三类目标，未调参基线 F1 为 0.9047。将骨干 C2PSA 块替换为 Coordinate Attention 后，参数量减少 10.2%，取得最佳 mAP@0.5 0.935 与果梗腔 F1 0.8217，整体 F1 为 0.9038。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。