华为+清华大学提出DECO | DETR系列用Transformer就强？全卷积设计+无NMS精度速度完胜

前言 近年来，检测Transformer（DETR）及其变体在精确目标检测方面展示出巨大的潜力。目标的 Query 机制使得DETR家族可以直接获得固定数量的物体预测，并简化了检测 Pipeline 。同时，最近的研究还表明，通过适当的架构设计，卷积网络（ConvNets）也可以与Transformer达到竞争性能，如ConvNeXt。因此，在本论文中作者探讨了是否可以构建一个基于 Query 的端到端目标检测框架，使用卷积网络而不是复杂的Transformer架构。所提出的框架，称为检测卷积网络（DECO），包括一个 Backbone 网络和卷积编码器-解码器架构。作者精心设计了DECO编码器，并提出了一种新颖的机制，通过卷积层实现目标 Query 和图像特征之间的交互。作者将所提出的DECO与先前的检测器在具有挑战性的COCO基准上的性能进行比较。Pytorch训练营，花两个星期彻底掌握代码实现CV各大方向专栏与各个 ………………………………