完全基于Transformer的目標檢測器，ICLR匿名論文視覺、檢測統一_ETR

機器之心報道

編輯：陳萍

一種新的集成視覺和檢測Transformer的目標檢測器ViDT。

Transformer在NLP任務中取得不錯的發展，許多研究將其引入到計算機視覺任務中。毫不夸張的說，Transformer正在改變計算機視覺的格局，尤其是在識別任務方面。例如Detectiontransformer是第一個用于目標檢測的、端到端的學習系統，而visiontransformer是第一個完全基于transformer的圖像分類架構。在本文中，一篇被ICLR2022接收的匿名論文集成了視覺和檢測Transformer(VisionandDetectionTransformer，ViDT)來構建有效且高效的目標檢測器。

ViDT引入了一個重新配置的注意力模塊，將SwinTransformer擴展為一個獨立的目標檢測器，之后是一個計算高效的Transformer解碼器，該解碼器利用多尺度特征和輔助技術，在不增加計算負載的情況下提高檢測性能。

dYdX創始人：v4版本代碼將完全開源，不包含任何商業版權許可:6月16日消息，dYdX創始人Antonio Juliano發推稱，dYdX v4將完全開源，不包含任何商業版權許可，任何人都可以隨意使用代碼。

此前消息，Uniswap也宣稱將開源v4版本，以進行公開構建，但社區普遍認為因Uniswap通過BSL對v4版本代碼進行了為期四年的商業版權保護，因此算不上是真正的開源。[2023/6/17 21:42:53]

在MicrosoftCOCO基準數據集上的評估表明，ViDT在現有的完全基于transformer的目標檢測器中獲得了最佳的AP和延遲權衡，其對大型模型的高可擴展性，可達49.2AP。

論文地址：https://openreview.net/pdf?id=w4cXZDDib1H

ViDT：視覺與檢測Transformer

Bitbuy獲得監管批準成為“完全注冊交易運營商”后擬于2022年1月13日下架XRP:金色財經報道，據加密貨幣交易平臺Bitbuy最新消息，XRP將于2022 年1月13日被下架，包括XRP/CAD和XRP/BTC交易對都會從其平臺刪除。12月初，Bitbuy獲得了安大略省證券委員會 (OSC) 的批準，成為“完全注冊交易運營商”。對于本次下架XRP原因，Bitbuy表示“他們必須遵循 OSC 的指導方針來決定某種加密貨幣是否可以歸類為證券，同時也要考慮國際監管機構的意見。”今年年初，由于圍繞XRP的監管不確定性，包括 Coinbase、Kraken、Binance.US 和其他交易平臺都停止了相關交易服務。[2021/12/14 7:37:59]

ViDT架構如下圖2(c)所示：

首先，ViDT引入了一種改進的注意力機制，名為ReconfiguredAttentionModule(RAM)，該模塊有助于ViT變體處理附加的和token以進行目標檢測。因此，ViDT可以將最新的帶有RAM的SwinTransformer主干修改為目標檢測器，并利用其具有線性復雜度的局部注意力機制獲得高可擴展性；

聲音 | 鄧建鵬：基于中國特殊優勢 中國完全有可能推出與Libra類似的體系:8月10日，證券日報刊發中央財經大學法學院教授鄧建鵬的文章《Libra的潛在風險與中國應對之策》，文章表示，針對Libra未來可能的風險與沖擊，筆者認為，中國應及時作出合理應對。如果中國能充分利用現有優勢，未來有可能把中國打造成世界領先的支付和數字貨幣體系，并在此基礎上形成新的金融基礎設施和生態場景。為此，以往的監管思維要適當調整，避免“一刀切”政策，轉向包容審慎。在國際上，現在已經有成熟的監管沙盒機制；在國內，自1978年以后則有非常成熟的試點機制。發行穩定幣，打通數字經濟，占據新經濟領域已是趨勢。參考英國監管沙盒與中國試點機制，監管機構授權某些互聯網企業，鼓勵其嘗試在限定的地理空間發幣，探索局部市場與風險防范等各種成熟經驗；探討穩定幣的對接與標準化機制；治理同步跟進，除反洗錢與外匯管制之外，還應關注諸如客戶隱私保護問題，穩定幣運行安全問題，個人數據權益保護的問題等。如果能夠通過上述穩定幣的發行試點，在設定時間內，由監管機構謹慎評估其風險，在風險可控的前提下，再把它推向市場與全世界。筆者認為，基于中國特殊優勢，中國完全有可能推出與Libra類似的體系。[2019/8/10]

其次，ViDT采用輕量級的無編碼器neck架構來減少計算開銷，同時仍然在neck模塊上啟用額外的優化技術。請注意，neck編碼器是不必要的，因為RAM直接提取用于目標檢測的細粒度表示，即token。結果，ViDT獲得了比neck-free對應物更好的性能；

動態 | 新第三方審計報告顯示USDC完全由美元支持:Circle在其官方博客發布了最新的由獨立會計師事務所Grant Thornton（致同會計師事務所）審計的USDC儲備報告。報告指出，截至2019年3月31日11:59（UTC），已發行及流通246586876 USDC，托管賬戶中持有246590714美元，截至報告發布時，已發行和未發行的USDC代幣總額不超過托管賬戶中所持有的美元余額。[2019/4/20]

最后，該研究引入了用于知識蒸餾的token匹配新概念，它可以在不影響檢測效率的情況下從大型模型到小型模型帶來額外的性能提升。

RAM模塊

該研究引入了RAM模塊，它將與和token相關的單個全局注意力分解為三個不同的注意力，即×、×和×注意力。如圖3所示，通過共享和token的投影層，全部復用SwinTransformer的所有參數，并執行三種不同的注意力操作：

金色財經現場報道，萬向區塊鏈首席技術官：完全沒有中心是沒有效率的:在新金融100人主題論壇上，金色財經現場報道，在新金融100人主題論壇上，萬向區塊鏈首席技術官羅榮閣表示，完全沒有中心是沒有效率的，而中心化卻存在壟斷，通過點對點加共識算法的多中心化才能符合解決博弈主體之間所存在的問題。[2018/4/27]

ENCODER-FREEneck結構

為了利用多尺度特征圖，ViDT結合了多層可變形transformer解碼器。在DETR家族中，其neck部分需要一個transformer編碼器，用于將從骨干中提取的用于圖像分類的特征轉換為適合目標檢測的特征；編碼器通常在計算上很昂貴，因為它涉及×注意力。然而，ViDT只保留了一個Transformer解碼器作為其neck，因為帶有RAM的SwinTransformer直接提取適合目標檢測的細粒度特征作為獨立的目標檢測器。因此，ViDT的neck結構在計算上是高效的。

解碼器從帶有RAM的SwinTransformer接收兩個輸入：從每個階段生成的token從最后階段生成的token，如圖2(c)的Neck所示。在每個可變形的transformer層中，首先執行×注意力。對于每個token，應用多尺度可變形注意力以生成一個新的token，聚合從多尺度特征圖

中采樣的一小組關鍵內容：

用于目標檢測的token匹配知識蒸餾

雖然大型模型具有實現高性能的高容量，但在實際使用中它的計算成本可能很高。因此，該研究還提出了一種簡單的知識蒸餾方法，可以通過token匹配從大型ViDT模型中遷移知識。

匹配每一層的所有token在訓練中非常低效，因此，該研究只匹配對預測貢獻最大的token。兩組token直接相關：P：用作多尺度特征圖的token集合，由body中的每個階段生成，D：token的集合，它們是從neck的每個解碼層生成的。因此，基于token匹配的蒸餾損失公式為：

評估

表2將ViDT與DETR(ViT)和YOLOS的AP、FPS等進行了比較，其中DETR(ViT)有兩個變體：DETR和DeformableDETR。

實驗結果表明：ViDT實現了AP和FPS之間的最佳權衡。憑借其高可擴展性，其性能優于1億個參數的Swin-base，在相似的AP的下，FPS比DeformableDETR快2倍。此外，ViDT參數為16M，得到40.4AP，比DETR(swin-nano)和DETR(swin-tiny)高分別高6.3AP、12.6AP。

表3對比了不同空間位置編碼與ViDT的結果。結果表明：pre-addition比post-addition帶來的性能提升更高，即sinusoidalencoding優于learnable編碼；因此，正弦空間編碼的2D歸納偏置在目標檢測中更有幫助。特別是，與不使用任何編碼相比，使用正弦編碼的預加法將AP增加了5.0。

表4總結了使用不同選擇策略進行交叉注意力時的AP和FPS，其中SwinTransformer總共包含四個階段。有趣的是，只要在最后階段激活交叉注意力，所有策略都表現出相似的AP。由于在各個階段中以自下而上的方式提取特征，因此在低級別階段很難直接獲得有關目標對象的有用信息。因此，研究者想要獲得較高的AP和FPS，只使用最后階段是最好的設計選擇，因為token的數量最少。

為了徹底驗證輔助解碼損失和迭代框細化的有效性，該研究甚至對YOLOS等neck-free檢測器進行了擴展。表5顯示了兩種neck-free檢測器YOLOS和ViDT(w.o.Neck)性能。實驗結果證明在ViDT中使用Neck解碼器來提高目標檢測性能是合理的。

下圖表明：教師模型的規模越大，學生模型的收益越大。從系數來看，系數值越大，性能越好。模型蒸餾將AP提高了1.0-1.7，而不會影響學生模型的推理速度。

研究者將所有提議的組件結合起來，以實現目標檢測的高精度和速度。如表8所示，有四個組件：(1)RAM將SwinTransformer擴展為獨立的目標檢測器，(2)neck解碼器利用多尺度特征和兩種輔助技術，(3)從大模型中獲益知識蒸餾，(4)解碼層drop進一步加快推理速度。結果表明：當使用Swin-nano作為其主干時，它僅使用13M參數就達到了41.7AP和合理的FPS。此外，當使用Swin-tiny時，它僅損失了2.7FPS而表現出46.4AP。

Tags：DETETRRAMDET幣是什么幣ETR價格ETR幣RAM幣RAM價格

fil幣價格今日行情