DINO：采用改进去噪锚框的 DETR 端到端目标检测器
计算机视觉与模式识别
2022-07-12 v4
摘要
我们提出 DINO（\textbf{D}ETR with \textbf{I}mproved de\textbf{N}oising anch\textbf{O}r boxes），一种最先进的端到端目标检测器。DINO 通过采用对比式去噪训练、用于锚框初始化的混合查询选择方法，以及用于框预测的两次向前看方案，在性能与效率上均优于先前类 DETR 模型。在 COCO 上以 ResNet-50 骨干网络与多尺度特征，DINO 在 个 epoch 取得 AP、在 个 epoch 取得 AP，相较此前最佳类 DETR 模型 DN-DETR 分别显著提升 \textbf{AP} 与 \textbf{AP}。DINO 在模型规模与数据规模上均具良好扩展性。无需额外技巧，在 Objects365 数据集上以 SwinL 骨干网络预训练后，DINO 在 COCO \texttt{val2017}（\textbf{AP}）与 \texttt{test-dev}（\textbf{AP}）上均取得最佳结果。与排行榜上其他模型相比，DINO 在取得更优结果的同时显著减小了模型规模与预训练数据规模。我们的代码将发布于 \url{https://github.com/IDEACVR/DINO}。
引用
@article{arxiv.2203.03605,
title = {DINO: DETR with Improved DeNoising Anchor Boxes for End-to-End Object Detection},
author = {Hao Zhang and Feng Li and Shilong Liu and Lei Zhang and Hang Su and Jun Zhu and Lionel M. Ni and Heung-Yeung Shum},
journal= {arXiv preprint arXiv:2203.03605},
year = {2022}
}