ArmFormer：面向实时多类武器分割与分类的轻量级 Transformer 架构
计算机视觉与模式识别
2025-10-21 v1 人工智能
摘要
武器相关暴力事件的 escalation 迫切需要基于像素级精度的自动检测系统，以准确评估真实安全应用中的威胁。传统武器检测方法依赖目标检测框架，仅提供粗糙的边界框定位，缺乏综合威胁分析所需的细粒度分割。此外，现有语义分割模型要么为计算效率牺牲准确率，要么需要超出边缘部署场景的计算资源。本文提出 ArmFormer，一种轻量级基于 Transformer 的语义分割框架，通过战略集成卷积块注意力模块 (CBAM) 与 MixVisionTransformer 架构，在保持适用于资源受限边缘设备的计算效率的同时实现卓越准确率。我们的方案将 CBAM 增强的编码器主干与注意力集成的汉堡解码器相结合，实现对五类武器的多类别分割：手枪、步枪、刀剑、旋律枪和人类。全面实验表明，ArmFormer 以 80.64% 的 mIoU 和 89.13% 的 mFscore 实现最佳性能，同时在 82.26 FPS 的实时推理速度下运行。仅需 4.886G FLOPs 和 3.66M 参数，ArmFormer 在计算资源上超过最重型模型高达 48 倍，成为便携式安全摄像机、监视无人机和分布式安全基础设施中的嵌入式 AI 加速器的最优解决方案。
关键词
引用
@article{arxiv.2510.16854,
title = {ArmFormer: Lightweight Transformer Architecture for Real-Time Multi-Class Weapon Segmentation and Classification},
author = {Akhila Kambhatla and Taminul Islam and Khaled R Ahmed},
journal= {arXiv preprint arXiv:2510.16854},
year = {2025}
}
备注
9 pages with 4 figures and 5 tables. This is a preprint submitted to arXiv