detr | BriefGPT - AI 论文速递

关键词detr

搜索结果 - 39

无监督预训练的语言 - 视觉提示用于低数据实例分割
在当前的研究中，根据最新的 DETR（DEtection TRansformer）范式，基于查询的端到端实例分割（QEIS）方法在大规模数据集上训练时表现出了卓越的性能，尤其是与基于 CNN 的模型相比。然而，当面对有限的训练数据时，这些
PDFa month ago
通过改进内容查询和相似查询聚合提升 DETR 变体性能
本文介绍了一种自适应内容查询模块（SACQ），它利用变换器编码器的特征通过自注意力池化生成内容查询，解决了传统零初始化或可学习嵌入的内容查询缺乏信息导致性能不佳的问题。为了应对增强的集中力对匈牙利匹配训练过程的挑战，我们提出了查询聚合策略，
PDF2 months ago
CVPR从 Transformer 中提取出图形用于场景图生成的 EGTR
提出一种轻量级的一阶场景图生成（SGG）模型，通过充分利用 DETR 解码器的多头自注意力层中学习到的各种关系，使用浅层关系抽取头有效地提取关系图，并考虑到关系抽取任务对于物体检测任务的依赖，提出了一种新颖的关系平滑技术，根据检测到的物体质
PDF3 months ago
AiOS: 一阶段综合人体姿势和形状估计
提出了一种新的一体化框架 AiOS，用于多种表达性人体姿势和形状恢复，无需额外的人体检测步骤，通过 DETR 处理多人全身网格恢复任务，将其作为渐进集预测问题，通过解码器令牌和扩展实现对整个人体网格的回归，在 AGORA 上，NMVE 的减
PDF3 months ago
DEYO：用 YOLO 实现的端到端物体检测的 DETR
通过逐步训练方法，我们介绍了第一个实时端到端的目标检测模型 DEYO，它利用了纯卷积结构编码器，并且在速度和准确性上超过了现有的实时目标检测器。此外，通过仅使用单个 8GB RTX 4060 GPU，DEYO 系列可以在 COCO 数据集上
PDF4 months ago
MS-DETR: 使用混合监督实现高效的 DETR 训练
改进了 DETR 训练效率，通过使用混合的一对一和一对多监督来明确监督候选生成过程，而无需额外的解码器分支或对象查询。
PDF6 months ago
一个简单的解释型 Transformer 用于细粒度图像分类与分析
我们提出了一种新颖的 Transformer 的用法，使图像分类具有解释性。通过在编码器 - 解码器中使用 Transformer 进行类别定位，我们的方法 INTR 使得每个类别都能够在图像中找到自己的模式，并展示了对预测的准确解释。通过
PDF8 months ago
ICCV解耦的 DETR：空间分离定位和分类以改善端到端对象检测
通过空间解耦 DETR（SD-DETR）设计方案和任务感知查询生成模块，以及通过引入对齐损失的新颖设计，我们在 MSCOCO 数据集上展示了在目标检测任务中 DETR 性能的显著提升，例如我们将 Conditional DETR 的性能提高
PDF8 months ago
探索 Difficult Images 对检测变换器（DETR）的鲁棒性和特性
基于 Transformer 的目标检测器 (DETR) 在机器视觉任务中表现出显著性能，但其在处理遮挡和对抗扰动等不同图像干扰方面存在问题。我们通过多种实验和将 DETR 与基于卷积神经网络 (CNN) 的检测器（如 YOLO 和 Fas
PDF9 months ago
DEYOv3：实时目标检测中的 DETR 和 YOLO
提出了一种名为 DEYOv3 的全新端到端实时目标检测模型，采用逐步训练方法，设计灵活、训练成本低，速度和准确性均优于现有的实时目标检测器。
PDF9 months ago
基于 Transformer 的地标检测：面向机器人辅助鼻气道插管
本文提出了一种基于变形 DeTR 和语义对齐匹配模块的基于 Transformer 的标志检测解决方案，用于检测机器辅助气道插管中的标志。实验结果表明我们的解决方案在检测准确性方面具有竞争力。
PDFa year ago
ICCVDETR 不需要多尺度或局部设计
本论文介绍了一种改进的 DETR 检测器，它采用了 “简洁” 的设计，使用单尺度特征图和全局交叉注意力计算，并没有特定的局部约束，与之前基于 DETR 的主要检测器相比，没有重新引入多尺度和局部性的架构偏好。我们展示了两种简单的技术在简洁设
PDFa year ago
Box-DETR: 理解并且边界化条件空间查询
本文提出了 Box Agent 算法来处理在交叉注意力中预测 bounding box 时的信息不足问题，Box Agent 不仅加速了收敛时间，而且提高了检测性能。
PDFa year ago
CVPRSemi-DETR: 基于检测 Transformer 的半监督目标检测
我们提出了 Semi-DETR，一个基于 transformer 的端到端半监督物体检测器，通过阶段混合匹配策略、跨视图查询一致性方法和基于代价的伪标签挖掘模块解决 DETR 中存在的问题，并在 COCO 和 Pascal VOC 基准数据
PDFa year ago
在文档图像中，弥合 DETR 和 R-CNN 之间图形物体检测性能差距
通过对目标查询进行修改，将现有的检测变压器应用于图像对象检测，提高了其性能，并在四个数据集上获得了新的最先进结果。
PDFa year ago
detrex: 基于检测变换器的基准测试
该研究在针对 DETR 基于实例识别算法的各项基本任务（包括目标检测、分割、位姿估计等方面）进行广泛实验及全面基准测试，实现了模型的性能增强，并开发了一个名为 detrex 的高度模块化和轻量级的统一代码库以提供标准化和统一的平台，供学术研
PDFa year ago
基于 Transformer 的二维物体检测综述
本篇论文详细回顾了二十一篇相关的论文，讨论了最近在 DETR 中基于 Transformer 方法的研究进展，并涵盖了最新的改进，包括骨干网络改造，查询设计和注意力优化。同时，我们还比较了所有检测变压器的性能和网络设计。
PDFa year ago
基于单到多 Transformer 的端到端车道线检测
本文提出了一种名为 O2SFormer 的端到端车道检测方法，通过将一对一和一对多标签分配相结合，提高训练效率，并采用层级软标签解决了 DETR 中的标签语义冲突问题，同时还提出了基于动态锚点的位置查询方法以探索位置先验，实验证明 O2SF
PDFa year ago
基于 DETR 的分层服装分割和细粒度属性识别
本文提出了一种新型 DETR 方法，在 Fashionpedia 数据集上训练，通过采用多层注意力模块来聚合不同规模的特征，识别出整体服装实例的细粒度属性并实现服装的分割，超越了领域内之前最先进的模型。
PDFa year ago
Align-DETR: 使用简单的 IoU 感知 BCE 损失来改进 DETR
提出了一种改进的检测算法 Align-DETR，通过引入一个新的指标来解决 DETR 算法的 misalignment problem，该算法采用的 IA-BCE 损失函数可以有效训练定位精度与分类分数之间的关系，利用 prime samp
PDFa year ago