基于 Transformer 的目标检测：综述
计算机视觉与模式识别
2023-07-13 v3
摘要
Transformer 在自然语言处理（NLP）中的惊人表现促使研究者探索其在计算机视觉任务中的应用。DEtection TRansformer（DETR）通过将检测重新表述为一个集合预测问题，将 Transformer 引入目标检测任务。从而消除了对候选框生成和后处理步骤的需求。最初，尽管具有竞争力，DETR 存在训练收敛慢和对小物体检测效果不佳的问题。然而，人们提出了大量改进以解决这些问题，使 DETR 得到实质性提升，并使其能够展现出最先进的性能。据我们所知，本文是首篇对原始 DETR 模型中近期提出的 21 项进展进行全面综述的论文。我们深入探讨了 DETR 的基础模块及其近期增强，例如对骨干网络结构的修改、查询设计策略以及注意力机制的精炼。此外，我们对各类检测 Transformer 进行了比较分析，评估其性能与网络架构。我们希望本研究能激发研究者进一步兴趣，以解决现有挑战并探索 Transformer 在目标检测领域的应用。对检测 Transformer 持续进展感兴趣的读者可参考我们的网站：https://github.com/mindgarage-shan/trans_object_detection_survey
引用
@article{arxiv.2306.04670,
title = {Object Detection with Transformers: A Review},
author = {Tahira Shehzadi and Khurram Azeem Hashmi and Didier Stricker and Muhammad Zeshan Afzal},
journal= {arXiv preprint arXiv:2306.04670},
year = {2023}
}