cvpr2024目标检测

### CVPR 2024 目标检测技术进展

#### YOLO-World：一种实时开放词汇目标检测方法
在CVPR 2024上，《YOLO-World: Real-Time Open-Vocabulary Object Detection》这篇论文介绍了一种新的开放词汇目标检测方法——YOLO-World。此模型由Tianheng Cheng和Lin Song等人提出，旨在解决传统YOLO检测器仅限于固定词汇表的问题[^3]。

YOLO-World通过引入视觉-语言建模以及大规模预训练来增强其性能。具体来说，该架构采用了可重参数化的视觉-语言路径聚合网络（RepVL-PAN），并通过区域-文本对比损失加强了图像特征与文字描述之间的关联度。这使得YOLO-World不仅能在已知类别上取得良好效果，在未见过的新类别的零样本学习场景下也展现了强大的泛化能力。

实验结果显示，YOLO-World在LVIS数据集上的平均精度达到了35.4%，同时维持着快速的推理速度。此外，这一框架还在其他多种下游任务中证明了自己的有效性，如跨域迁移等。

import torch
from yoloworld import YOLOWorldModel

model = YOLOWorldModel(pretrained=True)

def detect_objects(image, text_prompts):
    outputs = model(image=image, texts=text_prompts)
    return outputs['boxes'], outputs['scores']