計算機視覺在不同領(lǐng)域解決已成為解決實際問題的常用方法，如智慧農(nóng)牧管理。這類場景并不需要每秒處理許多幀，此時樹莓派這類單板主機就派上了用場。

盡管已有諸多針對"Mobile/Edge"等設(shè)備的輕量化網(wǎng)絡(luò)，但這些設(shè)備往往面向智能手機切具有高性能處理，而樹莓派這類主機的CPU非常低端。

有鑒于此，本文提出了一種CNN-ViT混合網(wǎng)絡(luò)SBCFormer在低端CPU上取得了最優(yōu)精度-速度均衡。 SBCFormer首次在樹莓派4B上以1fps處理取得80.0%精度 。

在網(wǎng)絡(luò)結(jié)構(gòu)方面，不同于已有4階段設(shè)計方法，考慮到樹莓派的低端CPU特性，在stem部分直接將分辨率降低到1/8。

在Module設(shè)計方面，它設(shè)計了一種兼顧全局與局部信息建模的SBCFormer Block，其Attention部分與PVT有些類似，看下圖還是挺容易看懂的。

作者構(gòu)建了四個不同大小的SBCFormer，分別為XS、S、B以及L，相關(guān)超參配置見下表。

作者所設(shè)計SBCFormer與其他輕量型網(wǎng)絡(luò)在GPU、CPU以及ARM-CPU上的性能精度對比見下表，可以看到 ：SBCFormer首次以1fps在ARM-CPU上取得了80.0%精度 ！同等速度下精度大幅優(yōu)于其他方案！