计算机视觉研究院 | YotoR：融合 Swin Transformer 和YoloR 的混合架构，提升目标检测性能

本文来源公众号“计算机视觉研究院”，仅用于学术分享，侵权删，干货满满。

原文链接：YotoR：融合 Swin Transformer 和YoloR 的混合架构，提升目标检测性能

今天给大家介绍了YotoR（You Only Transform One Representation），这是一种新的目标检测深度学习模型，结合了Swin Transformers和YoloR架构。

• 论文地址：https://arxiv.org/pdf/2405.19629

PART/1   摘要   

Transformers是自然语言处理领域的一项革命性技术，它也对计算机视觉产生了重大影响，有可能提高准确性和计算效率。YotoR将坚固的Swin Transformer主干与YoloR颈部和头部相结合。在实验中，YotoR模型TP5和BP4在各种评估中始终优于YoloR P6和Swin Transformers，比Swin Transfo