facebookresearch detr

Facebook Research的DETR（Detected Transformers，检测变压器）是一种基于Transformer架构的计算机视觉模型，主要用于目标检测任务。它在2020年首次提出，作为一种新颖的无区域提议方法，跳过了传统的候选区域生成步骤，如R-CNN系列模型那样。DETR通过直接将图像像素输入到Transformer网络中，利用自注意力机制来定位和识别物体，并预测其类别。这种设计简化了模型结构，提高了效率，但也需要大量的计算资源。

DETR的主要特点是：
1. **端到端**：从头到尾处理整个任务，不需要复杂的预处理阶段。
2. **单一解码器**：只有一个统一的解码器负责同时生成目标的精确位置和类别。
3. **逐词解码**：每个目标对应Transformer中的一个编码，解码过程类似自然语言处理中的自动机。

尽管DETR在某些基准上取得了显著的进步，但它也存在一些挑战，比如对于大规模数据集的训练需求较高，以及对于复杂场景下小目标的识别能力还有待提升。