DQ-DETR：用于微小目标检测的动态查询 DETR
计算机视觉与模式识别
2024-11-04 v6
摘要
尽管先前类 DETR 方法在通用目标检测中取得了成功，但对它们而言微小目标检测仍然是一项具有挑战性的任务，因为目标查询的位置信息并未针对检测尺度远小于一般目标的微小目标进行定制。此外，使用固定数量查询的类 DETR 方法使其不适用于仅包含微小目标且不同图像间实例数量不平衡的航空数据集。因此，我们提出了一个简单而有效的模型，名为 DQ-DETR，它由三个不同的组件组成：类别计数模块、计数引导的特征增强和动态查询选择，以解决上述问题。DQ-DETR 利用类别计数模块的预测和密度图来动态调整目标查询的数量并改善查询的位置信息。我们的模型 DQ-DETR 优于先前基于 CNN 和类 DETR 的方法，在主要由微小目标组成的 AI-TOD-V2 数据集上实现了 30.2% 的最先进 mAP。我们的代码将在 https://github.com/hoiliu-0801/DQ-DETR 上提供。
引用
@article{arxiv.2404.03507,
title = {DQ-DETR: DETR with Dynamic Query for Tiny Object Detection},
author = {Yi-Xin Huang and Hou-I Liu and Hong-Han Shuai and Wen-Huang Cheng},
journal= {arXiv preprint arXiv:2404.03507},
year = {2024}
}
备注
Accepted by ECCV 2024. Our code will be available at https://github.com/hoiliu-0801/DQ-DETR