文章目录
摘要
SeaFormer是今年关注度比较高的模型,其轻量高效的注意力模块,在图像分类和实例分割的任务表现非常出色,那我们一起试试它在YoloV8上的表现吧!
首先,我们一起阅读论文的翻译,了解什么是SeaFormer,以及实现它的方法。然后,我们一起尝试几种改进方法;最后,我们总结SeaFormer在Yolov8中的表现。
当然,我的试验结果并不一定代表SeaFormer的真实实例,数据集不同,效果也有一定的差别,甚至是巨大的,所以大家也要动手实验才行。
论文翻译
摘要
论文:https://openreview.net/pdf?id=-qg8MQNrxZw
代码:https://github.com/fudan-zvg/SeaFormer
自从引入视觉TransFormer以来,许多计算机视觉任务(例如,语义分割)的前景一直由cnn压倒性地主导,最近发生了重大变革。然而,计算成本和内存需求使得这些方法不适合移动设备,特别是对于高分辨率的逐像素语义分割任务。本文介绍了一种新的用于移动语义分割的压缩增强轴向TransFormer(SeaFormer)方法。具体来说&#x