摘要：本文提出RT-DETR，首个基于Transformer的实时端到端目标检测器。通过高效混合编码器（解耦尺度内交互与跨尺度融合）和不确定性最小化查询选择方法，在COCO数据集上以108FPS达到53.1%AP，超越同类YOLO模型。RT-DETR消除了NMS带来的计算不稳定性和超参数敏感性，支持灵活调整解码器层数以适应不同应用场景，为实时检测提供了新范式。（148字）

本文提出Consistent-Teacher方法，解决半监督目标检测中伪标签不一致性问题。传统方法使用教师模型生成伪标签训练学生模型时，存在边界框震荡、分类回归错位、固定阈值不适应等问题。Consistent-Teacher通过三个创新模块系统性地解决这些不一致性：(1)自适应锚点分配(ASA)动态匹配最优锚点，稳定训练目标；(2)3D特征对齐模块(FAM-3D)协调分类和回归特征，提高伪标签质量

论 文 题 目【AAAI 2025】 【HS-FPN: High Frequency and Spatial Perception FPN for Tiny Object Detection】论文作者：Zican Shi， Jing Hu, Jie Ren，Hengkang Ye, Xuyang Yuan, Yan Ouyang, Jia He ，Bo Ji,Junyu Guo发表平台:arXiv