项目 / 进行中
TraceFormer · 微弱目标检测
完整系统验证得分 0.9541
从稀疏事件流中识别微弱运动小目标,构建模型、后处理与可复现评测流程。
完整系统
神经检测器、LightGBM 后处理与轨迹规则协同
独立复评
同一 24 序列验证集,全事件计分与预测映射核验

成果
冻结完整系统在 24 个验证序列上取得 验证得分 0.954117,神经网络单独为 0.915002(2026 年 9 月 29 日独立复评)。
这是本地验证结果;验证集参与模型与阈值选择,不代表官方隐藏测试成绩或比赛名次。
问题与方法
微弱目标事件稀少,背景噪声密集。模型用占用块词元和双向时空锥注意力聚合运动邻域,再映射回原始事件;完整系统结合 LightGBM 后处理、轨迹规则与稠密场景补救。
我的贡献
完成 模型设计、训练、推理和后处理,组织消融实验与独立复评,并核对每个原始事件的预测数量、顺序和映射。
验证比较
| 比较对象 | 验证得分 |
|---|---|
| PACT 公开权重 | 0.803205 |
| TraceFormer 神经网络 | 0.915002 |
| TraceFormer 完整系统 | 0.954117 |
三者使用同一验证集、事件映射与全局计分;训练和开发预算未匹配,因此仅比较这些具体权重与配置。0.954117 对应冻结历史系统,不归因于后续所有模块。
交付
可运行代码、保存的配置与权重、逐序列比较图及困难场景诊断。神经网络与完整系统指标分别报告。
项目图集


