DAB-DETR：动态锚框是 DETR 更优的查询
计算机视觉与模式识别
2022-03-31 v4
摘要
我们在本文中提出一种用于 DETR (DEtection TRansformer) 的基于动态锚框的新颖查询公式，并深化对 DETR 中查询作用的理解。该新公式直接在 Transformer 解码器中使用框坐标作为查询，并逐层动态更新。使用框坐标不仅有助于利用显式位置先验提升查询-特征相似度并消除 DETR 中训练收敛慢的问题，还允许我们利用框宽高信息调制位置注意力图。此类设计清晰地表明，DETR 中的查询可实现为以级联方式逐层执行软 ROI 池化。结果，在相同设定下，它在 MS-COCO 基准上取得 DETR 类检测模型中的最佳性能，例如以 ResNet50-DC5 为骨干训练 50 轮达到 AP 45.7\%。我们还进行了大量实验以确认分析并验证方法有效性。代码见 \url{https://github.com/SlongLiu/DAB-DETR}。
引用
@article{arxiv.2201.12329,
title = {DAB-DETR: Dynamic Anchor Boxes are Better Queries for DETR},
author = {Shilong Liu and Feng Li and Hao Zhang and Xiao Yang and Xianbiao Qi and Hang Su and Jun Zhu and Lei Zhang},
journal= {arXiv preprint arXiv:2201.12329},
year = {2022}
}
备注
Accepted to ICLR 2022