用于车辆检测的动态 Transformer 网络
计算机视觉与模式识别
2025-06-04 v1
摘要
稳定的消费电子系统能更好地辅助交通。优秀的交通消费电子系统需要交通算法与硬件的协同工作。然而，流行的交通算法（包括基于深度网络通过学习数据关系而非学习不同光照和遮挡差异的车辆检测方法）性能受限。本文提出一种用于车辆检测的动态 Transformer 网络（DTNet）。DTNet 利用动态卷积引导深度网络动态生成权重，以增强所得检测器的适应性。考虑到不同信息之间的关系，利用基于通道注意力和 Transformer 的混合注意力机制来增强通道与像素之间的关系，从而为车辆检测提取更显著的信息。为克服图像差异带来的缺陷，利用依赖空间位置信息的平移可变卷积来精炼所得的结构信息以进行车辆检测。实验结果表明，本文的 DTNet 在车辆检测中具有竞争力。所提出的 DTNet 的代码可在 https://github.com/hellloxiaotian/DTNet 获取。
引用
@article{arxiv.2506.02765,
title = {A Dynamic Transformer Network for Vehicle Detection},
author = {Chunwei Tian and Kai Liu and Bob Zhang and Zhixiang Huang and Chia-Wen Lin and David Zhang},
journal= {arXiv preprint arXiv:2506.02765},
year = {2025}
}
备注
8 pages, 5 figures. This paper has been accepted for publication in IEEE Transactions on Consumer Electronics