?作者丨happy
編輯丨極市平臺
本文原創首發于極市平臺公眾號，轉載請獲得授權并標明出處。

原文鏈接：https://arXiv.org/abs/2109.10852

語言模型與目標檢測這種八竿子打不著的領域之間會存在關聯性嗎 ？Hinton團隊的最新工作Pix2Seq對此進行了探索，它將目標檢測問題轉換成了語言模型問題，并在COCO數據集上取得了與DETR相當甚至更優性能 。好大的腦洞！

Abstract

本文提出了一種簡單而通用框架Pix2Seq用于目標檢測，不同于已有顯式集成先驗知識的方案，我們將目標檢測任務轉換成了基于觀測像素輸入的語言模型任務 。關于目標的描述(比如邊框、類別)將被描述為離散token序列，我們訓練了一個神經網絡去感知圖像并生成期望的序列。

該方法主要基于這樣的直覺：如果神經網絡知道目標在哪、目標是什么，那么我們僅需要教它如何進行解析 。除了實用任務相關數據增廣外，該方法對任務做了最小假設，相比高度優化的檢測方案，所提方法在COCO數據集上取得了極具競爭力的結果。

原文地址：目標檢測的 “盡頭” 竟是語言建模？Hinton 團隊提出 Pix2Seq：性能優于 DETR

總結

以上是生活随笔為你收集整理的目标检测的“尽头”竟是语言建模？Hinton团队提出Pix2Seq：性能优于DETR的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。