检测 Transformer 中的分数对应框架
计算机视觉与模式识别
2025-03-07 v1
摘要
检测Transformer(DETR)通过引入匈牙利算法，显著简化了目标检测任务中的匹配过程。该算法促进了训练期间预测边界框到真实标注之间的最优一对一匹配。虽然有效，但这种严格的匹配过程并未固有地考虑对象密度和分布的差异，导致次优对应，例如无法处理同一对象的多次检测或遗漏小对象。为此，我们提出了正则化传输计划(Regularized Transport Plan, RTP)。RTP引入了一种灵活的匹配策略，捕捉预测与真实值对齐的成本，以找到这些集合之间最准确的对应。通过利用可微的Sinkhorn算法，RTP允许软分数匹配而非严格的一对一分配。这种方法增强了模型有效管理不同对象密度和分布的能力。我们在MS-COCO和VOC基准上的广泛评估证明了我们方法的有效性。RTP-DETR超越了Deform-DETR和近期提出的DINO-DETR的性能，在mAP上分别取得了+3.8%和+1.7%的绝对提升。
引用
@article{arxiv.2503.04107,
title = {Fractional Correspondence Framework in Detection Transformer},
author = {Masoumeh Zareapoor and Pourya Shamsolmoali and Huiyu Zhou and Yue Lu and Salvador García},
journal= {arXiv preprint arXiv:2503.04107},
year = {2025}
}