百度最近又搞了波大的，推出了一种全新的实时端到端目标检测算法RT-DETRv3。
采用分层密集正监督方法，旨在不增加训练时长的基础上提升性能。性能&耗时完爆YOLOv10！
RT-DETRv3基于Transformer设计，属于代表模型DETR的魔改进化版。
用Transformer做目标检测，可以根据具体任务进行调整和优化，非常适合应对不同的检测需求和场景。此外，Transformer拥有强大的全局上下文建模能力和并行计算能力，能精准捕捉图像中的信息，显著提高目标检测的效率。
因此，用Transformer做目标检测也是CV领域重要的研究热点，我整理了10篇最新的【Transformer+目标检测】相关论文。需要的同学添加工中号【真AI至上】 回复 trans检测 即可全部领取。
RT-DETRv3: Real-time End-to-End Object Detection with Hierarchical Dense Positive Supervision
文章解析：
本文提出了一种基于RT-DETR的改进模型RT-DETRv3，通过引入CNN辅助分支和自注意力扰动策略，提供了层次密集正监督，显著提升了模型的训练效果和性能。
实验结果表明，RT-DETRv3在COCO数据集上显著优于现有的实时目标检测器，包括RT-DETR系列和YOLO系列。
创新点：
1.引入了一个基于CNN的辅助分支，提供密集监督，增强了编码器的特征表示能力。
2.提出了自注意力扰动策略，通过多样化正样本的标签分配，丰富了正监督信息。
3.引入了共享权重的解码器分支，确保每个真实标签有更多高质量的查询匹配。
4.所有上述模块仅在训练时使用，不影响推理速度。
研究方法：
1.设计了一个基于CNN的辅助分支，与原始解码器协同优化，增强编码器的特征表示能力。
2.提出了自注意力扰动策略，通过多样化多个查询组的标签分配，增强了解码器的监督。
3.引入了共享权重的解码器分支，确保每个真实标签有更多高质量的查询匹配。
4.在COCO数据集上进行了广泛的实验，验证了方法的有效性。
研究结论：
1.RT-DETRv3在COCO数据集上显著优于现有的实时目标检测器，包括RT-DETR系列和YOLO系列。
2.RT-DETRv3-R18在保持相同延迟的情况下，AP值提高了1.6%，并且只需要一半的训练轮数即可达到相似性能。
3.RT-DETRv3-R101的AP值达到了54.6%，超过了YOLOv10-X。
Dynamic Object Queries for Transformer-based Incremental Object Detection
文章解析：
本文提出了一种名为DyQ-DETR的方法，通过在Transformer架构中引入动态对象查询来解决增量目标检测中的灾难性遗忘问题。
该方法通过逐步扩展模型表示能力，实现稳定性和可塑性的平衡，并通过分离监督和计算减少类间混淆，进一步提出风险平衡的部分校准以有效重放示例。
创新点：
1.提出了动态对象查询（DyQ-DETR），通过动态添加新的对象查询来扩展模型表示能力，实现增量学习。
2.引入了隔离的二部匹配和解耦的自注意力机制，减少不同阶段对象查询之间的交互，降低类间混淆。
3.提出了风险平衡的部分校准方法，有效处理不完整标注的数据，避免过度关注特定阶段的类别。
研究方法：
1.通过在每个增量步骤中添加新的可学习对象查询，与之前的对象查询集合，动态扩展模型表示能力。
2.采用分离的自注意力机制和二部匹配，消除不同阶段对象查询之间的交互，减少类间混淆。
3.提出风险平衡的部分校准方法，保留匹配损失适中的图像作为示例，并仅对已标注的类别进行部分校准。
研究结论：
1.DyQ-DETR显著超越了现有的增量目标检测方法，参数开销有限。
2.通过动态对象查询和风险平衡的部分校准，有效缓解了增量目标检测中的灾难性遗忘问题。
3.实验结果表明，DyQ-DETR在多个数据集上表现优异，具有良好的稳定性和可塑性。