Loading... 源码链接: https://github.com/facebookresearch/detr 论文链接: https://arxiv.org/abs/2005.12872 视频讲解: https://www.bilibili.com/video/BV1GB4y1X72R ## 前言 DETR首次将Transformer用于目标检测工作, 与以往检测方法(proposal-based, anchor-based, non-anchor-based)不同的点在于, DETR 将目标检测视为一种直接的集合预测问题。它由一种基于集合的全局损失组成,通过二分图匹配强制进行唯一预测。给定一组固定的学习对象查询(解码器部分输入, 数量作为超参, 默认100, ),DETR 通过推理对象之间的关系和全局图像上下文,直接输出最终的预测集合(之前的方法普遍还需要nms之类的后处理, 这块需要调参选定合适的阈值, 且实际部署阶段计算耗时占比不低)。由于这种并行性质,DETR 非常快速和高效。 网络架构如图所示: * 为什么backbone没有直接使用vit而是cnn, 因为这个工作出来时候较vit更早 ![Refer to caption](https://zoe.red/usr/uploads/2024/04/319191658.png) ## 代码解读 https://nicehuster.github.io/2022/07/24/DETR%E4%BB%A3%E7%A0%81%E8%A7%A3%E8%AF%BB/ [MMDet——DETR源码解读](https://zhuanlan.zhihu.com/p/520263755) THE END 本文作者:将夜 本文链接:https://zoe.red/2024/440.html 版权声明:本博客所有文章除特别声明外,均默认采用 CC BY-NC-SA 4.0 许可协议。 最后修改:2024 年 04 月 07 日 © 允许规范转载 赞 如果觉得我的文章对你有用,请随意赞赏