幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

基於Transformer的目標檢測演算法研究

  • 作者：陳華鋒|責編:周紅
  • 出版社：化學工業
  • ISBN：9787122515377
  • 出版日期：2026/08/01
  • 裝幀：平裝
  • 頁數：134
人民幣：RMB 99 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    基於Transformer的目標檢測方法，利用Transformer框架的注意力機制來處理目標檢測任務，通過端到端的集合預測簡化傳統目標檢測流程。DETR演算法首先引入Transformer進行目標檢測，它消除了對非極大值抑制和錨框等人工模塊的依賴，但還存在訓練收斂速度慢、對小微目標檢測準確率下降等問題。
    本書系統梳理基於Transformer的目標檢測演算法發展歷程和主要創新技術，圍繞端到端的目標檢測流程展開深入研究。首先分析了DETR演算法運行核心機理及其訓練瓶頸，然後分別介紹了WB-DETR、Dynamic-DETR等改進方法，通過實驗驗證了無骨幹網路設計與動態注意力機制對目標檢測準確率的提升作用。本書還分析了FP-DETR、CF-DETR等目標檢測模型的預訓練策略、粗到精建模等方法。
    本書既注重理論分析，也強調工程實踐，適合作為高等院校人工智慧、電腦科學與技術、智能科學與技術等相關專業本科高年級學生和研究生的參考資料，也可供從事電腦視覺、模式識別、人工智慧以及智能製造等領域的科研人員、工程技術人員和企業研發人員學習參考。對於希望深入理解Transformer目標檢測技術、開展相關科研工作的讀者，本書亦具有較好的借鑒價值。
作者介紹
陳華鋒|責編:周紅
目錄
第1章  緒論
  1.1  研究背景
  1.2  視覺目標檢測與Transformer
    1.2.1  目標檢測
    1.2.2  用於分割的Transformer模型
    1.2.3  用於場景與圖像生成的Transformer模型
    1.2.4  用於低級視覺的Transformer模型
    1.2.5  用於多模態任務的Transformer模型
  1.3  研究內容
第2章  基於Transformer的端到端目標檢測
  2.1  引言
  2.2  相關研究工作
    2.2.1  目標檢測集合預測
    2.2.2  Transformer與並行解碼
    2.2.3  目標檢測
  2.3  DETR模型
    2.3.1  目標檢測集合預測損失
    2.3.2  DETR體系結構
  2.4  實驗結果分析
    2.4.1  DETR與FasterR-CNN和RetinaNet比較
    2.4.2  消融分析
    2.4.3  全景分割的DETR演算法分析
  2.5  本章小結
第3章  基於動態注意力的Transformer目標檢測
  3.1  引言
  3.2  相關研究工作
  3.3  Dynamic-DETR
    3.3.1  原始DETR
    3.3.2  動態編碼器
    3.3.3  動態解碼器
  3.4  實驗結果
    3.4.1  實驗設置
    3.4.2  消融分析
    3.4.3  與前沿演算法比較
    3.4.4  可視化分析
  3.5  本章小結
第4章  基於完全預訓練的Transformer目標檢測
  4.1  引言
  4.2  相關研究工作
  4.3  FP-DETR演算法
    4.3.1  基本Transformer目標檢測演算法
    4.3.2  預訓練方法
    4.3.3  調優方法
  4.4  實驗結果
    4.4.1  實現細節
    4.4.2  與前沿演算法比較
    4.4.3  FP-DETR消融分析
    4.4.4  對一般干擾的魯棒性
    4.4.5  小規模數據集泛化能力分析
  4.5  本章小結

第5章  基於逐層優化的Transformer目標檢測
  5.1  引言
  5.2  相關研究工作
    5.2.1  一階段與兩階段目標檢測演算法
    5.2.2  端到端的目標檢測演算法
  5.3  CF-DETR演算法
    5.3.1  演算法整體框架
    5.3.2  模塊設計
  5.4  實驗結果
    5.4.1  數據集與評價方法
    5.4.2  實現細節
    5.4.3  主要實驗結果
    5.4.4  消融分析
  5.5  本章小結
第6章  基於動態錨框的Transformer目標檢測
  6.1  引言
  6.2  相關研究工作
  6.3  基於位置先驗知識的訓練加速
  6.4  DAB-DETR演算法
    6.4.1  演算法整體框架
    6.4.2  錨框訓練
    6.4.3  錨框訓練輪數更新
    6.4.4  寬度和高度調製的高斯核函數
    6.4.5  溫度調優
  6.5  實驗結果
    6.5.1  主要實驗結果
    6.5.2  消融分析
  6.6  本章小結
第7章  基於協同混合分配訓練的Transformer目標檢測
  7.1  引言
  7.2  相關研究工作
  7.3  Co-DETR演算法
    7.3.1  演算法整體框架
    7.3.2  協作式混合任務訓練
    7.3.3  定製化正向查詢生成
    7.3.4  Co-DETR運行機理
    7.3.5  與其他方法比較分析
  7.4  實驗結果
    7.4.1  實驗設置
    7.4.2  主要實驗結果
    7.4.3  與前沿演算法比較
    7.4.4  消融分析
  7.5  本章小結
第8章  實時Transformer目標檢測
  8.1  引言
  8.2  相關研究工作
    8.2.1  實時目標檢測
    8.2.2  端到端目標檢測
  8.3  目標檢測演算法端到端速度分析
    8.3.1  NMS分析

    8.3.2  端到端速度基準
  8.4  RT-DETR演算法
    8.4.1  演算法整體框架
    8.4.2  高效混合編碼器
    8.4.3  不確定性最小化查詢選擇
    8.4.4  可縮放RT-DETR
  8.5  實驗結果
    8.5.1  與前沿演算法比較
    8.5.2  混合編碼器消融分析
    8.5.3  查詢選擇消融分析
    8.5.4  解碼器消融分析
  8.6  演算法局限性探討
  8.7  本章小結
第9章  基於排名的Transformer目標檢測
  9.1  引言
  9.2  相關研究工作
  9.3  Rank-DETR演算法
    9.3.1  基本定義
    9.3.2  基於排名的框架設計
    9.3.3  基於排名的匹配成本與損失
    9.3.4  討論
  9.4  實驗結果
    9.4.1  實驗設置
    9.4.2  主要實驗結果
    9.4.3  消融分析
  9.5  本章小結
第10章  總結與展望
  10.1  已取得的研究成果
  10.2  待進一步研究的問題
參考文獻

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032