DS MYOLO：基于 SSMs 用于驾驶场景的可靠目标检测器
计算机视觉与模式识别
2024-09-04 v1 人工智能
摘要
准确的实时目标检测提升了自动驾驶辅助系统的安全性，使其成为驾驶场景中的关键组件。随着深度学习技术的快速发展，基于卷积神经网络 (CNN) 的 YOLO 系列实时目标检测器受到广泛关注。然而，CNN 的局部感受野导致了性能瓶颈。为进一步提升检测器性能，研究者引入基于 Transformer 的自注意力机制以利用更大的感受野，但其二次时间复杂度带来了显著的计算成本。最近，Mamba 因其线性时间复杂度通过全局选择扫描取得了显著进展。鼓舞于 Mamba 的卓越性能，我们提出一种新型目标检测器：DS MYOLO。该检测器通过简化的选择扫描融合块 (SimVSS Block) 捕获全局特征信息，并有效整合网络的深层特征。此外，我们引入高效通道注意力卷积 (ECAConv)，在保持低计算复杂度的同时增强跨通道特征交互。在 CCTSDB 2021 和 VLD-45 驾驶场景数据集上进行的大量实验表明，DS MYOLO 在类似规模的 YOLO 系列实时目标检测器中展现出显著潜力和竞争优势。
引用
@article{arxiv.2409.01093,
title = {DS MYOLO: A Reliable Object Detector Based on SSMs for Driving Scenarios},
author = {Yang Li and Jianli Xiao},
journal= {arXiv preprint arXiv:2409.01093},
year = {2024}
}
备注
27th International Conference on Pattern Recognition(ICPR)