面向轻量级目标检测系统
计算机视觉与模式识别
2022-10-11 v1
摘要
Transformer 是分类任务以及作为目标检测任务主干网络的热门选择。然而，其高延迟给适配轻量级目标检测系统带来挑战。我们提出了一种对 Transformer 架构中自注意力层的近似方法。该近似在精度损失极小的情况下降低了分类系统的延迟。我们还提出了一种利用 Transformer 编码器层进行多分辨率特征融合的方法。该特征融合在不显著增加参数量的情况下提升了最先进轻量级目标检测系统的精度。最后，我们给出了一种称为 Generalized Transformer (gFormer) 的 Transformer 架构抽象，可用于指导类 Transformer 新型架构的设计。
引用
@article{arxiv.2210.03861,
title = {Towards Light Weight Object Detection System},
author = {Dharma KC and Venkata Ravi Kiran Dayana and Meng-Lin Wu and Venkateswara Rao Cherukuri and Hau Hwang},
journal= {arXiv preprint arXiv:2210.03861},
year = {2022}
}