DESPP-DETR：一种用于车辆检测的高效密集连接空间池化检测变换器

《ACM Transactions on Asian and Low-Resource Language Information Processing》：DESPP-DETR: A Dense Connection Efficient Spatial Pooling DEtection TRansformer for Vehicle Detection

实时车辆检测需兼顾速度与精度，现有模型常顾此失彼，且易受遮挡影响。本文提出DESPP-DETR模型，采用双流匹配与Transformer编码器-解码器架构，结合密集连接块增强特征提取，通过增强空间金字塔池化突破固定尺寸限制，在COCO 2017数据集上mAP达75.53%，有效提升实时检测性能。

　　

摘要

实时车辆检测是智能交通系统中一项具有挑战性且至关重要的任务。车辆检测模型的关键要求是速度和准确性。然而，现有的实时车辆检测模型往往为了追求其中一项性能而牺牲另一项。这种权衡使得这些模型无法应用于需要同时满足速度和准确性要求的实时场景。此外，遮挡现象（即车辆被其他物体遮挡或部分遮挡）进一步增加了检测难度，影响了系统的准确性。在这项研究中，我们提出了一种名为DESPP-DETR的一阶段实时车辆检测网络。该网络基于二分匹配机制和Transformer编码器-解码器架构，并加入了密集连接块和增强的空间金字塔池化机制。密集连接块增强了特征提取能力，而增强的空间金字塔池化机制则消除了固定尺寸的限制，提高了网络的学习能力。与现有模型相比，DESPP-DETR在实时车辆检测方面取得了更高的准确性。在MS COCO 2017数据集上，该模型的平均精度（mAP）达到了75.53%，显示出其在智能交通系统中的巨大潜力。