博客
关于我
CVPR 2024 | 用于基于事件目标检测的场景自适应稀疏Transformer
阅读量:798 次
发布时间:2023-04-05

本文共 346 字,大约阅读时间需要 1 分钟。

论文信息

论文题目:Scene Adaptive Sparse Transformer for Event-based Object Detection
作者:彭延松、李贺碧、张悦亦、孙晓燕、吴峰
GitHub地址:https://github.com/Peterande/SAST

论文创新点

本文提出了两大核心创新:窗口-token共稀疏化机制与场景自适应稀疏优化。
窗口-token共稀疏化机制:通过引入评分模块与选择模块,动态筛选重要窗口与token,显著降低计算复杂度,同时保持模型性能。这种机制能够有效控制计算开销,为后续任务提供更高效的选择。
场景自适应稀疏优化:SAST通过动态调整网络结构,根据不同场景需求自动优化稀疏化程度,实现了在保持检测精度的同时显著减少计算资源消耗。

转载地址:http://qtrfk.baihongyu.com/

你可能感兴趣的文章