目标检测SOTA模型DEIM详解

 前言

超越D-FINE和RT-DETRv3的最新模型DEIM，基于RT-DETR和D-FINE基线代码进行创新，提出了两个创新点。从论文中的效果图中可观察到，模型收敛速度更快并且效果更好。（代码也简单，可用于DETR系列实验提点）

论文地址：https://arxiv.org/pdf/2412.04234

代码地址：https://github.com/ShihuaHuang95/DEIM

本文主要分析该文章提出的创新点，及其为什么work。

主要创新点

论文主要提出两个点 Dense O2O 密集一对一匹配和MAL (Matchability Aware Loss)匹配感知损失

1、Dense O2O 密集一对一匹配

为什么需要它：

        DETR系列的一个主要限制是收敛速度较慢，部分原因在于其采用的一对一（O2O）匹配策略，每个目标仅对应一个正样本，导致监督信号稀疏，影响模型的有效学习。