清华大学朱军教授团队提出稳定匹配的Detection Transformer，是当前目标检测领域的SOTA

​

【推荐理由】目标检测领域的最新SOTA。该方法主要改进了Detection Transformer中不同解码器层之间匹配稳定性问题。

Detection Transformer with Stable Matching
Shilong Liu, Tianhe Ren, Jiayu Chen, Zhaoyang Zeng, Hao Zhang, Feng Li, Hongyang Li, Jun Huang, Hang Su, Jun Zhu, Lei Zhang

【论文链接】https://arxiv.org/pdf/2304.04742.pdf

【摘要】本文关注的是DEtection TRansformers（DETR）中不同解码器层之间匹配稳定性问题。文章指出，在DETR中不稳定的匹配是由于多重优化路径问题造成的，这在DETR的一对一匹配设计中得到了突显。为了解决这个问题，作者表明最重要的设计是使用并仅使用位置指标（如IOU）来监督正样本的分类得分。在这个原则下，文章提出了两种简单而有效的修改方法，通过将位置指标整合到DETR的分类损失和匹配成本中，称为位置监督损失和位置调制成本。文章验证了该方法在几个DETR变种上。本文的方法相对于基线显示出了一致的改进。通过将该方法与DINO集成，文章在ResNet-50骨干网络下使用1×（12个时期）和2×（24个时期）训练设置，在COCO检测基准上实现了50.4和51.5 AP，以相同设置获得了新纪录。作者在COCO检测测试开发集上使用Swin-Large骨干网络实现了63.8 AP。

​Read More