DQ-DETR: DETR with Dynamic Query for Tiny Object Detection

虽然以前的类DETR方法在一般物体检测方面表现出色，但对于检测微小物体仍然是一个具有挑战性的任务，因为对象查询的位置信息并未针对检测比一般对象规模小得多的微小对象进行定制。此外，使用固定数量的查询的DETR-like方法使它们不适用于仅包含微小对象且不同图像之间实例数量不平衡的航空数据集。因此，我们提出了一种简单而有效的模型，名为DQ-DETR，它由三个不同的组件组成：分类计数模块、计数引导特征增强和动态查询选择，以解决上述问题。DQ-DETR使用分类计数模块的预测和密度图来动态调整对象查询的数量并改善查询的位置信息。我们的模型DQ-DETR优于以前的基于CNN和DETR-like方法，在AI-TOD-V2数据集上取得了30.2％的最新mAP，该数据集主要由微小对象组成。

本论文试图解决DETR-like方法在检测微小物体时出现的问题，包括缺乏针对微小物体的位置信息和使用固定查询数量不适用于包含微小物体的航空数据集等问题。

本论文提出了一种名为DQ-DETR的模型，包括三个不同的组件：分类计数模块、计数引导特征增强和动态查询选择，以解决上述问题。DQ-DETR使用分类计数模块的预测和密度图动态调整对象查询的数量，并改善查询的位置信息。

论文使用AI-TOD-V2数据集进行实验，证明DQ-DETR的性能优于之前的CNN-based和DETR-like方法，达到了30.2％的mAP。此外，论文还开源了代码。

最近的相关研究包括DETR和其改进版本，以及一些针对微小物体检测的方法，如CenterNet和CornerNet等。