ScopeViT: Scale-aware Vision Transformer

计算机科学 人工智能 计算机视觉 变压器 工程类 电气工程 电压
作者
Xingju Nie,Xi Chen,Haoyuan Jin,Zhihang Zhu,Donglian Qi,Yunfeng Yan
出处
期刊:Pattern Recognition [Elsevier]
卷期号:: 110470-110470 被引量:5
标识
DOI:10.1016/j.patcog.2024.110470
摘要

Multi-scale features are essential for various vision tasks, such as classification, detection, and segmentation. Although Vision Transformers (ViTs) show remarkable success in capturing global features within an image, how to leverage multi-scale features in Transformers is not well explored. This paper proposes a scale-aware vision Transformer called ScopeViT that efficiently captures multi-granularity representations. Two novel attention with lightweight computation are introduced: Multi-Scale Self-Attention (MSSA) and Global-Scale Dilated Attention (GSDA). MSSA embeds visual tokens with different receptive fields into distinct attention heads, allowing the model to perceive various scales across the network. GSDA enhances model understanding of the global context through token-dilation operation, which reduces the number of tokens involved in attention computations. This dual attention method enables ScopeViT to "see" various scales throughout the entire network and effectively learn inter-object relationships, reducing heavy quadratic computational complexity. Extensive experiments demonstrate that ScopeViT achieves competitive complexity/accuracy trade-offs compared to existing networks across a wide range of visual tasks. On the ImageNet-1K dataset, ScopeViT achieves a top-1 accuracy of 81.1%, using only 7.4M parameters and 2.0G FLOPs. Our approach outperforms Swin (ViT-based) by 1.9% accuracy while saving 42% of the parameters, outperforms MobileViTv2 (Hybrid-based) with a 0.7% accuracy gain while using 50% of the computations, and also beats ConvNeXt V2 (ConvNet-based) by 0.8% with fewer parameters. Our code is available on GitHub.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
LK完成签到 ,获得积分10
2秒前
DoLaso完成签到,获得积分10
2秒前
2秒前
2秒前
深情安青应助科研通管家采纳,获得10
2秒前
bkagyin应助科研通管家采纳,获得10
2秒前
领导范儿应助1111采纳,获得10
3秒前
a龙完成签到,获得积分10
4秒前
7秒前
cccs发布了新的文献求助10
9秒前
zyy发布了新的文献求助10
10秒前
luqong完成签到,获得积分10
14秒前
dgfhg发布了新的文献求助10
15秒前
HEIKU举报动人的cc求助涉嫌违规
15秒前
文献查找完成签到,获得积分10
15秒前
15秒前
沉积岩完成签到,获得积分10
16秒前
阿伟爱打球完成签到,获得积分10
18秒前
共享精神应助zyy采纳,获得10
19秒前
Ploaris完成签到 ,获得积分10
23秒前
烟花应助迷路的巨人采纳,获得10
26秒前
Owen应助GK采纳,获得10
33秒前
yygz0703完成签到 ,获得积分10
36秒前
夏末的晨曦完成签到,获得积分0
38秒前
松谦发布了新的文献求助10
39秒前
EdenLee完成签到 ,获得积分10
42秒前
ding应助shelmon采纳,获得30
42秒前
chem完成签到,获得积分10
43秒前
44秒前
小二郎应助服部平次采纳,获得10
48秒前
重要忆秋完成签到,获得积分10
48秒前
zyy完成签到,获得积分20
48秒前
49秒前
OKKK发布了新的文献求助10
50秒前
eden完成签到,获得积分10
53秒前
空中风也完成签到 ,获得积分10
53秒前
Ava应助狂野绿竹采纳,获得10
54秒前
QAQSS完成签到 ,获得积分10
55秒前
55秒前
56秒前
高分求助中
Becoming: An Introduction to Jung's Concept of Individuation 600
Ore genesis in the Zambian Copperbelt with particular reference to the northern sector of the Chambishi basin 500
A new species of Coccus (Homoptera: Coccoidea) from Malawi 500
A new species of Velataspis (Hemiptera Coccoidea Diaspididae) from tea in Assam 500
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 500
Die Gottesanbeterin: Mantis religiosa: 656 400
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 400
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3165460
求助须知:如何正确求助?哪些是违规求助? 2816499
关于积分的说明 7912912
捐赠科研通 2476092
什么是DOI,文献DOI怎么找? 1318663
科研通“疑难数据库(出版商)”最低求助积分说明 632179
版权声明 602388