目标检测新范式！在 COCO、CrowdHuman 和 LVIS上取得了良好的性能，尤其是跨不同场景的零样本迁移

本文提出了 DiffusionDet，这是一个新框架，它将目标检测制定为从噪声框到对象框的去噪扩散过程。 在训练阶段，目标框从真实框扩散到随机分布，并且模型学习扭转这种噪声过程。 在推理中，模型以渐进的方式将一组随机生成的框细化为输出结果。 我们的工作具有吸引人的灵活性，可以实现动态的盒子数量和迭代评估。 标准基准测试的大量实验表明，与之前成熟的检测器相比，DiffusionDet 取得了良好的性能。 例如，在从 COCO 到 CrowdHuman 的零样本迁移设置下，使用更多框和迭代步骤进行评估时，DiffusionDet 实现了 5.3 AP 和 4.8 AP 增益。

代码：https://github.com/ShoufaChen/DiffusionDet

论文下载链接：https://arxiv.org/abs/2211.09788

更多论文创新点加微信群：Lh1141755859

公众号：CV算法小屋