为了缓解这个问题，我们提出了一种新颖的协作混合分配训练方案，即Co-DETR，从多种标签分配方式中学习更高效、更有效的基于DETR的检测

‍作者|AI视界引擎编辑|集智书童点击下方卡片，关注“自动驾驶之心”公众号ADAS巨卷干货，即可获取点击进入→自动驾驶之心【目标检测】技术交流群本文只做学术分享，如有侵权，联系删文在这篇论文中，作者观察到在DETR中将过少的Query分配为正样本，采用一对一的集合匹配，会导致对编码器输出的监督稀疏，严重损害编码器的区分特征学习，反之亦然，也会影响解码器中的注意力学习。为了缓解这个问题，作者提出了一

DETRswithCollaborativeHybridAssignmentsTraining基于协作混合分配训练的DETRs论文链接：2211.12860.pdf(arxiv.org)源码链接：https://github.com/Sense-X/Co-DETR

关于论文的学习笔记：Co-DETR:DETRs与协同混合分配训练论文学习笔记-CSDN博客作者提出了一种新的协同混合任务训练方案，即Co-DETR，以从多种标签分配方式中学习更高效的基于detr的检测器

论文地址：https://arxiv.org/pdf/2211.12860.pdf代码地址：GitHub-Sense-X/Co-DETR:[ICCV2023]DETRswithCollaborativeHybridAssignmentsTraining

论文：DETRswithCollaborativeHybridAssignmentsTraining代码**：https://github.com/Sense-X/Co-DETR文章目录摘要一、简介二、

论文地址：https://arxiv.org/pdf/2211.12860.pdf开源地址：https://github.com/Sense-X/Co-DETR背景自DETR新范式提出以来，有很多文章都致力于解决