DETR（DEtection TRansformer）是一种基于Transformer架构的端到端目标检测模型，其主要流程包括：
1. 特征提取：通过卷积神经网络提取输入图像的特征。
2. Transformer编码器：将特征图输入Transformer编码器，利用自注意力机制和全连接层获取位置的上下文信息。
3. 对象查询：引入特殊的“对象”查询向量，指导模型在每个位置关注的对象类别。
4. 解码器：将Transformer编码器的输出作为解码器的输入，通过多层自注意力计算和全连接层计算生成每个位置的对象特征。
5. 对象匹配：将对象特征与所有可能的目标类别进行匹配，产生候选框和得分。
6. 位置预测：为每个候选框产生精确的位置预测。
DETR简化了目标检测流程，无需使用锚框或非极大值抑制，直接输出目标检测结果
2024-04-08 14:47:10
942KB
1
个人使用DETR训练自己的COCO格式数据集的应用案例时，使用的代码。
> - 基于DETR的人脸伪装检测
https://blog.csdn.net/FriendshipTang/article/details/131670277
2023-09-25 15:31:28
147.62MB
1
DETR的介绍ppt，适用与课堂讲解，组会等。但本身内容没有写的特别详细，想要完全理解，最好配合一些其他资料。
推荐：B站：看李沐学AI 中有很多论文讲解视频，非常推荐
2022-11-05 09:07:52
3.69MB
1
DETR 官方只提供了训练代码，没有提供测试程序，网上也很少有用的教程，这个detr-test可以用来测试自已训练的图片，只需要导入自已的权重文件，加载图片，就可以显示出检测框和标签名
2022-06-22 09:09:16
2KB
1
DETR- End-to-End Object Detection with Transformers (Paper Explained)，来自需要你懂得的网站视频，生肉版本。
2022-05-11 14:42:04
127.43MB
1
Deformable DETR 模型的两个官方权重文件：
r50_deformable_detr_plus_iterative_bbox_refinement_plus_plus_two_stage-checkpoint.pth
r50_deformable_detr_plus_iterative_bbox_refinement-checkpoint.pth
2022-05-04 12:06:22
837.75MB
1