Deformable DETR：用于端到端目标检测的可变形 Transformer
计算机视觉与模式识别
2021-03-19 v4
摘要
DETR 最近被提出以消除目标检测中许多手工设计组件的需求，同时展现出良好的性能。然而，由于 Transformer 注意力模块在处理图像特征图方面的局限性，它存在收敛慢和特征空间分辨率有限的问题。为缓解这些问题，我们提出了 Deformable DETR，其注意力模块仅关注参考点周围的一小组关键采样点。Deformable DETR 可以用少 10 倍的训练轮数取得比 DETR 更好的性能（尤其是在小物体上）。在 COCO 基准上的大量实验证明了我们方法的有效性。代码发布于 https://github.com/fundamentalvision/Deformable-DETR。
引用
@article{arxiv.2010.04159,
title = {Deformable DETR: Deformable Transformers for End-to-End Object Detection},
author = {Xizhou Zhu and Weijie Su and Lewei Lu and Bin Li and Xiaogang Wang and Jifeng Dai},
journal= {arXiv preprint arXiv:2010.04159},
year = {2021}
}
备注
ICLR 2021 Oral