作者丨小馬
編輯丨極市平臺
本文原創首發于極市平臺公眾號，轉載請獲得授權并標明出處。

【寫在前面】

在本文中，作者提出了一種基于Transformer的目標檢測器。在以前基于Transformer的檢測器中，目標的查詢是一組可學習的embedding。然而，每個可學習的embedding都沒有明確的意義 （因為是隨機初始化的），所以也不能解釋它最終將集中在哪里。此外，由于每個對象查詢將不會關注特定的區域，所以訓練時優化也是比較困難的 。

為了解決這些問題，作者借鑒了CNN目標檢測器中的Anchor Point機制，使得每個查詢都基于特定的Anchor Point的。因此，每個查詢都可以集中在Anchor Point附近的目標上。此外，本文的查詢設計可以在一個位置預測多個目標。為了降低attention的計算成本，作者設計了一種輕量級的attention變體。基于新的查詢設計和attention變體，本文提出的Anchor DETR可以獲得比DETR更好的性能和更快的運行速度。

1. 論文和代碼地址

Anchor DETR: Query Design for Transformer-Based Detector

論文地址：https://arxiv.org/abs/2109.07107

代碼地址：https://github.com/megvii-model/AnchorDETR（即將開源）

原文地址：多快好省的目標檢測器來了！曠視孫劍團隊提出 Anchor DETR：基于 Anchor Point 的 DETR

總結

以上是生活随笔為你收集整理的多快好省的目标检测器来了，旷视孙剑团队提出Anchor DETR：基于Anchor Point的DETR的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。