加电:DETR论文阅读

DETR:End ot End object detection with transformer.

主要工作

这篇文章的主要工作在于,是将transformer引入到目标检测这一类计算机视觉的任务中,transformer的优势在于:模型的通用性和高上限(gpt是最好的例子,算力和效果正相关);全局注意力机制;可以较好的建模元素和元素之间的关系。端到端这样简洁的流程架构,也是主流趋势。相较于以往的一阶段、二阶段的目标检测,DETR会抛弃之前的先验框,先验中心点角点这些人工设计的步骤,这个算是transfomer的附加优势,其注意力机制可以解决之前先验框问题。旧的模型中,之所以有先验框很大一部分原因是框的解空间太大了,没必要也难以穷举,于是选择人工设计一些策略来输入一些先验信息。

方法

为了实现将transformer的结构引入到视觉任务中,做了:

  • 引入二分图匹配来实现pred和gt的1对1匹配,顺带的优势便是可以实现并行解码

pipeline

  • 利用CNN提取图像序列特征融入位置编码作为transfoermer encoder输入
  • 将encoder输出送入到decoder中得到预测结果
    模型流程比较简单, 工作会集中在对怕热diction heads 的处理
相关推荐
DuHz3 小时前
利用汽车雷达测试系统模拟多径效应——论文阅读
论文阅读·汽车·信息与通信·信号处理
万里鹏程转瞬至14 小时前
开源项目分析:wan2.1 VACE 关键设计与实现代码解读
论文阅读·aigc
红苕稀饭66617 小时前
PVC论文阅读
论文阅读
菜鸟‍17 小时前
【论文学习】大语言模型(LLM)论文
论文阅读·人工智能·学习
何如千泷21 小时前
【论文阅读】PathMR: Multimodal Visual Reasoning for Interpretable Pathology Analysis
论文阅读·医学图像分割·病理
依夏c1 天前
FACT-AUDIT
论文阅读·论文笔记
CV-杨帆2 天前
论文阅读:ACL 2025 Stepwise Reasoning Disruption Attack of LLMs
论文阅读
想看雪的瓜2 天前
利用VOSviewer快速可视化文献全过程(以Web of science为例)
论文阅读·论文笔记
Chandler_Song2 天前
【读书笔记】《巨人的工具》
论文阅读
红苕稀饭6663 天前
LongVU论文阅读
论文阅读