一个轻量级的变压器框架,用于在智能城市应用中开放式设置异常细分
M Manicka Prabha1, K Suganthi2
1School of Computer Science and Engineering, Vellore Institute of Technology, Chennai, Tamil Nadu, 600127, India.
Scientific reports
|November 27, 2025
概括
在城市环境中,LightMask为开放式异常细分提供了一种高效的解决方案. 这种轻量级的变压器模型实现了高精度,同时大大降低了计算开销,使其成为现实世界基础设施应用的理想选择.
科学领域:
- 计算机视觉 计算机视觉
- 人工智能的人工智能
- 机器学习 机器学习
背景情况:
- 在多样化的基础设施中开放式的异常细分 presents显著的计算和准确性挑战.
- 现有的基于变压器的方法经常在计算效率和性能之间的权衡中扎.
研究的目的:
- 介绍LightMask,一种新的轻量级变压器架构,用于在复杂的城市环境中高效和上下文意识的异常细分.
- 通过优先考虑计算效率而不会影响异常检测性能,解决当前方法的局限性.
主要方法:
- 一个优化的EfficientNet-B0骨干,用于高效的特征提取.
- 具有线性复杂性的自适应推理机制和可分离的自我注意力 (SSA).
- 一个渐进的多尺度解码器,具有动态早期终止和边界意识的对比损失.
主要成果:
- 莱特马斯克展示了一个轻质结构,具有429万个参数 (16.35 MB) 和低计算成本 (8.72 GFLOPs).
- 在城市景观和道路异常数据集上取得了强的表现,包括91.79%的精度,93%的回忆率和77.66%的F1得分.
- 证明了强大的异常检测能力,AUC-ROC为88.28%,假阳性率低 (36.24%在95%的TPR).
结论:
- 在开放式分段任务中,LightMask有效地平衡了计算效率与强大的异常检测能力.
- 拟议的架构为资源有限的城市基础设施环境中实时异常细分提供了实际解决方案.
