Salience DETR：通过分层显著度过滤细化增强检测 Transformer

文章预览

前言   由于两阶段初始化中所选查询与目标之间的不匹配，次优的两阶段选择策略会导致尺度偏差和冗余。为了解决这些问题，作者提出了分层显著度过滤细化，它仅对经过过滤的有判别力的查询进行 Transformer 编码，以便在计算效率和精度之间取得更好的平衡，过滤过程通过一种新的尺度无关的显著度监督来克服尺度偏差。 Pytorch训练营，花两个星期彻底掌握代码实现 CV各大方向专栏与各个部署框架最全教程整理 CV全栈指导班、基础入门班、论文指导班 全面上线!! 来源：AILab笔记 仅用于学术分享，若侵权请联系删除 代码：https://github.com/xiuqhou/Salience - DETR 主要贡献 （1）本文提出了一种具有分层显著度过滤细化的新型检测器，名为 Salience DETR。 （2）引入了一种尺度无关的显著度引导监督来克服查询过滤过程中的尺度偏差。 （3）基于所提出的监督 ………………………………