UP-DETR：基于Transformers的无监督目标检测预训练项目

UP-DETR：基于Transformers的无监督目标检测预训练项目

up-detr [TPAMI 2022 & CVPR2021 Oral] UP-DETR: Unsupervised Pre-training for Object Detection with Transformers 项目地址: https://gitcode.com/gh_mirrors/up/up-detr

UP-DETR（Unsupervised Pre-training for Object Detection with Transformers）是一个利用Transformers进行无监督目标检测预训练的开源项目。该项目主要使用Python编程语言实现。

项目基础介绍

UP-DETR项目是IEEE Transactions on Pattern Analysis and Machine Intelligence (TPAMI) 2022以及CVPR2021的一个oral论文的官方PyTorch实现。该项目通过引入一种名为“随机查询补丁检测”的新颖预训练任务，对Transformers进行目标检测的预训练。UP-DETR继承了DETR的架构，包括相同的ResNet-50主干网络、Transformer编码器、解码器以及代码库。通过无监督预训练，UP-DETR在无需任何人工标注的情况下完成了整个预训练过程，并在COCO数据集上实现了43.1 AP的检测结果。

核心功能

UP-DETR的核心功能包括：

1. 无监督预训练：通过随机查询补丁检测任务进行Transformers的预训练，无需人工标注数据。
2. 目标检测：在COCO数据集上进行了微调后的UP-DETR模型能够进行有效的目标检测。
3. 模型扩展性：UP-DETR模型还可以扩展到全景分割任务。

最近更新的功能

该项目最近的更新主要包括以下内容：

• 优化了训练流程，提高了训练效率和模型性能。
• 移除了在开源版本中证明无帮助的对象查询混洗功能。
• 提供了一个在Colab上的可视化笔记本，用于展示如何使用预训练模型进行查询补丁检测（无需任何微调）。

UP-DETR项目为无监督目标检测领域提供了有力的工具和框架，具有很高的研究价值和实际应用潜力。

up-detr [TPAMI 2022 & CVPR2021 Oral] UP-DETR: Unsupervised Pre-training for Object Detection with Transformers 项目地址: https://gitcode.com/gh_mirrors/up/up-detr