DFAM-DETR：基于可变形特征注意力机制的细长目标检测 DETR
计算机视觉与模式识别
2022-04-25 v1
摘要
目标检测是计算机视觉最重要的方向之一，并在多个领域取得实质性成果。值得注意的是，聚焦细长目标检测的研究甚少。CNN 广泛用于目标检测，但因固定几何结构与采样点，其在细长目标检测上表现不佳。相比之下，Deformable DETR 能获取从全局到特定的特征。尽管其在细长目标检测精度与效率上优于 CNN，结果仍不尽如人意。因此，我们提出基于可变形特征的注意力机制（DFAM）以提升 Deformable DETR 的细长目标检测精度与效率。DFAM 具有可变形卷积的自适应采样点及在骨干网络中聚合全部输入序列信息的注意力机制。该改进检测器命名为基于可变形特征的注意力机制 DETR（DFAM-DETR）。结果表明 DFAM-DETR 在细长目标上取得优异检测性能。
引用
@article{arxiv.2204.10667,
title = {DFAM-DETR: Deformable feature based attention mechanism DETR on slender object detection},
author = {Wen Feng and Wang Mei and Hu Xiaojie},
journal= {arXiv preprint arXiv:2204.10667},
year = {2022}
}
备注
9 pages, 7 figures