清华大学、IDEA研究院联合提出的Grounding DINO，采用了目标检测器DINO的Transformer架构，并借鉴了多模态GLIP的预训练方法，深度融合语言和视觉信息后，可根据文字描述检测任意目标，实现了开集检测性能的重大突破，不仅被ECCV'24成功收录，相关改进也层出不穷，正在超越Faster R-CNN、DETR、YOLOs等闭集检测系列，成为视觉或多模态极具前景的研究方向！
为了帮助大家掌握Grounding DINO，研梦非凡于9月25日晚（周三），邀请了CV资深算法工程师张导师，独家讲解ECCV'24创新工作《Grounding DINO：最强开集目标检测器！》（AI前沿直播课NO.70），从开集与闭集目标检测的关系，到Grounding DINO的研究背景、主要贡献，重点讲解模型结构、训练方法和实验，并详解代码和Demo演示，1节课速通最先进的开集目标检测器，get论文改进和求职面试知识点！
👇🏻扫描二维码找助教0元预约直播课！
凡预约即可免费领取200篇目标检测精选论文&代码（开集目标检测/YOLO系列/顶会收录等）
9.25直播课内容概览
01 Grounding DINO基本信息
ECCV2024收录论文、开源代码 Grounding DINO 1.5等版本更新
02 开集与闭集目标检测器的关系
闭集目标检测器：只能检测预先定义的类别对象 开集目标检测器：可以检测指定的任意对象，在闭集检测器中引入语言特征
03 Grounding DINO的特点
以DINO为基础，基于Transformer的检测器 Transformer架构的优势分析 无需使用NMS等模块，支持端到端训练 提出了图像-语言特征深度融合的方案 零样本基准测试中刷新记录
👇🏻扫描二维码找助教0元预约直播课！
凡预约即可免费领取200篇目标检测精选论文&代码（开集目标检测/YOLO系列/顶会收录等）
04 Grounding-DINO的总体结构（重点）
双编码器-单解码器架构
组成部分 具体原理
特征增强模块
多个特征增强器层 可变形自注意力模块 GLIP启发下图像-文本的交叉注意模块
语言引导的查询选择 跨模态解码器
跨模态查询的传递 与DINO解码器层相比，额外的文本跨注意层
子句级文本特征
句子级表示与词级表示的局限性 子句级表示的创新
05 训练方法和实验
损失函数
回归损失、分类损失
训练变体 完成任务
任务1：COCO数据集闭集目标检测 任务2：零样本迁移 任务3：在RefCOCO数据集上进行指代对象检测
可视化检测结果 将Grounding DINO和Stable Diffusion应用于图像编辑
06 代码&Demo演示（重点）
👇🏻扫描二维码找助教0元预约直播课！
凡预约即可免费领取200篇目标检测精选论文&代码（开集目标检测/YOLO系列/顶会收录等）
研梦非凡科研论文指导
<<< 左右滑动见更多 >>>
全程1v1论文辅导扫码咨询助教
研梦非凡部分导师介绍
这是一支实力强大的高学历导师团队，在计算机科学、机器学习、深度学习等领域，积累了丰富的科研经历，研究成果也发表在国际各大顶级会议和期刊上，在指导学员的过程中，全程秉持初心，坚持手把手个性化带教。包括但不限于以下导师～
<<< 左右滑动见更多 >>>
扫码加助教为你匹配合适课题的大牛导师
