如何學(xué)習(xí)基于Tansformer的目標(biāo)檢測算法

視覺感知算法的核心在于精準(zhǔn)實(shí)時地感知周圍環(huán)境，以便下游更好地進(jìn)行決策規(guī)劃，而目標(biāo)檢測任務(wù)就是視覺感知的基礎(chǔ)。不僅在自動駕駛領(lǐng)域，在機(jī)器人導(dǎo)航、工業(yè)檢測、視頻監(jiān)控等領(lǐng)域，目標(biāo)檢測都有著廣泛應(yīng)用，也是近年來理論研究的熱點(diǎn)。作為計(jì)算機(jī)視覺中的基礎(chǔ)算法，目標(biāo)檢測對后續(xù)的人臉識別、目標(biāo)跟蹤、實(shí)例分割等任務(wù)都起著至關(guān)重要的作用。

基于深度學(xué)習(xí)的卷積學(xué)習(xí)網(wǎng)絡(luò)（CNN）在目標(biāo)檢測任務(wù)上取得了優(yōu)越的性能，例如FasterRCNN、YOLO系列、CenterNet等等，也在實(shí)際應(yīng)用中實(shí)現(xiàn)了成功部署和使用。自Transformer在2017年被提出之后，無論是自然語言處理領(lǐng)域，還是計(jì)算機(jī)視覺 (CV)、強(qiáng)化學(xué)習(xí) (RL)、生成對抗網(wǎng)絡(luò) (GAN)、語音處理甚至是生物學(xué)領(lǐng)域，Transformer都大放異彩。而在目標(biāo)檢測領(lǐng)域中，視覺Transformer不僅可以實(shí)現(xiàn)2D檢測、3D檢測，還可以實(shí)現(xiàn)多模態(tài)檢測，BEV視角下的檢測，性能也非常出色。 因此，掌握Transformer相關(guān)知識和工程基礎(chǔ)成為了企業(yè)招聘算法工程師的一個技能要求點(diǎn)，也是簡歷上的一個加分項(xiàng)。

然而，想要掌握基于Transformer的目標(biāo)檢測算法，有以下3個難點(diǎn)：

理解Transformer背后的理論基礎(chǔ)，比如自注意力機(jī)制（self-attention）, 位置編碼（positional embedding），目標(biāo)查詢（object query）等等，網(wǎng)上的資料比較雜亂，不夠系統(tǒng)，難以通過自學(xué)做到深入理解并融會貫通。

掌握基于Transformer的目標(biāo)檢測算法的思路和創(chuàng)新點(diǎn)，一些Transformer論文涉及的新概念比較多，話術(shù)沒有那么通俗易懂，讀完論文仍然不理解算法的細(xì)節(jié)部分。

Transformer代碼不易看懂，因?yàn)樽饔脵C(jī)制與CNN有不少差別，所以完全理解代碼并實(shí)踐應(yīng)用需要花費(fèi)很大功夫。

那么如何學(xué)習(xí)基于Tansformer的目標(biāo)檢測算法呢？

課程「目標(biāo)檢測中的視覺Transformer」正是幫助各位同學(xué)解決以上這些難點(diǎn)，不僅為大家詳細(xì)講解視覺Transformer的基礎(chǔ)知識，還有各種經(jīng)典的基于Transformer的目標(biāo)檢測算法，還配有代碼解讀和實(shí)踐課程，讓大家真正活學(xué)活用，理解和掌握這些知識理論。

實(shí)踐部分

責(zé)任編輯：彭菁