YOLO霸主地位不保？Transformer+目标检测开源新SOTA，比眨眼还快3倍！

炸裂！基于Transformer做目标检测新SOTA，比眨眼还快3倍，并首次在COCO数据集上实现60+的mAP！这便是RF-DETR模型，它在工业检测、自动驾驶等场景都取得了显著效果！

实际上，Transformer+目标检测一直都是合CV顶会的宠儿，近来录用量更是飙升！

这是因为：一方面，它能够克服传统CNN等目标检测算法，在全局建模方面的不足，显著提升模型在复杂场景下的精度！且其端到端的训练方式，也能简化检测流程！另一方面，其也比较好出创新点。比如训练速度、小目标性能优化都是亟待改进的问题。此外，结合多模态数据、轻量化设计等，也非常值得关注。

为让大家能够紧跟领域前沿，早点发出自己的顶会，我给大家准备了15种创新思路和源码！如果对你有帮助，点赞支持下哈~

论文原文+开源代码需要的同学看文末

Low-Rank Adaption on Transformer-based Oriented  Object Detector for Satellite Onboard Processing of  Remote Sensing Images

内容：这篇论文提出了一种基于参数高效微调技术（LoRA）的面向卫星载荷处理遥感图像的目标检测方法。针对卫星通信带宽有限导致模型参数更新困难的问题，该方法通过训练低秩矩阵参数并与原始模型权重矩阵结合，仅需更新少量参数即可适应新数据分布。实验表明，仅更新12.4%的模型参数即可达到接近全参数微调（97%至100%）的性能，同时加速模型训练并增强泛化能力。

TransRAD: Retentive Vision Transformer for  Enhanced Radar Object Detection

内容：这篇论文介绍了一种名为 TransRAD 的新型 3D 雷达目标检测模型，旨在解决自动驾驶和智能机器人领域中雷达数据低分辨率、高噪声和缺乏视觉信息等挑战。该模型基于RMT，利用其MaSA机制，结合雷达数据的空间先验信息，实现对雷达目标的精确 3D 检测。此外，TransRAD 提出了 Location-Aware NMS 方法，有效解决了雷达目标检测中常见的重复边界框问题。实验结果表明，TransRAD 在 2D 和 3D 雷达检测任务中均优于现有方法，具有更高的精度、更快的推理速度和更低的计算复杂度。

Hierarchical Graph Interaction Transformer with  Dynamic Token Clustering for Camouflaged Object  Detection

内容：这篇论文提出了一种名为 HGINet 的新型伪装目标检测（COD）模型，旨在通过层次化的图交互网络发现与背景高度融合的伪装目标。该模型包含三个关键模块：区域感知的动态令牌聚类注意力（RTFA）模块，用于挖掘局部区域中潜在可区分的令牌；层次化图交互 Transformer（HGIT），用于在潜在交互空间中构建层次化特征之间的双向对齐通信，增强视觉语义信息；以及带有置信度聚合特征融合（CAFF）模块的解码网络，用于细化模糊区域的局部细节。通过在多个主流数据集上的实验，HGINet 展示了其优越的性能，优于现有的先进方法。

EGSST: Event-based Graph Spatiotemporal Sensitive  Transformer for Object Detection

内容：这篇论文提出了一种名为 EGSST的新型事件相机目标检测框架，旨在充分利用事件数据的空间和时间特性。该框架通过图结构建模事件数据，保留原始时间信息并捕捉空间细节，并引入时空敏感模块（SSM）和自适应时间激活控制器（TAC）来模拟人眼对动态变化的注意力分配，从而在动态环境中高效地处理事件数据。此外，该框架还集成了轻量级多尺度线性视觉 Transformer（LViT），显著提升了处理效率。EGSST 提供了一种轻量级、快速、准确且完全基于事件的解决方案，适用于复杂动态环境中的目标检测任务，并在实验中展示了优越的性能和可扩展性。

码字不易，欢迎大家点赞评论收藏！

关注下方《AI科研技术派》

回复【T检测】获取完整论文

👇