DEtection TRansformer
PulseAugur coverage of DEtection TRansformer — every cluster mentioning DEtection TRansformer across labs, papers, and developer communities, ranked by signal.
8 天有情绪数据
-
新框架通过连续性学习提升工业缺陷检测能力
研究人员开发了一种新的连续性驱动表示学习框架，以改进工业缺陷检测。该方法利用以正常为主的区域作为密集辅助监督，引入了两个与检测器无关的目标：多连续性损失和差分损失。在工业数据集和NEU-DET基准上的实验表明，在包括YOLO和DETR模型在内的各种检测器架构上，尤其是在数据有限的条件下，性能得到了一致的提升。
-
新的arXiv研究比较了用于军事目标检测的AI模型
一篇新发表在arXiv上的研究论文详细介绍了一项关于自动目标检测与识别（ATD/R）的开箱即用技术的比较研究。该研究在与军事相关的数据库上对多个YOLO版本和DETR框架变体进行了基准测试，评估了它们在VisDrone数据库上进行微调前后的性能。主要发现表明，更大的模型性能更好，基于DETR的模型显示出潜力，并且虽然在域外数据库上进行微调可以提高性能，但在域内训练对于有效的ATD/R系统，尤其是在空对地场景中检测小型目标方面，仍然至关重要。
-
新研究探讨计算机视觉中的集解码器性能
研究人员开发了一种新的方法来分析计算机视觉中的集解码器，重点关注提高个体预测的准确性与维持预测集整体效用之间的权衡。他们的研究使用ResNet-50和DETR系列检查点，发现通过删除特定查询可以实现局部增益，但这通常会对固定分配集损失产生负面影响。这些影响在不同的检查点和干预方法之间持续存在，表明局部干预的成功并不直接转化为联合解码集的结果。
-
MammoMix 使用专家混合模型实现鲁棒的乳腺钼靶图像检测
研究人员开发了 MammoMix，一个利用专家混合（MoE）范式来改进乳腺钼靶图像中乳腺病灶检测的新框架。该方法在特定数据集上训练独立的专家模型，使它们能够专注于不同的数据特征。然后，一个门控机制自适应地组合这些专家的输出，增强了领域自适应推理和整体鲁棒性。该框架还包括一个校准模块 MoCAE，用于调整置信度分数并提高可靠性，在不同乳腺钼靶数据集上的表现优于基线检测器。
-
新型 Poly-DETR 模型连接物体检测与分割
研究人员推出了一种新颖的方法——多边形检测 Transformer (Poly-DETR)，它弥合了物体检测与分割之间的差距。该方法利用极坐标表示直接构建逼近轮廓的多边形，与传统的边界框或像素级掩码相比，提供了更紧凑、更准确的表示。Poly-DETR 与 DETR 类检测器无缝集成，并引入了极坐标可变形注意力 (Polar Deformable Attention) 和感知位置的训练方案 (Position-Aware Trainin…
-
现代骨干网络提升AI在乳腺摄影分类和病灶定位方面的能力
研究人员探索在多任务DETR框架中使用现代神经网络骨干网络，以增强乳腺摄影分类和病灶定位。研究发现，像ConvNeXtV2和DINOv3这样的先进骨干网络，其性能显著优于旧的残差神经网络架构。ConvNeXtV2在OPTIMAM数据集上表现出特别强的性能，而DINOv3在SGM1k队列上取得了最佳结果，这表明骨干网络质量在多任务乳腺摄影应用中的关键作用。
-
新的SkySeaLand基准针对卫星目标检测挑战
研究人员推出了SkySeaLand，这是一个专为卫星目标检测设计的新基准数据集，特别关注宽幅场景和小目标。该数据集包含1,307张高分辨率卫星图像，对飞机、船只和舰船等交通相关目标进行了超过19,000个标注。同时，他们开发了SkyDet，一个具有小尺寸和高效推理速度的超轻量级检测基线模型。
-
深度学习模型推进公用设施电线杆和标志检测
研究人员开发了一个深度学习框架，用于检测、分割和估算公用设施电线杆的倾斜角度，并对附着的警示标志进行分类。该系统基于改进的检测Transformer (DETR) 模型，在包含4,570张来自Google Street View的标注图像的自定义数据集上进行了训练。这种方法优于RetinaNet和YOLOv3-Tiny等标准对象检测器，在电线杆和标志检测方面均实现了高平均精度。该框架还能生成掩码，用于准确估算电线杆倾斜角度，在测试集上…
-
发布用于Sentinel-1船舶检测的新型开放数据集OSSDD
研究人员推出OSSDD，这是一个专为训练神经网络在合成孔径雷达（SAR）图像中检测船舶而设计的新型开放数据集。该数据集基于OpenSARShip 1.0数据集构建，提供了15,197个Sentinel-1幅度图像块，并包含超过55,000艘船的详细标注。OSSDD包括二值船舶掩码、轴对齐边界框和旋转边界框，旨在作为未来SAR船舶检测实验的基准。该数据集可在Hugging Face上获取。
-
2D 检测 Transformer 展现出令人惊讶的 3D 理解能力
研究人员调查了预训练的 2D 检测 Transformer（如 DETR）的 3D 物体级理解能力。他们的发现表明，尽管这些模型仅在 2D 数据上进行训练，没有明确的 3D 监督，但它们却拥有表示物体深度和相对于相机 3D 位置信息的显著能力。这表明这些模型在从 2D 嵌入中推断 3D 属性方面具有先前未被认识到的能力。
-
RiO-DETR通过新颖的Transformer架构推动实时定向目标检测
研究人员推出RiO-DETR，这是一种专为实时定向目标检测设计的新型检测Transformer。该模型解决了将现有Transformer架构应用于定向边界框的关键挑战，例如语义依赖的方向和角度周期性。RiO-DETR采用了任务原生设计，包括内容驱动的角度估计、旋转校正正交注意力、解耦周期性细化和定向密集O2O，以实现高效准确的性能。在DOTA-1.0、DIOR-R和FAIR-1M-2.0等基准数据集上的实验表明，RiO-DETR在实时…
-
Gaze-DETR 使用优先级图进行红外无人机检测
研究人员开发了Gaze-DETR，一种用于检测红外图像中小而弱目标的新方法，特别针对无人机（UAV）。该方法在定位之前引入了受生物启发的内部优先级图来指导检测过程，解决了杂波和遮挡等挑战。Gaze-DETR 使用优先级头来预测此图，通过残差优先级引导特征调制（RPFM）增强高优先级特征，并通过优先级引导锚点查询注入（PAQI）将这些优先级注入解码器查询。该系统在新数据集如TIR-UAV120-Gaze和Anti-UAV410上表现强劲…
-
人工智能驱动的虚拟白手杖使用 LiDAR 和 DETR
一篇研究论文详细介绍了 VirtualCane 的开发，这是一款人工智能驱动的虚拟白手杖，旨在帮助视障人士。该系统利用了 LiDAR 和 DETR 等技术，在 iPhone 13 Pro Max 上的性能高达每秒 60 帧。VirtualCane 的源代码可在 GitLab 上公开获取。
-
新的FSDC-DETR模型通过频空间协同增强小目标检测能力
研究人员推出了一种新颖的检测Transformer模型FSDC-DETR，旨在通过协同建模空间和频率表示来改进小目标检测。该框架利用双分支频空间自适应融合机制来增强频率多样性并自适应地捕获判别性特征。该模型还采用了一种频空间交互方案，用于渐进式特征传播和结构感知聚合，旨在保留高频分量并最小化多尺度融合过程中的退化。实验结果表明，FSDC-DETR在VisDrone-DET2019和AITODv2等基准数据集上取得了最先进的性能。
-
新的双流框架实现了实时视频实例分割
研究人员开发了SegFS，一个新颖的双流框架，用于实时开放词汇视频实例分割。该方法采用快慢处理方法，其中基于对象的模型首先识别稀疏关键帧上的实例。然后，这些实例表示用于条件化一个轻量级网络，该网络在后续帧中高效地跟踪和分割实例。这种将语义理解与密集掩码预测分离的方法与现有的面向移动设备的模型相比，显著降低了延迟，同时在标准基准上保持了具有竞争力的准确性。
-
新目标检测框架模仿海马体以增强记忆力和准确性
研究人员推出了一种名为 Hippocampus-DETR 的新目标检测框架，该框架整合了受生物海马体功能启发的显式记忆机制。该框架将一个新颖的模块 HipNet 集成到 DETR 架构中，模拟海马体的亚区域，以增强视觉特征的模式分离、补全、过滤和整合。与现有的主流模型相比，所提出的模型在检测准确性、少样本图像分类等任务中的泛化能力以及数据效率方面均有所提高。
-
AI流程自动化古籍楔形文字符号检测
研究人员开发了一种新的端到端楔形文字OCR流程，利用Deformable Detection Transformer (DETR)模型来自动化古籍符号检测。该系统集成了 the tablet-side extraction、line grouping 和 textual similarity evaluation，与以往的方法相比取得了显著改进。该流程应用于大量的 the tablet fragments 语料库，生成了数百万个符号检…
-
新框架Multi-HMR 2增强了行人检测和三维定位能力
研究人员推出Multi-HMR 2，一个专为以摄像机为中心的坐标系内多行人检测、网格恢复和跟踪设计的新框架。与之前专注于骨盆中心恢复的方法不同，该方法旨在实现精确的度量三维定位，这对于人机交互等应用至关重要。该系统利用了基于DETR的架构，并整合了SAM2的记忆特征，无需视频监督即可实现跟踪，在检测精度和三维定位方面取得了最先进的成果。
-
WireframeDETR使用DETR风格集合预测3D建筑线框
研究人员开发了WireframeDETR，一种从多视图点云预测3D建筑线框的新方法，已提交至S23DR 2026挑战赛。该方法直接在3D点云上利用DETR风格的集合预测，绕过了中间顶点检测。关键创新包括用于稳定训练的对比去噪、用于特征聚合的多尺度编码器以及用于优化梯度流的渐进式辅助损失加权。该模型在公共测试中取得了0.575的HSS，在最佳验证中取得了0.534的HSS。
-
新流程自动完成低光照行人检测标注
研究人员开发了一个自动流程，利用红外和RGB摄像头为低光照行人检测生成标注。该方法首先在红外图像中检测行人，然后将这些标注转移到相应的RGB图像上。使用这些生成标注训练的模型在多项关键指标上优于使用地面真实标注训练的模型，表明这是一种创建大型低光照行人数据集的可扩展方法。