D-FINE：在DETR中将回归任务作为分布来细化

文章预览

导读 我们的方法显著增强了各种DETR模型的性能，最多提高了5.3% 的AP，而额外的参数和训练成本几乎可以忽略不计。 摘要 我们介绍了D-FINE，这是一种强大的实时目标检测器，通过重新定义DETR模型中的边界框回归任务实现了卓越的定位精度。D-FINE包含两个关键组件：细粒度分布精炼（Fine-grained Distribution Refinement, FDR）和全局最优定位自蒸馏（Global Optimal Localization Self-Distillation, GO-LSD）。FDR将回归过程从预测固定坐标转变为迭代地精炼概率分布，提供了一个细粒度的中间表示，这大大提升了定位的准确性。GO-LSD是一种双向优化策略，它通过自蒸馏将定位知识从精炼的分布转移到较浅的层，同时简化了更深层的残差预测任务。 此外，D-FINE在计算密集型模块和操作中引入了轻量级优化，从而在速度和准确性之间达到了更好的平衡。具体来说，D-FINE-L / X 在N ………………………………