【文件属性】：
文件名称：DETR:使用变压器进行端到端物体检测-开源
文件大小：237KB
文件格式：ZIP
更新时间：2021-08-07 08:51:36
开源软件
PyTorch 训练代码和 DETR（检测转换器）的预训练模型。 我们用 Transformer 替换了完全复杂的手工对象检测管道，并将 Faster R-CNN 与 ResNet-50 匹配，使用一半的计算能力 (FLOP) 和相同数量的参数在 COCO 上获得 42 个 AP。 50 行 PyTorch 中的推理。 这是什么。 与传统的计算机视觉技术不同，DETR 将目标检测作为直接集预测问题来处理。 它由一个基于集合的全局损失和一个 Transformer 编码器-解码器架构组成，它通过二分匹配强制进行独特的预测。 给定一组固定的学习对象查询集，DETR 会推理对象和全局图像上下文的关系，以直接并行输出最终的预测集。 由于这种并行特性，DETR 非常快速和高效。
【文件预览】：
facebookresearch-detr-14602a7
----models()
--------matcher.py(4KB)
--------segmentation.py(15KB)
--------__init__.py(143B)
--------position_encoding.py(3KB)
--------backbone.py(4KB)
--------transformer.py(12KB)
--------detr.py(16KB)
----run_with_submitit.py(3KB)
----main.py(11KB)
----engine.py(6KB)
----.github()
--------ISSUE_TEMPLATE()
--------CONTRIBUTING.md(2KB)
--------CODE_OF_CONDUCT.md(244B)
--------DETR.png(172KB)
----Dockerfile(328B)
----tox.ini(65B)
----test_all.py(4KB)
----LICENSE(11KB)
----requirements.txt(207B)
----.gitignore(189B)
----.circleci()
--------config.yml(636B)
----d2()
--------train_net.py(5KB)
--------configs()
--------detr()
--------README.md(2KB)
--------converter.py(3KB)
----README.md(11KB)
----util()
--------box_ops.py(3KB)
--------plot_utils.py(4KB)
--------misc.py(13KB)
--------__init__.py(71B)
----hubconf.py(6KB)
----datasets()
--------transforms.py(8KB)
--------coco.py(5KB)
--------coco_panoptic.py(4KB)
--------__init__.py(897B)
--------panoptic_eval.py(1KB)
--------coco_eval.py(9KB)