清华 & 中科院提出DyQ-DETR，优化目标检测，超越知识蒸馏，性能遥遥领先！

文章预览

以下 文 章来源于微信公众号：集智书童 作者：小书童 链接：https://mp.weixin.qq.com/s/x32I6Miil_ylD7lEgvmBeQ 本文仅用于学术分享，如有侵权，请联系 后 台作删文处理 导读 本文提出了基于Transformer的动态目标Query方法（DyQ-DETR）。该方法通过引入新的可学习目标Query，逐步扩展模型的表征能力，并采用孤立二分匹配和部分校准减少类间混淆。实验表明，DyQ-DETR在有限参数下性能优于现有方法。 增量目标检测（IOD）旨在顺序学习新类别，同时保持定位和识别旧类别的能力。由于训练数据仅带有新类别的标注，IOD面临灾难性遗忘的问题。 先前的方法主要通过知识蒸馏和示例复现来解决遗忘问题，忽略了有限的模型容量与不断增加的知识之间的冲突。在本文中，作者探索了基于Transformer架构的增量目标检测中的动态目标 Query 。 作者提出了动态目标 Query 为基础的 ………………………………