摘要由 AI 生成
arXiv 于 2026 年 9 月 7 日发布 DenseScout，这是一种面向边缘平台的预算化微小目标选择算法。该算法通过前端轻量级代理排序，仅处理下游检测器选定的区域，包含 101 万参数并去除了框回归步骤，直接优化补丁中心优先级。DenseScout 实现了任务特定选择器公式、输出表示与监督及解码的一致性对齐，并与感知传输执行及服务质量评估进行联合设计。在 VisDrone 和 DOTA 数据集上，其提供了比基于检测器的选择器更强的低预算召回率，且受控的固定 K 检查实验证明其优于选择式代理基线。跨平台测试显示，其在 Jetson Orin NX 和 RK3588 上的部署效用取决于选择器质量、内存移动及异构运行时实现的共同作用。
关键实体KEY ENTITIES
DenseScoutJetson Orin NXRK3588
报道态势 · 每日报道量LANGUAGE SPLIT
实体关系
信号强度SIGNALS
关键词热度
- DenseScout1
- Jetson Orin NX1
- RK35881
全部报道（1）SOURCES
↗
DenseScout 提出一种面向边缘平台的预算化微小目标选择算法，通过前端轻量级代理排序并仅处理下游检测器选定的区域。该部署导向的密集响应选择器包含 101 万参数，去除了检测器风格的框回归，直接优化排序后的补丁中心优先级。DenseScout 实现了任务特定选择器公式、输出表示与监督及解码的一致性对齐，并与感知传输执行及服务质量评估进行联合设计。在 VisDrone 和 DOTA 数据集的统一协议下，DenseScout 提供了比基于检测器的选择器更强的低预算召回率；受控的固定 K 检查实验进一步证明其优于选择式代理基线。跨平台 Profiling 显示，Jetson Orin NX 和 RK3588 上的部署效用取决于选择器质量、内存移动及异构运行时实现的共同作用。这些结果支持将边缘微小目标感知视为选择…