# TAPe（主动感知理论）

该工作提出 TAPe+ML v3：以 TAPe（主动感知理论）结构化表示替代原始像素张量，配合背景、指针、原型聚类等子模型与协调器，在不到 10 万参数下于 COCO 检测取得 84.7 mAP50 与 65.3 mAP50-95、COCO 实例分割取得 80.7 mask mAP50 与 58.4 mask mAP50-95，ImageNet-1k Top-1 为 88.1%、ImageNet-Real 为 89.9%，Imagenette 上相同训练条件下 TAPe 输入达 92% 而原始像素基线为 47%，并在矿石堵塞工业试点中显示骨干适配比仅调头部更有效。

该工作提出 TAPe+ML v3：以 TAPe（主动感知理论）结构化表示替代原始像素张量，配合背景、指针、原型聚类等子模型与协调器，在不到 10 万参数下于 COCO 检测取得 84.7 mAP50 与 65.3 mAP50-95、COCO 实例分割取得 80.7 mask mAP50 与 58.4 mask mAP50-95，ImageNet-1k Top-1 为 88.1%、ImageNet-Real 为 89.9%，Imagenette 上相同训练条件下 TAPe 输入达 92% 而原始像素基线为 47%，并在矿石堵塞工业试点中显示骨干适配比仅调头部更有效。