#今日论文推荐#霸榜COCO，DINO: 让目标检测拥抱Transformer

#今日论文推荐#霸榜COCO，DINO: 让目标检测拥抱Transformer

PR 一下我们最近刷榜 COCO 的目标检测模型，DINO（DETR withImproved deNoising anchOr boxes），从三月初霸榜至今（7 月），该模型第一次让 DETR （DEtection TRansformer）类型的检测器取得了目标检测的 SOTA 性能，在 COCO 上取得了 63.3 AP 的性能，相比之前的 SOTA 检测器将模型参数和训练数据减少了十倍以上！

主要特性

1. SOTA 性能：在大模型上以相对较小的数据和模型（～1/10 相比之前 SwinV2）取得了最好的检测结果。在 ResNet-50 的标准 setting 下取得了 51.3 AP。
2. End2end（端到端可学习）：DINO 属于 DETR 类型的检测器，是端到端可学习的，避免了传统检测器许多需要手工设计的模块（如 NMS）。
3. Fast converging（收敛快）：在标准的 ResNet-50 setting 下，使用 5 个尺度特征（5-scale）的 DINO 在 12 个 epoch 中达到 49.4 AP，在 24 个 epoch 中达到 51.3 AP。使用 4 个尺度特征（4-scale）的 DINO 达到了了类似的性能并可以以 23 FPS 运行。

论文题目：DINO: DETR with Improved DeNoising Anchor Boxes for End-to-End Object Detection
详细解读：https://www.aminer.cn/research_report/62de12b27cb68b460ff370f1https://www.aminer.cn/research_report/62de12b27cb68b460ff370f1
AMiner链接：https://www.aminer.cn/?f=cs