detr和swin-transformer

DETR是一种端到端的目标检测器，它不需要使用任何手工制作的区域提议或者特征图金字塔。DETR采用了注意力机制来对整个图像进行编码，并将其转换为一组固定大小的对象表示。然后，该算法使用一种基于注意力机制的解码器来预测每个对象的类别和位置。DETR的主要优点是简化了传统目标检测流程，使得训练和推理更加高效和直观。

而Swin Transformer是一种新型的Transformer结构，它通过交错分组卷积和通道随机重排来解决了传统Transformer对于大尺寸输入的计算瓶颈问题。Swin Transformer在图像分类、目标检测等计算机视觉任务上表现出色，并在ImageNet数据集上获得了最佳结果。