查询驱动的物体检测器可设计成更少阶段吗?
原文中文,约400字,阅读约需1分钟。发表于: 。该研究提出了一种名为 GOLO 的全局一次和局部一次(Global Once and Local Once)模型,通过减少解码阶段的数量,同时在性能上仍然取得了相当好的表现,从而改进了基于查询的目标检测器。在 COCO 数据集上的实验结果证明了该方法的有效性。
Cascade-DETR是一种用于高质量通用目标检测的方法,通过级联注意力层解决多样领域的泛化和定位准确性问题。该方法限制关注先前的目标框预测来集成对象中心信息,显著提高了置信度的校准性。引入了UDB10通用目标检测基准,取得了在COCO上的最新进展,对基于DETR的检测器有了显著的改进,有些甚至超过10个mAP。