【源头活水】DEIM: 在DETR中使用多对一匹配的策略加快收敛

文章预览

“ 问 渠 那 得 清 如 许 ， 为 有 源 头 活 水 来 ” ， 通 过 前 沿 领 域 知 识 的 学 习 ， 从 其 他 研 究 领 域 得 到 启 发 ， 对 研 究 问 题 的 本 质 有 更 清 晰 的 认 识 和 理 解 ， 是 自 我 提 高 的 不 竭 源 泉 。 为 此 ， 我 们 特 别 精 选 论 文 阅 读 笔 记 ， 开 辟 “ 源 头 活 水 ” 专 栏 ， 帮 助 你 广 泛 而 深 入 的 阅 读 科 研 文 献 ， 敬 请 关 注！ 摘要 本文介绍了一种名为DEIM的创新且高效的训练框架，旨在加速基于Transformer架构（如DETR）在实时目标检测中的收敛速度。为了缓解DETR模型中一对一（O2O）匹配所固有的稀疏监督问题，DEIM采用了密集的一对一（Dense O2O）匹配策略。该方法通过引入额外的目标，并使用标准的数据增强技术，增加了每张图像中的正样本数量。尽管密集O2O匹配加快了收敛速度，但它同时也引入了许多低质量的匹 ………………………………