Skip to content

DAB-Deformable-DETR

基于EasyCV复现DETR和DAB-DETR，Object Query的正确打开方式 - 知乎

在 DAB-DETR（Dynamic Anchor Boxes-DETR）中，所谓的“4D 参考点”指的是将每个查询（query）明确表示为一个四维锚框坐标，即 $(x, y, w, h)$，其中：(Medium)

  • $x, y$ 是边界框的中心坐标。(Medium)
  • $w, h$ 分别表示边界框的宽度和高度。(CSDN博客)

这种设计使得查询不仅包含位置的中心信息，还包含目标的尺度信息，从而为交叉注意力机制提供了更丰富的空间先验。具体来说，DAB-DETR 使用这些锚框坐标作为 Transformer 解码器中的查询，并在每一层中动态地更新它们。通过这种方式，模型能够更准确地聚焦于目标对象，并提高检测性能。(CSDN博客, CSDN博客)

此外，DAB-DETR 还通过引入宽度和高度信息来调节交叉注意力图，使其适应不同尺度的对象。这种方法不仅提高了模型的收敛速度，还增强了对多尺度目标的检测能力。(CSDN博客)

总之，DAB-DETR 的 4D 参考点设计为 Transformer 解码器提供了更强的位置和尺度先验，从而提升了目标检测的准确性和效率。(CSDN博客)

Ref