论文标题：Efficient DETR: Improving End-to-End Object Detector with Dense Prior 论文链接：https://arxiv.org/abs/2104.01318 作者单位：旷视科技

表现SOTA！性能优于Deformable DETR、ATSS、FCOS等网络，特别是拥挤场景中的目标检测(如行人)，性能超强！

最近提出的端到端Transformer检测器，例如DETR和Deformable DETR，具有层叠6个解码器层的级联结构，以迭代地更新对象查询，否则它们的性能将严重下降。在本文中，我们调研了object containers的随机初始化（包括对象查询和参考点）主要负责多次迭代的需求。根据我们的发现，我们提出了Efficient DETR，这是一种用于端到端对象检测的简单有效的pipeline。通过同时使用密集检测和稀疏集合检测，Efficient DETR在初始化对象容器之前利用了密集检测，从而带来了1解码器结构和6解码器结构的差距。在MS COCO上进行的实验表明，我们的方法只有3个编码器层和1个解码器层，可以通过最先进的目标检测方法获得具有竞争力的性能。高效的DETR在拥挤的场景中也很强大。它在很大程度上超越了CrowdHuman数据集上的现代检测器。

内容中包含的图片若涉及版权问题，请及时与我们联系删除