信息记录材料

首页 > 刊期 > 2026 > 6期 > 信息：技术与应用

复杂环境下多架构目标检测系统的可靠性分析

夏浩军，苏静，屈静静，张桐，康乐

【摘要】针对现实环境中图像噪声干扰导致目标检测模型性能下降，以及不同架构模型鲁棒性差异难以量化评估的问题，本文提出了一种多扰动渐进式测试框架与基于可满足性理论的位置一致性验证方法，旨在系统量化不同架构模型的鲁棒性差异。通过定义目标检测模型鲁棒性量化指标、设计多扰动测试流程与实验，本文对卷积、Ｔｒａｎｓｆｏｒｍｅｒ及扩散模型等多种架构的目标检测模型进行了系统性鲁棒性评估。结果表明：ＹＯＬＯｖ８在多种环境扰动下均表现出最佳鲁棒性，且模型检测精度与鲁棒性无必然关联；本文提出的评估方法能有效量化模型差异，为特定环境下的模型选型与针对性增强提供可靠依据。

【关键字】 深度学习；目标检测；鲁棒性

【PDF】