(DETR) 系列文章 – Co-DETR

DETR系列文章之–Co-DETR

文章结构概览

• Co-DETR：DETR系列文章之一

  • 引言

  • 一、Co-DETR概述

  • • 1.模型架构
    • 2.协同混合分配训练机制
    • 3.专门设计的正Query生成方式

  • 三、Co-DETR为何具有优势

  • • 1.增强编码器的监督机制
    • 2.通过降低匈牙利匹配过程中的不稳定性，优化跨注意力学习效果
    • 3.与其他方法的性能对比

  • 四、实验结果分析

  • • 1.与当前主流方法的性能对比
    • 2.消融实验分析
    • 3.冲突情况探讨
      • 1）各组件之间的对比分析
      • 2）不同训练轮次下的表现比较
      • 3）辅助分支的功能评估对比
      • 4）原始正query与定制正query在分布上的差异性

  • 总结

前言

Co-DETR模型充分融合了一对一与一对多标签分配机制的协同优势，以一对多标签分配作为监督信号，同步训练多个辅助头部，并从这些辅助头部中筛选出正样本。为提升整体训练效率，特别设计了额外的定制化正样本query 。

一对一标签分配方式 ：每个真实目标框对应一个特定的query（DETR），由于正样本query数量有限，容易造