- DepthPrior // 2602.05730
- MLX-OK
- WAVE 6
BESTLA
桥梁
BESTLA将深度图作为先验知识来提升目标检测，对小目标实现+9%mAP和+7%mAR的提升，且零架构改动。它可直接插入任何YOLO或EfficientDet检测器，使用深度引导注意力聚焦于不同距离的难检测目标，真阳性与假阳性恢复率为95:1。小目标检测是自主感知的致命弱点——远处的威胁、小型无人机、隐藏装置。BESTLA桥接深度基础层与检测层，在无需任何模型重新设计的情况下大幅提升远距检测能力。
模块状态: 开发中mAP提升
+9%
- 部门
- ANIMA
- 波次
- W6
- 领域
- SLAM与3D
- 第6波 // ANIMA 套件
- 基础层→感知层桥梁
BESTLA // W6 // 007/079
01核心挑战
小目标消失
小而远的目标最难检测。标准检测器经常遗漏。
深度提供纯2D检测缺乏的关键距离上下文。
02解决方案
BESTLA 提供什么
BESTLA使用深度图作为先验知识提升目标检测，零架构更改即达+9% mAP。
能力
- 深度引导注意力检测
- 零架构更改 — 插入任何YOLO/EfficientDet
- 小目标+9%mAP，+7%mAR
- 95:1真假阳性恢复率
03工程挑战
为什么这很难
构建 BESTLA 需要解决多个耦合问题：
- 01不修改检测器架构集成深度
- 02避免深度噪声导致假阳性
- 03保持实时检测速度
- 04跨域深度-检测泛化
BESTLA 通过精心的架构设计和严格的验证来解决这些问题。
04性能基准
用数据说话
关键指标：
| 指标 | 数值 |
|---|---|
| mAP提升 | +9% |
| mAR提升 | +7% |
| 恢复率 | 95:1 |
| 更改 | 零架构修改 |
05构建状态
已构建的功能
已完成 3/6 个组件
| 组件 | 状态 | 说明 |
|---|---|---|
| 深度先验 | 已完成 | 深度引导注意力 |
| YOLO适配器 | 已完成 | 即插即用集成 |
| 小目标提升 | 进行中 | 距离优化 |
| 恢复优化 | 进行中 | 假阳性减少 |
| 核心模型 | 已完成 | 桥梁已验证 |
| API层 | 进行中 | 检测增强API |
06应用场景
BESTLA 部署场景
- APP_01
情报/监视
检测远距离小目标。
- APP_02
边境安全
远距离小目标检测。
- APP_03
质量检查
带深度上下文检测小缺陷。
07技术
底层技术
基础：DEPTHPRIOR
- 深度引导注意力检测
- 零架构更改 — 插入任何YOLO/EfficientDet
- 小目标+9%mAP，+7%mAR
核心创新
BESTLA使用深度图作为先验知识提升目标检测，零架构更改即达+9% mAP。
部署
- REST API
- Docker容器化
- Prometheus指标
- 可配置后端
计算
- 主要
- MLX-OK
- 边缘
- 优化推理
- API
- REST + 流式
08论文
论文
- [01]DepthPrior（2602.05730）