transformer目标检测算法有哪些

Transformer 目标检测算法主要有以下几种：

1. DETR (DEtection TRansformer)：使用 Transformer 编码器网络对输入图像进行编码，然后将编码结果传递给 Transformer 解码器网络，生成目标检测框和目标类别。

2. Sparse R-CNN：使用 Transformer 网络对输入特征图进行编码，然后将编码结果传递给 Faster R-CNN 模型，生成目标检测框和目标类别。

3. Deformable DETR：在 DETR 的基础上，使用可变形卷积网络来提取特征并生成检测框，进一步提高检测精度。

4. VoVNet-DET：使用 VoVNet 模型作为编码器来提取图像特征，然后使用 Transformer 解码器网络生成检测框和目标类别。

这些算法都使用 Transformer 模型来编码图像特征或特征图，并使用解码器来生成检测框和目标类别，相比传统的目标检测算法，具有更好的检测精度和更高的运算效率。