【CVPR 2022】目标检测SOTA：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