CVPR论文《DETRs Beat YOLOs on Real-time Object Detection》读后思维导图

下面欣赏一下论文中的图和表:

1、与YOLOs的性能对比图

2、不同置信度阈值下的框数

3、IoU阈值和置信度阈值对准确性和NMS执行时间的影响

4、混合编码器不同变体

5、模型概述。将骨干网后三个阶段的特征输入到编码器中。高效混合编码器通过基于注意力的尺度内特征交互(AIFI)和基于cnn的跨尺度特征融合(CCFF)将多尺度特征转化为图像特征序列。然后,最小不确定性查询选择选择固定数量的编码器特征作为解码器的初始对象查询。

最后,具有辅助预测头的解码器迭代优化对象查询以生成类别和框

6、CCFF中的融合Fusion模块结构图

7、最小不确定性查询和普通查询对比。所选编码器特征的分类和IoU分数。紫色点和绿色点分别表示用最小不确定性查询选择和普通查询选择训练的模型中选择的特征。

8、与SOTA的比较

9、不同变体(A、B、C、D、E)的性能对比,即混合编码器的消融实验

10、查询选择的消融实验

11、解码器层数的消融实验

以上图和表若有疑问欢迎评论留言,竭力解答~~~

(不过这次读得好慢好慢啊啊啊啊啊!!有啥快速读论文的好方法吗???求助呜呜呜~)

相关推荐
格林威6 分钟前
偏振相机在半导体制造的领域的应用
人工智能·深度学习·数码相机·计算机视觉·视觉检测·制造
晓枫-迷麟1 小时前
【文献阅读】当代MOF与机器学习
人工智能·机器学习
来酱何人1 小时前
实时NLP数据处理:流数据的清洗、特征提取与模型推理适配
人工智能·深度学习·分类·nlp·bert
sensen_kiss1 小时前
INT301 Bio-computation 生物计算(神经网络)Pt.3 梯度下降与Sigmoid激活函数
人工智能·神经网络·机器学习
Shilong Wang1 小时前
MLE, MAP, Full Bayes
人工智能·算法·机器学习
Theodore_10222 小时前
机器学习(6)特征工程与多项式回归
深度学习·算法·机器学习·数据分析·多项式回归
数据库知识分享者小北2 小时前
云栖重磅|瑶池数据库:从云原生数据底座向“AI就绪”的多模态数据底座演进
数据库·人工智能·云原生
lingling0092 小时前
机械臂动作捕捉系统选型指南:从需求到方案,NOKOV 度量光学动捕成优选
人工智能·算法
Blossom.1182 小时前
把AI“刻”进玻璃:基于飞秒激光量子缺陷的随机数生成器与边缘安全实战
人工智能·python·单片机·深度学习·神经网络·安全·机器学习
tangchen。2 小时前
YOLOv3 :目标检测的经典融合与创新
人工智能·计算机视觉·目标跟踪