共计 648 个字符，预计需要花费 2 分钟才能阅读完成。
出品人：Towhee 技术团队 王翔宇、顾梦佳
DiffusionDet 是一个新的指标检测框架，将指标检测建模为从噪声框到指标框的去噪扩散过程。在训练阶段，指标框从真值框扩散到随机散布，模型学习如何逆转这种向真值标注框增加噪声过程。在推理阶段，模型以渐进的形式将一组随机生成的指标框细化为输入后果。在包含 MS-COCO 和 LVIS 的基准测试中，DiffusionDet 证实了其比之前成熟的指标检测器具备更好的性能。另外，DiffusionDet 的钻研发现随机框也是无效的指标候选。因为指标检测是代表性的感知工作之一，它甚至提出能够通过生成的形式解决该工作。
Diffusion model for object detection.
DiffusionDet 将检测转换为图像中边界框的地位（核心坐标）和大小（宽度和高度）空间上的生成工作，利用扩散模型解决指标检测工作。模型包含图像编码器和检测解码器两个局部。基于应用卷积神经网络和基于 Transformer 的模型的图像编码器将原始图像作为输出，提取其高级特色。检测解码器借鉴 Sparse R-CNN 的思路，将一组倡议框作为输出，从特色图中裁剪感兴趣区域的特色，并将它们送到检测头以取得框回归和分类后果。
相干材料：
代码地址：https://github.com/ShoufaChen/DiffusionDet
论文链接：DiffusionDet: Diffusion Model for Object Detection
更多材料：DiffusionDet：基于扩散模型的指标检测框架
正文完
