Blair_2的博客

参考：​​​​​​Deformable DETR学习笔记_WaitPX的博客-CSDN博客_deformable detr基于Transformer的ViT、DETR、Deformable DETR原理详解 - Jerry_Jin - 博客园背景：DERT存在的问题：（1）训练时间长，收敛速度慢（2）在小物体上的表现较差：其他的检测器通过高分辨率特征图去提取小物体，但高分辨率特征图会导致transformer不可接受的计算复杂度以上归因于transformer在处理图像问题上的不

参考：DETR目标检测新范式带来的思考_zandaoguang的博客-CSDN博客Propose将transformer融入目标检测中，实现no anchor的简化操作。Method：LOSS：DETR站在全局的视角，用二分图匹配算法（匈牙利算法）计算pred与gt之间的最佳匹配，从而实现label assignment假设有固定N（N>物体类别数目），可以用Hungarian algorithm优化。其中c为物体类别，b为bbox。本文与其他算法的..

论文：https://arxiv.org/pdf/2107.08430.pdf参考：YOLOX深度解析 - 知乎​​​​​​YOLOX深度解析（二）-simOTA详解 - 知乎改进点：Decoupled head加快收敛速度、提高APStrong data augmentationadd Mosaic and MixUp into our augmentation strategies to boost YOLOX’s per- formance.Anch