摘要

近年来，针对目标检测的自监督预训练方法主要集中在预训练检测器的主干网络（backbone），而忽视了检测架构中其他关键组件。为此，我们提出了一种全新的自监督方法——DETReg，该方法对完整的对象检测网络进行预训练，涵盖目标定位与特征嵌入等核心模块。在预训练阶段，DETReg通过预测对象定位来匹配来自无监督区域建议生成器的定位结果，同时将对应的特征嵌入与自监督图像编码器生成的嵌入进行对齐。我们基于DETR系列检测器实现了DETReg，并在COCO、PASCAL VOC以及Airbus Ship等基准数据集上微调后，均显著优于现有竞争性基线方法。在低数据场景下，DETReg表现出更优的性能，例如在仅使用1%标注数据或少样本学习（few-shot learning）设置下，仍能取得显著提升。