csdn_xmj的博客

本文提出了LP-DETR（层状渐进式DETR），这是一种通过多尺度关系建模增强基于DETR的目标检测的新方法。LP-DETR通过关系感知的自注意力机制引入了可学习的目标 Query 之间的空间关系，该机制能够自适应地学习平衡解码器层之间不同尺度的关系（局部、中度和全局）。这种渐进式设计使得模型能够有效地捕捉检测 Pipeline 中不断变化的空间依赖关系。

YOLO通过非极大值抑制过滤重叠边界框，增加了计算延迟。RT-DETR的出现改变了这一现状，RT-DETR取消了NMS后处理，结合强大的主干网络、混合编码器和创新的查询选择器，提供了快速且高效的端到端目标检测解决方案。

这是第一个针对微小目标检测的DETR类模型，提出了三大创新模块：类别计数模块、计数引导的特征增强和动态查询选择模块，以提高对微小物体的检测能力。此外，论文还介绍了使用的数据集和模型训练策略，并展示了精度对比和可视化结果。

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：一对多匹配的创新和特征增强。

视频中的时间动作检测（TAD）是现实世界中的一个基本且具有挑战性的任务。得益于 Transformer 的独特优势，各种基于DETR的方法已在TAD中得到应用。然而，最近的研究发现，DETR中自注意力层中的注意力衰减导致了其性能下降。本文在之前研究的基础上，针对DETR基础TAD方法中的交叉注意力层注意力衰减问题进行新的探讨。

在本文中，作者提出一种名为FMRFT的实时鱼跟踪模型，该模型基于 Query -时互动，将Mamba在Mamba(MIM) 和 RT-DETR 框架集成，以解决复杂场景中遮挡和冗余检测帧的问题。该模型利用了 MIM 和 RT-DETR 融合框架的低图形内存占用。鉴于鱼和场景之间的相似度较高以及场景中存在干扰物，作者介绍了一种新型的特征提取框架 Fusion MIM，该框架设计用于深入提取鱼特征。针对单一鱼的多重重叠冗余跟踪帧问题，作者开发了一种新颖的 Query -时互动模块和基于 MIM 的特征互动模