DINO: DETR with Improved DeNoising Anchor Boxes for End-to-End Object Detection
这篇文章是该团队的第三篇(前两篇分别是 DAB-DETR [ICLR 2022] 和 DN-DETR [CVPR 2022],实现了 DETR 模型在 COCO 上首次达到 SOTA
摘要:
本文提出了DINO(DETR with Improved deNoising anchOr boxes)使用 ResNet50 作为主干网络能够在 COCO 训练 12 轮能达到 48.3 mAP,36 轮能达到 51.0 mAP。与排行榜上的其他模型相比,DINO显著减少了模型大小和训练前的数据大小,同时取得了更好的结果。
论文简介:
与传统检测器相比,DETR 是一种新的基于 Transformer 的检测算法,它利用可学习的查询来探测对象的存在,将目标检测作为一个集合预测任务,并通过二分图匹配来分配标签。
尽管DETR的性能很好,但其训练收敛速度很慢,而且查询的意义也不清楚。为了解决这一问题,其他人已经提出了许多方法,如最近的 DAB-DETR 提出将 DETR 查询表示为动态锚框,DN-DETR 通过引入去噪技术进一步解决了二部匹配的不稳定性问题。
但是目前最好的检测模型还是基于改进的经典探测器,如 DyHead 和 HTC。造成这一现象的两个主要原因是:
- 以往的类似 DETR 的模型不如改进的经典检测器,而大多数经典的探测器都得到了很好的研究;
- 类似 DETR 的模型的可延展性尚未得到很好的研究,目前还没有关于似 DETR 的模型在扩展到大型主干和大规模数据集时的精度的报告结果。
因此本文的主要目的就是解决这两个问题。
具体来说,本文通过改进去噪训