机器学习算法那些事 | TPAMI 2024.9 | FeatAug-DETR：通过特征增强丰富DETRs的一对多匹配

本文来源公众号“机器学习算法那些事”，仅用于学术分享，侵权删，干货满满。

原文链接：TPAMI 2024.9 | FeatAug-DETR：通过特征增强丰富DETRs的一对多匹配

论文标题：FeatAug-DETR: Enriching One-to-Many Matching for DETRs With Feature Augmentation

论文链接：https://ieeexplore.ieee.org/document/10480276

这篇论文提出了一种新方法，通过增强特征（而不仅仅是图像数据）来提升DETR（检测转换器）在目标检测任务中的性能。论文的主要贡献包括：

• 一对多匹配的创新：DETR原本采用一对一匹配策略，这虽然避免了非极大值抑制（NMS）步骤，但导致正样本监督稀疏，进而训练收敛速度较慢。为了解决这个问题，本文提出通过数据增强（DataAug-DETR）和特征增强（FeatAug-DETR）来实现一对多匹配，从而加速训练并提升检测精度。

• 特征增强（FeatAug-DETR）：通过