超越DFINE最新目标检测SOTA模型DEIM

代码地址：https://github.com/ShihuaHuang95/DEIM

论文地址：DEIM: DETR with Improved Matching for Fast Convergence

论文中文版：DEIM: 改进匹配的 DETR 以实现快速收敛

以下是文章的主要贡献和发现：

DEIM框架：提出了DEIM，这是一个简单且灵活的训练框架，用于加速实时目标检测模型的收敛。

Dense O2O匹配：通过在训练图像中增加目标数量，DEIM在保持一对一匹配结构的同时，增加了正样本的数量，从而提供了更密集的监督信号，加速了模型的学习。

Matchability-Aware Loss（MAL）：提出了一种新的损失函数MAL，它根据匹配质量对损失进行缩放，优化了不同质量水平上的匹配，特别是在低质量匹配上，提高了有限正样本的效用。

实验验证：在COCO数据集上进行的广泛实验验证了DEIM的有效性。与RT-DETR和D-FINE集成时，DEIM在减少训练时间的同时提高了性能。特别是与RT-DETRv2集成时，DEIM在NVIDIA 4090 GPU上单天训练就达到了53.2%的平均精度（AP）。

性能提升：