DINO: DETR com Caixas de Âncora de Desruído Aprimoradas para Detecção de Objetos de Ponta a Ponta

Apresentamos DINO (DETR com Caixas de Âncora de Desruído Aprimoradas), um detector de objetos de ponta a ponta de última geração. DINO melhora em relação aos modelos anteriores do tipo DETR em desempenho e eficiência ao usar um método contrastivo para treinamento de desruído, um método misto de seleção de consultas para inicialização das âncoras e um esquema "look forward twice" para previsão das caixas. DINO alcança 49,4 AP em 12 épocas e 51,3 AP em 24 épocas no COCO com backbone ResNet-50 e recursos em múltiplas escalas, resultando em uma melhoria significativa de +6,0 AP e +2,7 AP, respectivamente, comparado ao DN-DETR, o modelo DETR-like anterior de melhor desempenho. DINO escala bem tanto em tamanho de modelo quanto em tamanho de dados. Sem artifícios, após pré-treinamento no conjunto de dados Objects365 com backbone SwinL, DINO obtém os melhores resultados em COCO val2017 (63,2 AP) e test-dev (63,3 AP). Comparado a outros modelos no ranking, DINO reduz significativamente o tamanho do modelo e o tamanho dos dados de pré-treinamento enquanto alcança melhores resultados. Nosso código estará disponível em https://github.com/IDEACVR/DINO.