开源项目推荐：Dense Distinct Query for End-to-End Object Detection

开源项目推荐：Dense Distinct Query for End-to-End Object Detection

DDQ Dense Distinct Query for End-to-End Object Detection (CVPR2023) 项目地址: https://gitcode.com/gh_mirrors/dd/DDQ

1. 项目基础介绍

Dense Distinct Query（DDQ）是一个针对端到端目标检测的开源项目。该项目由优快云公司开发的InsCode AI大模型团队维护，主要基于Python编程语言，同时使用了C++和CUDA进行性能优化。DDQ项目旨在通过提出稠密且独特的查询方法来解决目标检测中的问题，并在多个数据集上取得了显著的性能提升。

2. 核心功能

DDQ的核心功能是实现了稠密且独特的查询策略，具体来说：

• 稠密查询：类似于传统检测器，DDQ首先布置稠密的查询点。
• 独特选择：然后从这些查询点中选择独特的点进行一对一的标签分配，避免了传统NMS（非极大值抑制）的必要性。
• 端到端训练：DDQ能够实现端到端的训练流程，提高了检测性能，并在多个检测框架（如FCN、R-CNN、DETR）上进行了验证。

3. 项目最近更新的功能

根据项目最近更新的信息，以下是一些新增的功能和改进：

• DDQ DETR版本发布：在ddq_detr分支上发布了基于DETR的DDQ版本，该版本在MS-COCO数据集上取得了52.1 AP的成绩，并且在12个epoch内完成训练。
• 性能优化：对DDQ FCN和DDQ R-CNN进行了性能优化，确保了在MMDetection V2.2.0和MMCV V1.4.7环境下能够稳定运行。
• 训练和测试脚本更新：提供了更便捷的分布式训练和测试脚本，支持Slurm和PyTorch分布式训练。

这些更新进一步提升了DDQ的实用性和易用性，为研究者和开发者提供了强大的工具。

DDQ Dense Distinct Query for End-to-End Object Detection (CVPR2023) 项目地址: https://gitcode.com/gh_mirrors/dd/DDQ