本仓库是DN-DETR的官方实现。该论文被CVPR 2022接收(得分112,口头报告)。代码现已开放。 [CVPR论文链接] [扩展版论文链接] [中文解读]
[2022/12]:我们在arxiv上发布了DN-DETR的扩展版,这是论文链接!我们将去噪训练应用于基于CNN的模型Faster R-CNN、分割模型Mask2Former以及其他类DETR模型如Anchor DETR和DETR,以提高这些模型的性能。
[2022/12]:Mask DINO的代码已开放!Mask DINO在COCO数据集上使用ResNet-50和SwinL骨干网络(无额外检测数据)分别达到了51.7和59.0的框AP,在相同设置下超越了DINO!
[2022/11]:基于DN-DETR的DINO实现已在本仓库中发布。感谢@Vallum!这个优化版本在ResNet-50下能在36轮训练中达到50.8 ~ 51.0 AP。
[2022/9]:我们发布了一个工 具箱detrex,提供了许多最先进的基于Transformer的检测算法。其中包括性能更好的DN-DETR。欢迎使用!
[2022/6]:我们发布了一个统一的检测和分割模型Mask DINO,在三个分割任务上都取得了最佳结果(COCO实例分割榜单上54.5 AP,COCO全景分割榜单上59.4 PQ,以及ADE20K语义分割榜单上60.8 mIoU)!代码将在这里开放。
[2022/5]:我们的代码已开放!使用ResNet-50在COCO上达到了更好的性能49.5
AP。
[2022/3]:我们创建了一个仓库Awesome Detection Transformer,展示了关于用于检测和分割的transformer的论文。欢迎关注!
[2022/3]:DN-DETR被选为CVPR2022的口头报告。
[2022/3]:我们发布了另一项工作DINO:DETR with Improved DeNoising Anchor Boxes for End-to-End Object Detection,首次将DETR类模型确立为榜单上的SOTA模型。同样基于DN。代码将在这里开放。
我们在DAB-DETR的基础上添加了去噪部分以加速训练收敛。这只增加了最少的计算量,并在推理时会被移除。
我们进行了广泛的实验来验证我们的去噪训练的有效性,例如收敛曲线比较。您可以参考我们的论文获取更多实验结果。
我们提供了DAB-DETR、DAB-Deformable-DETR(仅可变形编码器)和DAB-Deformable-DETR下的模型(参见DAB-DETR的代码和论文了解更多详情)。
您也可以参考我们的
[百度网盘模型库](提取码niet)。
注意:
44.1
到44.4
)。我们没有重新运行其他模型,所以<font color=red>你可能会获得比我们论文中报告的更好的性能。</font>48.4
,与50轮的DAB-Deformable-DETR相当)。我们的代码大部分遵循DAB-DETR,并添加了用于去噪训练的额外组件,这些组件封装在dn_components.py文件中。主要包括3个函数:prepare_for_dn、dn_post_proces(前两个用于在检测前向函数中处理去噪部分)和compute_dn_loss(用于计算去噪损失)。你可以导入这些函数并将它们添加到你自己的检测模型中。 如果你想在自己的检测模型中使用它,你也可以比较DN-DETR和DAB-DETR,看看这些函数是如何添加的。
我们也鼓励你将其应用到其他类DETR模型甚至传统检测模型中,并在这个仓库中更新结果。
我们使用DAB-DETR项目作为我们的代码基础,因此我们的DN-DETR不需要额外的依赖。对于DN-Deformable-DETR,你需要手动编译可变形注意力算子。
我们在python=3.7.3,pytorch=1.9.0,cuda=11.1
环境下测试了我们的模型。其他版本可能也适用。
git clone https://github.com/IDEA-Research/DN-DETR.git cd DN-DETR
按照https://pytorch.org/get-started/locally/的说明进行操作。
# 示例: conda install -c pytorch pytorch torchvision
pip install -r requirements.txt
cd models/dn_dab_deformable_detr/ops python setup.py build install # 单元测试(应该看到所有检查都为True) python test.py cd ../../..
请下载COCO 2017数据集并按以下方式组织:
COCODIR/
├── train2017/
├── val2017/
└── annotations/
├── instances_train2017.json
└── instances_val2017.json
我们以标准的DN-DETR-R50和DN-Deformable-DETR-R50为例进行训练和评估。
从此链接下载我们的DN-DETR-R50模型检查点,并执行以下命令。
你可以预期最终AP约为44.4
。
对于我们的DN-DAB-Deformable-DETR_Deformable_Encoder_Only(在此下载)。预期的最终AP为48.6
。
对于我们的DN-DAB-Deformable-DETR(在此下载),预期的最终AP为49.5
。
# 对于dn_detr:44.1 AP;优化结果为44.4AP python main.py -m dn_dab_detr \ --output_dir logs/dn_DABDETR/R50 \ --batch_size 1 \ --coco_path /path/to/your/COCODIR \ # 替换为你的COCO路径 --resume /path/to/our/checkpoint \ # 替换为你的检查点路径 --use_dn \ --eval # 对于dn_deformable_detr:49.5 AP python main.py -m dn_deformable_detr \ --output_dir logs/dab_deformable_detr/R50 \ --batch_size 1 \ --coco_path /path/to/your/COCODIR \ # 替换为你的COCO路径 --resume /path/to/our/checkpoint \ # 替换为你的检查点路径 --transformer_activation relu \ --use_dn \ --eval # 对于dn_deformable_detr_deformable_encoder_only:48.6 AP python main.py -m dn_dab_deformable_detr_deformable_encoder_only --output_dir logs/dab_deformable_detr/R50 \ --batch_size 1 \ --coco_path /path/to/your/COCODIR \ # 替换为你的COCO路径 --resume /path/to/our/checkpoint \ # 替换为你的检查点路径 --transformer_activation relu \ --num_patterns 3 \ # 使用3个模式嵌入 --use_dn \ --eval
同样,你也可以在单个进程上训练我们的模型:
# 对于dn_detr python main.py -m dn_dab_detr \ --output_dir logs/dn_DABDETR/R50 \ --batch_size 1 \ --epochs 50 \ --lr_drop 40 \ --coco_path /path/to/your/COCODIR # 替换为你的COCO路径 --use_dn
然而,由于训练耗时较长,我们建议在多设备上训练模型。
如果你计划在使用Slurm的集群上训练模型,这里是一个训练命令示例:
# 对于dn_detr:44.4 AP python run_with_submitit.py \ --timeout 3000 \ --job_name DNDETR \ --coco_path /path/to/your/COCODIR \ -m dn_dab_detr \ --job_dir logs/dn_DABDETR/R50_%j \ --batch_size 2 \ --ngpus 8 \ --nodes 1 \ --epochs 50 \ --lr_drop 40 \ --use_dn # 对于dn_dab_deformable_detr:49.5 AP python run_with_submitit.py \ --timeout 3000 \ --job_name dn_dab_deformable_detr \ --coco_path /path/to/your/COCODIR \ -m dab_deformable_detr \ --transformer_activation relu \ --job_dir logs/dn_dab_deformable_detr/R50_%j \ --batch_size 2 \ --ngpus 8 \ --nodes 1 \ --epochs 50 \ --lr_drop 40 \ --use_dn # 对于dn_dab_deformable_detr_deformable_encoder_only:48.6 AP python run_with_submitit.py \ --timeout 3000 \ --job_name dn_dab_deformable_detr_deformable_encoder_only \ --coco_path /path/to/your/COCODIR \ -m dn_dab_deformable_detr_deformable_encoder_only \ --transformer_activation relu \ --job_dir logs/dn_dab_deformable_detr/R50_%j \ --num_patterns 3 \ --batch_size 1 \ --ngpus 8 \ --nodes 2 \ --epochs 50 \ --lr_drop 40 \ --use_dn
如果你想训练我们的DC版本或多模式版本,添加
--dilation # 对于DC版本 --num_patterns 3 # 对于3个模式
但是,这需要额外的训练资源和内存,即使用16个GPU。
最终的AP应该与我们的相似或更好,因为我们优化后的结果比论文中报告的性能更好(例如,我们报告DN-DETR为44.1
,但我们的新结果可以达到44.4
。
如果你得到更好的结果,不要感到惊讶!)。
我们的训练设置与DAB-DETR相同,但添加了一个参数--use_dn
,你也可以参考DAB-DETR。
注意:
或者在单个节点上使用多进程运行:
# 对于dn_dab_detr:44.4 AP python -m torch.distributed.launch --nproc_per_node=8 \ main.py -m dn_dab_detr \ --output_dir logs/dn_DABDETR/R50 \ --batch_size 2 \ --epochs 50 \ --lr_drop 40 \ --coco_path /path/to/your/COCODIR \ --use_dn # 对于dn_deformable_detr: 49.5 AP python -m torch.distributed.launch --nproc_per_node=8 \ main.py -m dn_dab_deformable_detr \ --output_dir logs/dn_dab_deformable_detr/R50 \ --batch_size 2 \ --epochs 50 \ --lr_drop 40 \ --transformer_activation relu \ --coco_path /path/to/your/COCODIR \ --use_dn
我们的工作基于DAB-DETR。我们还发布了另一个基于DN-DETR和DAB-DETR的SOAT检测模型DINO。
DINO: 使用改进的去噪锚框的端到端目标检测DETR。 Hao Zhang*, Feng Li*, Shilong Liu*, Lei Zhang, Hang Su, Jun Zhu, Lionel M. Ni, Heung-Yeung Shum。 arxiv 2022。 [论文] [代码]。
DAB-DETR: 动态锚框是DETR更好的查询。 Shilong Liu, Feng Li, Hao Zhang, Xiao Yang, Xianbiao Qi, Hang Su, Jun Zhu, Lei Zhang。 国际学习表示会议(ICLR)2022。 [论文] [代码]。
DN-DETR在Apache 2.0许可下发布。更多信息请参见LICENSE文件。
版权所有 (c) IDEA。保留所有权利。
根据Apache许可证2.0版("许可证")获得许可;除非符合许可证,否则您不得使用这些文件。您可以在http://www.apache.org/licenses/LICENSE-2.0 获取许可证副本。
除非适用法律要求或书面同意,根据许可证分发的软件是基于"按原样"分发的,不附带任何明示或暗示的担保或条件。请参阅许可证以了解许可证下的特定语言和限制。
如果您发现我们的工作对您的研究有帮助,请考虑引用以下BibTeX条目。
@inproceedings{li2022dn,
title={Dn-detr: 通过引入查询去噪加速detr训练},
author={Li, Feng and Zhang, Hao and Liu, Shilong and Guo, Jian and Ni, Lionel M and Zhang, Lei},
booktitle={计算机视觉与模式识别IEEE/CVF会议论文集},
pages={13619--13627},
year={2022}
}
OpenAI Agents SDK,助力开发者便捷使用 OpenAI 相关功能。
openai-agents-python 是 OpenAI 推出的一款强大 Python SDK,它为开发者提供了与 OpenAI 模型交互的高效工具,支持工具调用、结果处理、追踪等功能,涵盖多种应用场景,如研究助手、财务研究等,能显著提升开发效率,让开发者更轻松地利用 OpenAI 的技术优势。
高分辨率纹理 3D 资产生成
Hunyuan3D-2 是腾讯开发的用于 3D 资产生成的强大工具,支持从文本描述、单张图片或多视角图片生成 3D 模型,具备快速形状生成能力,可生成带纹理的高质量 3D 模型,适用于多个领域,为 3D 创作提供了高效解决方案。
一个具备存储、管理和客户端操作等多种功能的分布式文件系统相关项目。
3FS 是一个功能强大的分布式文件系统项目,涵盖了存储引擎、元数据管理、客户端工具等多个模块。它支持多种文件操作,如创建文件和目录、设置布局等,同时具备高效的事件循环、节点选择和协程池管理等特性。适用于需要大规模数据存储和管理的场景,能够提高系统的性能和可靠性,是分布式存储领域的优质解决方案。
用 于可扩展和多功能 3D 生成的结构化 3D 潜在表示
TRELLIS 是一个专注于 3D 生成的项目,它利用结构化 3D 潜在表示技术,实现了可扩展且多功能的 3D 生成。项目提供了多种 3D 生成的方法和工具,包括文本到 3D、图像到 3D 等,并且支持多种输出格式,如 3D 高斯、辐射场和网格等。通过 TRELLIS,用户可以根据文本描述或图像输入快速生成高质量的 3D 资产,适用于游戏开发、动画制作、虚拟现实等多个领域。
10 节课教你开启构建 AI 代理所需的一切知识
AI Agents for Beginners 是一个专为初学者打造的课程项目,提供 10 节课程,涵盖构建 AI 代理的必备知识,支持多种语言,包含规划设计、工具使用、多代理等丰富内容,助您快 速入门 AI 代理领域。
AI Excel全自动制表工具
AEE 在线 AI 全自动 Excel 编辑器,提供智能录入、自动公式、数据整理、图表生成等功能,高效处理 Excel 任务,提升办公效率。支持自动高亮数据、批量计算、不规则数据录入,适用于企业、教育、金融等多场景。
基于 UI-TARS 视觉语言模型的桌面应用,可通过自然语言控制计算机进行多模态操作。
UI-TARS-desktop 是一款功能强大的桌面应用,基于 UI-TARS(视觉语言模型)构建。它具备自然语言控制、截图与视觉识别、精确的鼠标键盘控制等功能,支持跨平台使用(Windows/MacOS),能提供实时反馈和状态显示,且数据完全本地处理,保障隐私安全。该应用集成了多种大语言模型和搜索方式,还可进行文件系统操作。适用于需要智能交互和自动化任务的场景,如信息检索、文件管理等。其提供了详细的文档,包括快速启动、部署、贡献指南和 SDK 使用说明等,方便开发者使用和扩展。
开源且先进的大规模视频生成模型项目
Wan2.1 是一个开源且先进的大规模视频生成模型项目,支持文本到图像、文本到视频、图像到视频等多种生成任务。它具备丰富的配置选项,可调整分辨率、扩散步数等参数,还能对提示词进行增强。使用了多种先进技术和工具,在视频和图像生成领域具有广泛应用前景,适合研究人员和开发者使用。
全流程 AI 驱动的数据可视化工具,助力用户轻松创作高颜值图表
爱图表(aitubiao.com)就是AI图表,是由镝数科技推出的一款创新型智能数据可视化平台,专注于为用户提供便捷的图表生成、数据分析和报告撰写服务。爱图表是中国首个在图表场景接入DeepSeek的产品。通过接入前沿的DeepSeek系列AI模型,爱图表结合强大的数据处理能力与智能化功能,致力于帮助职场人士高效处理和表达数据,提升工作效率和报告质量。
一款强大的视觉语言模型,支持图像和视频输入
Qwen2.5-VL 是一款强大的视觉语言模型,支持图像和视频输入,可用于多种场景,如商品特点总结、图像文字识别等。项目提供了 OpenAI API 服务、Web UI 示例等部署方式,还包含了视觉处理工具,有助于开发者快速集成和使用,提升工作效率。