![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
目标检测
文章平均质量分 95
zz的大穗禾
正确而聪明地行动
展开
-
目标检测——【Transformer】DEFORMABLE DETR: DEFORMABLE TRANSFORMERS FOR END-TO-END OBJECT DETECTION
一共有四张特征图,前三张从ResNet的stage3、stage4、stage5中得出,第四张特征图由ResNet的stage5经过一个步距为2的3x3卷积得到。将多尺度特征的像素flatten作为目标Query。在实际考虑到计算量的问题后,这个两阶段。因为小目标的特征在高分辨率的特征图中更显著,所以多尺度的特征图当然考虑的面比较广了。:包含Self-Attention和Cross-Attention。初始化为目标的中心点预测。所以预测头实际上是在预测。:论文中使用一种迭代式输出预测框的方式。原创 2022-11-06 16:31:20 · 2135 阅读 · 0 评论 -
目标检测——【Transformer】Accelerating DETR Convergence via Semantic-Aligned Matching
DEFR收敛速度太慢,如此高的训练成本【DERT在COCO训练集上要训练500个epoch才能收敛,相比之下Faster R-CNN只要12~36个epoch就可以收敛】是因为在匹配query与特征映射空间中的开销,也就是对应的交叉注意力(cross-attention)的计算过程。受到多头注意力机制的启发,它在DERT中扮演了不可或缺的角色,因为多头注意力机制中的多个head的作用就是关注图片特征的不同方面,因此增强模型的表达力。一共可以分为三个部分:语义对齐的匹配、显著点特征的匹配、信息损失的补偿。原创 2022-09-28 21:31:08 · 1892 阅读 · 0 评论