Pix2Seq：一個簡單而通用的目標檢測新框架， 其將目標檢測轉換為語言建模任務，大大簡化了pipeline，性能可比肩Faster R-CNN和DETR！還可擴展到其他任務，
注1：有點像去年看到DETR的感覺，都是沒有對標sota，而是跟milestone比較，所以這一兩年都要把CV看成NLP來搞么，或者說大統一
注2：文末附【Transformer】和【目標檢測】交流群
Pix2seq
Pix2seq: A Language Modeling Framework for Object Detection
單位：谷歌大腦(Geoffrey Hinton等)
論文下載鏈接：https://arxiv.org/abs/2109.10852
本文介紹了 Pix2Seq，這是一個用于目標檢測的簡單通用框架，
與顯式集成有關任務的先驗知識的現有方法不同，我們簡單地將目標檢測轉換為以觀察到的像素輸入為條件的語言建模任務，
Object descriptions（例如，邊界框和類標簽）表示為離散標記序列，我們訓練神經網路來感知影像并生成所需的序列，
我們的方法主要基于這樣一種直覺，即如果神經網路知道物體的位置和內容，我們只需要教它如何讀取它們，
除了使用特定于任務的資料增強之外，我們的方法對任務做出了最少的假設，但與高度專業化和優化良好的檢測演算法相比，它在具有挑戰性的 COCO 資料集上取得了有競爭力的結果，
主要內容：
實驗結果
CVer-目標檢測交流群
已建立CVer-目標檢測微信交流群！想要進目標檢測學習交流群的同學，可以直接加微信號：CVer9999，加的時候備注一下：目標檢測+學校/公司+昵稱，即可，然后就可以拉你進群了，
CVer-Transformer交流群
建了CVer-Transformer交流群！想要進Transformer學習交流群的同學，可以直接加微信號：CVer9999，加的時候備注一下：Transformer+學校/公司+昵稱，即可，然后就可以拉你進群了，
強烈推薦大家關注CVer知乎賬號和CVer微信公眾號，可以快速了解到最新優質的CV論文，
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/302879.html
標籤：其他
上一篇：萌新影像處理（一）
下一篇：PCL：基于顏色的區域生長分割