当前位置: 首页 > article >正文

DETRs with Collaborative Hybrid Assignments Training论文阅读与代码

关键词:协作混合分配训练 【目标检测】Co-DETR:ATSS+Faster RCNN+DETR协作的先进检测器(ICCV 2023)-CSDN博客

摘要:

在这篇论文中,作者观察到在DETR中将过少的 Query 分配为正样本,采用一对一的集合匹配,会导致对编码器输出的监督稀疏,严重损害编码器的区分特征学习,反之亦然,也会影响解码器中的注意力学习。

为了缓解这个问题,作者提出了一种新颖的协同混合分配训练方案,名为Co-DETR,以从多样的标签分配方式中学习更高效、更有效的基于DETR的检测器。这种新的训练方案可以通过训练多个并行辅助 Head ,以一对多的标签分配方式(如ATSS和Faster RCNN)进行监督,轻松增强端到端检测器中编码器的学习能力。此外,作者通过从这些辅助 Head 中提取正样本坐标ÿ


http://www.kler.cn/a/509608.html

相关文章:

  • 汽车网络信息安全-ISO/SAE 21434解析(上)
  • C# 修改项目类型 应用程序程序改类库
  • CAPL数据库操作
  • VSCode 的部署
  • 第8篇:从入门到精通:掌握Python异常处理
  • 【python】实现图像中的阴影去除 | 方案和代码
  • 【LeetCode: 226. 翻转二叉树 + 二叉树】
  • 若依入门使用
  • WEB攻防-通用漏洞_XSS跨站_绕过修复_http_only_CSP_标签符号
  • Redis的线程模型是什么
  • Qt QML专栏目录结构
  • 基于Python的心电图报告解析与心电吸引子绘制
  • 嵌入式工程师必学(7):SWD仿真接口(for ARM)的使用方法
  • wps数据分析000002
  • 密码机服务器在云计算中的应用与挑战
  • 【时时三省】(C语言基础)柔性数组
  • SAP 固定资产常用的数据表有哪些,他们是怎么记录数据的?
  • springCloudGateway+nacos自定义负载均衡-通过IP隔离开发环境
  • 【深度学习】Huber Loss详解
  • nuiapp在APP中的.nvue页面中使用webview展示空白的问题
  • 【HarmonyOS NAPI 深度探索7】N-API 数据处理:与 JavaScript 数据的交互
  • 【零基础入门unity游戏开发——unity3D篇】地形Terrain的使用介绍
  • Node.js卸载超详细步骤(附图文讲解)
  • 基于 HTML5 Canvas 制作一个精美的 2048 小游戏--day 1
  • python学opencv|读取图像(三十八 )阈值自适应处理
  • (三)线性代数之二阶和三阶行列式详解