【深度学习】计算机视觉（CV）-目标检测-DETR（DEtection TRansformer）—— 基于 Transformer 的端到端目标检测

1.什么是 DETR？

DETR（DEtection TRansformer） 是 Facebook AI（FAIR）于 2020 年提出的 端到端目标检测算法，它基于 Transformer 架构，消除了 Faster R-CNN、YOLO 等方法中的 候选框（Anchor Boxes） 和 非极大值抑制（NMS） 机制，使目标检测变得更简单、高效。

论文：End-to-End Object Detection with Transformers

---

2.DETR 的核心特点

• 基于 Transformer 进行目标检测，摆脱了 CNN 传统的 Anchor 机制
• 端到端训练，无需像 Faster R-CNN 额外使用 RPN 进行候选框生成
• 全局注意力机制（Self-Attention），可以建模远距离依赖关系，提高检测精度
• 自动去重，不需要 NMS 后处理步骤
• 适用于复杂场景，如密集目标检测

---

3.DETR 的工作流程