目标检测中的回归块：利用V-L模块输出进行框坐标预测

我们利用来自V-L模块的'[REG]'令牌的输出状态作为我们预测头的输入。为了进行框坐标预测，我们将一个回归块附加到'[REG]'令牌上。回归块由具有两个ReLU激活的256维隐藏层和一个线性输出层的MLP实现。预测头的输出是4维框坐标。

原文地址: https://www.cveoy.top/t/topic/ocOK 著作权归作者所有。请勿转载和采集!