ICCV 2021 | Conditional DETR：通过显式寻找物体的extremity区域加快DEETR的收敛TR的收敛

本篇文章解读发表在 ICCV 2021的工作: “Conditional DETR for Fast Training Convergence”. 我们针对 DEtection Transformer (DETR) 训练收敛慢的问题(需要训练500 epoch才能获得比较好的效果) 提出了conditional cross-attention mechanism，通过 conditional spatial query 显式地寻找物体的 extremity 区域，从而缩小搜索物体的范围，加速了收敛。结构上只需要对 DETR 的 cross-attention 部分做微小的改动，就能将收敛速度提高 6~10 倍。

作者单位：中国科学技术大学，北京大学，微软亚洲研究院

论文：https://arxiv.org/pdf/2108.06152.pdf

代码：https://github.com/Atten4Vis/ConditionalDETR

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