ViT-Count：面向冠层遮挡的Vision Transformer树木计数定位方法

摘要： 【目的】针对复杂场景中树木检测的挑战，如遮挡、背景干扰及密集分布等，本研究提出一种基于Vision Transformer(ViT)的树木检测方法（ViT-Count），提升模型对复杂场景中树木的检测精度与鲁棒性。【方法】采用ViT作为基础模型，其在捕捉图像中全局上下文信息方面具有天然优势，尤其适用于形态多变的复杂环境。设计针对树木的视觉提示调优VPT机制，其通过在特征中注入可... （共11页）