Article · IA & agents
Préserver les détails fins dans la détection aérienne
YOLO12-MambaScan combine des chemins haute fréquence, une attention spatiale et Mamba pour détecter de petits objets dans des images prises par drone.
Le problème des petits objets
Dans les images aériennes, les personnes, véhicules et vélos occupent parfois très peu de pixels. Les convolutions et les réductions de résolution peuvent perdre leurs contours et leurs textures, alors que le contexte global reste nécessaire pour distinguer un objet du décor.
Résultats rapportés
Hao Wang propose YOLO12-MambaScan, une variante de YOLO12 qui ajoute RFCAConv pour l'attention de champ réceptif, TriPathHFConv pour trois chemins de détails, un bloc Mamba pour le contexte global, GSPN SCSA pour la fusion spatiale et de canaux, et STEL pour une branche de prédiction P2/4 dédiée aux très petits objets. Sur VisDrone, à une résolution d'entrée de 960 × 960, le modèle annonce 60,0 % de mAP@50 et 38,6 % de mAP@50:95. RFCAConv est présenté comme ajoutant environ 1,5 % de paramètres et 2,3 % de FLOPs dans les transitions concernées.
Interprétation éditoriale
La séparation entre détails locaux et contexte global est une idée transposable à d'autres pipelines visuels : préserver l'information avant de demander au modèle de la résumer. Elle ne justifie toutefois pas de choisir cette architecture sans mesurer le coût mémoire, la latence et la robustesse sur les images réellement visées.
Limites
Le résultat provient du protocole VisDrone et d'une seule proposition de modèle ; il ne suffit pas à comparer toutes les variantes YOLO ou tous les environnements embarqués. Les chiffres mAP ne décrivent ni la consommation en production ni la sûreté des décisions prises à partir des détections.
Sources
Source principale : résumé ArXiv · PDF. Les conseils de déploiement sont une lecture éditoriale.