?作者丨h(huán)appy
編輯丨極市平臺
本文原創(chuàng)首發(fā)于極市平臺公眾號，轉(zhuǎn)載請獲得授權(quán)并標(biāo)明出處。

原文鏈接：https://arXiv.org/abs/2109.10852

語言模型與目標(biāo)檢測這種八竿子打不著的領(lǐng)域之間會存在關(guān)聯(lián)性嗎 ？Hinton團隊的最新工作Pix2Seq對此進行了探索，它將目標(biāo)檢測問題轉(zhuǎn)換成了語言模型問題，并在COCO數(shù)據(jù)集上取得了與DETR相當(dāng)甚至更優(yōu)性能 。好大的腦洞！

Abstract

本文提出了一種簡單而通用框架Pix2Seq用于目標(biāo)檢測，不同于已有顯式集成先驗知識的方案，我們將目標(biāo)檢測任務(wù)轉(zhuǎn)換成了基于觀測像素輸入的語言模型任務(wù) 。關(guān)于目標(biāo)的描述(比如邊框、類別)將被描述為離散token序列，我們訓(xùn)練了一個神經(jīng)網(wǎng)絡(luò)去感知圖像并生成期望的序列。

該方法主要基于這樣的直覺：如果神經(jīng)網(wǎng)絡(luò)知道目標(biāo)在哪、目標(biāo)是什么，那么我們僅需要教它如何進行解析 。除了實用任務(wù)相關(guān)數(shù)據(jù)增廣外，該方法對任務(wù)做了最小假設(shè)，相比高度優(yōu)化的檢測方案，所提方法在COCO數(shù)據(jù)集上取得了極具競爭力的結(jié)果。

原文地址：目標(biāo)檢測的 “盡頭” 竟是語言建模？Hinton 團隊提出 Pix2Seq：性能優(yōu)于 DETR

總結(jié)

以上是生活随笔為你收集整理的目标检测的“尽头”竟是语言建模？Hinton团队提出Pix2Seq：性能优于DETR的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。