RT-DETR：实时目标检测中的新胜者

"DETRs Beat YOLOs on Real-time Object Detection 组会汇报讨论了基于CNN的实时目标检测器的局限性，以及DETR（DEtection TRansformer）在实时检测领域的潜力与挑战。DETR由于其高计算成本，尽管简化了目标检测流程，但难以应用于实时检测。为解决这个问题，研究者提出了RT-DETR，这是一种优化后的实时检测器，不仅在精度和速度上超越现有最佳实时检测器，还消除了对非极大值抑制（NMS）的依赖，确保了稳定的推理速度。RT-DETR的架构包括主干网络、混合编码器和带有辅助预测头的transformer解码器，通过尺度内交互和跨尺度融合提升模型性能并降低成本。" DETRs 和 YOLOs 是两种不同类型的目标检测算法。YOLO（You Only Look Once）以其快速的检测速度而闻名，但通常需要非极大值抑制（NMS）等后处理步骤来减少重复检测。DETR则引入了Transformer架构，实现端到端的检测，简化了流程，不过由于高计算需求，未能广泛应用到实时检测中。 本文的重点在于RT-DETR，它通过改进DETR的设计，有效地降低了计算冗余。RT-DETR的混合编码器结合了尺度内交互（AIFI）和跨尺度融合（CCFM），从多尺度特征中提取有用信息。通过iou感知的QuerySelection策略，选择固定数量的对象查询，作为解码器的输入。解码器使用辅助预测头生成检测框和置信度分数，这个设计使得RT-DETR能够在无需NMS的情况下实现高精度和快速检测。 为了优化DETR的计算效率，研究者探索了不同编码器变体，包括插入单尺度transformer编码器（A→B变体），以减少多尺度特征交互的计算成本。这种策略在保持或提高模型精度的同时，显著降低了计算开销。 DETRs Beat YOLOs on Real-time Object Detection的研究展示了如何通过优化transformer架构，克服DETR在实时检测上的瓶颈，实现比YOLO系列更快、更准确的检测器。RT-DETR的成功不仅体现在技术进步上，也为未来的目标检测研究提供了新的思路，即如何在保证性能的前提下，进一步降低计算复杂度，推动实时AI应用的发展。