TIV 2024 | MDFD2-DETR：一种基于多域特征分解与去冗余的实时复杂道路目标检测模型

论文信息

题目：MDFD2-DETR: A Real-Time Complex Road Object Detection Model Based on Multi-Domain Feature Decomposition and De-Redundancy

MDFD2-DETR：一种基于多域特征分解与去冗余的实时复杂道路目标检测模型

作者：Jia-wei Liu, Da Yang, Ting-wei Feng, Jun-jie Fu

论文创新点

1. 构建复杂道路感知数据集SWJTU-100k：这是首个大规模路边视角的复杂交通场景数据集，包含10万个高质量、精确标注的图像，涵盖10种常见道路车辆类型，整合多样场景，且代表了中国特定交通环境。
2. 提出多域特征分解与去冗余模块（MDFD）：深入分析现有检测模型在复杂道路场景下的特征提取过程，发现并针对