Anchor DETR训练自己的数据集

DETR（Detection with TRansformers）是一种基于transformer的端到端目标检测方法，与传统的目标检测方法不同，它不需要使用anchor。Anchor是一种预定义的边界框，用于目标检测中的候选区域生成。而DETR通过将目标检测任务转化为一个集合问题，直接将输入图像的像素映射到目标和背景的集合上进行检测。

关于如何训练自己的数据集的问题，你可以参考引用中提到的《DETR(Detection with TRansformers)训练自己的数据集-实践笔记&问题总结》这篇文章，在其中可以找到训练自己数据集的具体步骤和问题总结。

首先，你需要准备好自己的数据集。你可以下载已经制作好的NWPUVHR数据集，该数据集包含了十种类别的目标。然后，你需要配置相应的环境，生成.pth文件，并进行参数修改。最后，你可以进行训练，评估和预测。

在训练过程中可能会遇到一些bug，比如KeyError: 'area'错误。对于这些bug，你可以在引用中找到对应的解决方法。

总之，使用DETR训练自己的数据集需要进行数据准备、环境配置、参数修改、训练、评估和预测等步骤。你可以参考引用中的实践笔记文章来进行具体操作。<span class="em">1</span><span class="em">2</span><span class="em">3</span><span class="em">4</span>