DETR 为什么可以简化目标检测的pipeline？

DETR可以简化目标检测pipeline的原因在于它完全基于注意力机制来实现目标检测任务，而不需要使用传统的two-stage或one-stage检测框架。DETR使用Transformer来实现注意力机制，因此可以直接将图像的特征图和目标类别之间建立对应关系。这种方法可以使得DETR端到端地进行目标检测任务，无需手动设计anchor或使用其他手工制作的prior box，避免了复杂的框架设计和调试过程。同时，DETR还使用了一种类别嵌入方法，将类别信息之间的关联性考虑在内，可以更好地进行预测。此外，DETR还采用了多尺度特征图和自适应采样策略，可以处理多尺度目标并保证检测精度[^2]。