想发各种领域小目标检测的同学看过来,小目标检测中的Transformer综述
小目标检测中的Transformer综述:新基准和最新技术调研 本文对2020年-2023年针对小目标检测任务开发的 60 多项Transformer工作进行了分类,涵盖了各种检测应用,包括通用图像、航拍图像、医学图像.水下图像中的小目标检测,还盘点了 12 个适合 SOD 的大型数据集,并使用mAP、FPS、参数等指标来评估性能。单位: 西澳大学,中东技术大学注: 论文PDF已上传至星球,可一键秒下载 Transformer 在计算机视觉领域迅速普及,特别是在物体识别和检测领域在检查最先进的目标检测方法的结果后,我们注意到 Transformer 在几乎每个视频或图像数据集中都始终优于基于 CNN 的成熟检测器。 虽然基于Transformer 的方法仍然处于小目标检测(SOD) 技术的前沿,但本文旨在探索此类广泛网络提供的性能优势,并确定其 SOD 优越性的潜在原因。 由于小物体的可见度较低,因此被认为是检测框架中最具挑战性的物体类型之我们的目标是研究可以增强 Transformer 在 SOD 中性能的潜在策略。这项调查对 2020 年至 2023 年期间针对 SOD 任务开发的 60 多项Transformer进行了分类。这些研究涵盖了各种检测应用,包括通用图像、航拍图像、医学图像、水下图像中的小目标检测。 我们还编制并列出了 12 个适合 SOD 的大型数据集 (这些数据集在之前的研究中被忽视),并使用平均精度(mAP)、每秒顿数(FPS)、数字等流行指标来比较所审查研究的性能。参数等等。
论文地址:https://arxiv.org/abs/2309.04902 代码地址:https://github.com/arekavandi/Transformer-SOD 需要进论文创新点群的,关注我私信我,进论文创新点群