internimage目标检测训练

InternImage是一种基于卷积的基础模型，用于目标检测任务。它使用可变形卷积作为核心算子，具有动态有效感受野和自适应空间聚合的能力。InternImage-H是使用最大规模的InternImage-H作为骨干网络，并使用DINO作为基础检测框架，在Objects365数据集上进行预训练的检测器。然后，在COCO数据集上进行微调。该模型在目标检测任务中取得了65.4%的最优结果，突破了COCO目标检测的性能边界。\[1\]该模型还在ADE20K数据集上取得了62.9的结果，刷新了检测分割的新纪录。\[2\]InternImage的出发点是通过使用可变形卷积来降低传统CNN的严格归纳偏置，并提供更强更鲁棒的表达能力。实验证明了InternImage在ImageNet、COCO和ADE20K等任务上的有效性。\[3\]
#### 引用[.reference_title]
- *1* *2* [InternImage](https://blog.csdn.net/qq_29788741/article/details/127914084)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insertT0,239^v3^insert_chatgpt"}} ] [.reference_item]
- *3* [CVPR2023 COCO新纪录65.4mAP！InternImage已开源 | 注入新机制，探索视觉大模型](https://blog.csdn.net/jacke121/article/details/129659825)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insertT0,239^v3^insert_chatgpt"}} ] [.reference_item]
[ .reference_list ]