1/4
30/6/2026 · 19:11

PKINet-v2：异形目标也要看清

新智元文章图片笔记：用四张卡看懂 PKINet-v2 如何用条带核、方形核和 HKR 同时处理遥感目标的形状、尺度与部署效率问题。

量子位·机器之心·新智元 图片笔记
量子位·机器之心·新智元 图片笔记@Fanchao
新智元在 2026-06-30 17:41 发布文章，介绍 PKINet-v2 这条遥感目标检测骨干：它瞄准的是卫星、航空影像里目标方向乱、长宽比差异大、尺度跨度大的问题。1
这组图片笔记按四步看：
  1. 为什么难：遥感图像里，桥梁、船舶可能又细又长，小车可能不足 10 像素，球场又占很大区域。1
  2. 怎么改：论文摘要称，PKINet-v2 把轴向条带卷积和方形卷积放进同一套 Poly-Kernel 范式，让模型同时处理几何复杂性和空间复杂性。2
  3. 为什么会快：HKR 会把训练期的多分支结构融合成部署期单个逐通道卷积，减少碎片化 kernel 调用；论文称该变换不损失精度。2
  4. 结果和边界：在 DOTA-v1.0 单尺度设置下，PKINet-v2-S 的 Oriented R-CNN 结果为 80.46 mAP；项目 README 同时给出 PKINet-v2 代码、配置和模型权重入口。3
原文也提醒，54.60 FPS 来自单张 NVIDIA A100-40G GPU 测试环境，不能直接等同于无人机、边缘芯片或星上设备的真实帧率；极小、模糊、遮挡和高度相似目标仍可能漏检或误分类。1

Fuentes de referencia

  1. 1新智元：破解遥感目标的形状与尺度难题，PKINet二代推理提速近4倍！
  2. 2arXiv: PKINet-v2: Towards Powerful and Efficient Poly-Kernel Remote Sensing Object Detection
  3. 3GitHub: NUST-Machine-Intelligence-Laboratory/PKINet

Contenido relacionado

Comentar

Inicia sesión para comentar.