DINO:改进去噪锚框的端到端目标检测器
引言
在计算机视觉领域,目标检测一直是最重要的基础任务之一。虽然传统的基于卷积的检测算法(如Faster R-CNN、YOLO等)在性能上表现优异,但它们通常包含手工设计的组件,如锚点生成和非最大抑制(NMS)。DETR(Detection Transformer)的出现为目标检测带来了全新的端到端解决方案,但其训练收敛缓慢且查询语义不清晰的问题一直困扰着研究者。
近期,一篇提交至ICLR 2023的论文提出了DINO(DETR with Improved deNoising anchOr boxes),通过三个关键创新显著提升了DETR类模型的性能和训练效率。

DINO的核心创新

1. 对比去噪训练(Contrastive Denoising Training, CDN)
问题分析
DN-DETR虽然通过去噪训练有效稳定了训练过程,但存在一个关键缺陷:每个去噪查询都与GT框匹配,缺乏预测"无目标"背景的能力。这限制了模型减少重复预测的能力。
创新设计
DINO提出了对比去噪训练方法,巧妙地引入了正负样本对:
实现机制:
- 使用两个超参数λ₁和λ₂(λ₁ < λ₂)控制噪声尺度
- 正样本:噪声小于λ₁,期望重建对应的GT框
- 负样本:噪声在λ₁和λ₂之间
1282



被折叠的 条评论
为什么被折叠?



