标签 - Transformer - Dapalm

07-15

RF-DETR 论文解读：Roboflow实时Transformer目标检测SOTA，COCO 78.5 AP

07-09

FatigueNet：GNN+Transformer混合架构实时多模态疲劳检测（Nature 2025）

07-09

Nature 2025：ViT疲劳检测99.15%准确率，Transformer架构突破实时性瓶颈

07-08

Nature 2025：Transformer架构实时驾驶员疲劳检测新方法

07-05

Scientific Reports 2025 Transformer疲劳检测论文详细解读与代码复现：ViT+Swin架构达到99.15%准确率的技术突破

04-24

驾驶员疲劳检测深度学习系统性综述：81篇论文核心发现

04-24

FatigueNet论文解读：GNN+Transformer多模态疲劳检测实时部署方案

04-09

DCDD 模型：基于眼动行为的驾驶员认知分心检测

04-07

Transformer模型边缘部署：DMS实时推理优化技术2026

04-06

眼动估计2026前沿：几何特征是否足够？