detr

DETR 是一个基于 Transformer 架构的端到端目标检测模型，摒弃传统两阶段（如 Faster R-CNN）或单阶段（如 YOLO、SSD）中复杂的非极大值抑制（NMS）和锚点设计，直接通过集合预测与二分图匹配输出最终检测结果。其核心采用 Transformer 编码器-解码器结构，结合固定数量可学习对象查询，实现并行化、全局上下文感知的检测推理；在 COCO 数据集上达到 42.0 AP，计算量（FLOPs）约为 Faster R-CNN 的一半。适用于需简化检测流程、强调模型可解释性与端到端训练的研究场景，以及对 NMS 敏感或需强全局建模能力的实际应用。