CerberusDet:统一多任务目标检测
原文中文,约400字,阅读约需1分钟。发表于: 。CerberusDet 是一种多头模型的目标检测框架,基于 YOLO 架构,在高效共享视觉特征的同时保持独立的任务头部,通过训练多个任务来提升模型的效率,并在 PASCAL VOC 数据集和 Objects365 数据集上取得与最先进的数据特定模型相当的结果,推断时间减少 36%。
Cascade-DETR是一种用于通用目标检测的方法,通过级联注意力层解决了泛化和定位准确性问题。它还通过将对象中心信息集成到检测解码器中来提高准确性,并通过预测查询的预期IoU来提高置信度的校准性。Cascade-DETR在UDB10数据集上取得了显著的改进,有些甚至超过10个mAP。