目标检测:DETR详解

这篇具有很好参考价值的文章主要介绍了目标检测:DETR详解。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

1. 概述

DETR: End-to-End Object Detection with Transformers, DETR 是 Facebook 团队于 2020 年提出的基于 Transformer 的端到端目标检测,是Transformer在目标检测的开山之作 – DEtection TRansformer

detr,object detection,目标检测,深度学习,计算机视觉
相比于传统的Faster-rcnn,yolo系列,DETR有以下几个优点:1).无需NMS后处理
2).无需设定anchor 3).高效并行预测。整个由网络实现端到端的目标检测实现,大大简化了目标检测的 pipeline。 DETR在COCO 数据集上效果与 Faster RCNN 相当,在大目标上效果比 Faster RCNN 好,且可以很容易地将 DETR 迁移到其他任务例如全景分割。

Transformer VS RNN

Transformer 比 RNN 更好,因为做到了并行化,不需要受到之前结果的影响。DETR把目标检测任务也变成一个 Set Prediction 任务,即一口气预测一个集合,而不是按照 RNN 一样一个一个预测。所以 DETR 最大的贡献,在于它提出了目标检测的新范式(新理解)—Set Prediction。论文的主要文章来源地址https://www.toymoban.com/news/detail-554078.html

到了这里,关于目标检测:DETR详解的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包