YotoR | 融合 Swin Transformer 和YoloR 的混合架构，提升目标检测性能的...

文章预览

点击下方卡片，关注 「集智书童」 公众号 点击加入👉 「集智书童」 交流群 本文介绍了YotoR（You Only Transform One Representation），一种结合了Swin Transformers和YoloR架构的新型深度学习目标检测模型。在自然语言处理中具有革命性的Transformer技术，同样对计算机视觉产生了重大影响，提供了提高准确性和计算效率的潜力。 YotoR将健壮的Swin Transformer主干网与YoloR的 Neck 和 Head 结合在一起。 在作者的实验中，YotoR模型TP5和BP4在各项评估中一致优于YoloR P6和Swin Transformers，比Swin Transformer模型实现了更优的目标检测性能和更快的推理速度。 这些结果突显了通过Transformer进一步模型组合和改进实时目标检测的潜力。 论文最后强调了YotoR的更广泛意义，包括其增强基于Transformer的模型用于图像相关任务的可能性。 1 Introduction 卷积神经网络在过去十年中彻底改变了计算 ………………………………