文章预览
以下 文 章来源于微信公众号： 集智书童 作者： 小书童 链接：https://mp.weixin.qq.com/s/5egzO0eupRKeK0VgSqSV6g 本文仅用于学术分享，如有侵权，请联系 后 台作删文处理 导读 本文 作者提出了一种新颖的模型无关Sparse视觉Transformer，称为SparseFormer，以弥合近距离和HRW拍摄之间的目标检测差距。所提出的SparseFormer选择性地使用注意力 Token 来仔细检查可能包含目标的Sparse分布窗口。通过这种方式，它可以通过融合粗粒度和细粒度特征来共同探索全局和局部注意力，以处理巨大的尺度变化。 前言 近年来，使用像素级图像和视频捕捉系统以及具有高分辨率宽视角（HRW）的基准测试越来越多。然而，与MS COCO数据集中的近距离拍摄不同，更高的分辨率和更宽的视野带来了独特的挑战，如极端 Sparse 性和巨大的尺度变化，导致现有的近距离检测器不准确且效率低下。 在
………………………………
