NLP领域的transformer模型竟然也可以使用到计算机视觉任务上？

上期图文教程，我们分享了DETR模型，一个使用transformer模型的对象检测任务模型

此模型是Facebook发布的基于Transformer模型的端对端对象检测任务模型-- DETR（detect Transformer模型）。DETR模型首先使用CNN卷积神经网络搜集图片的核心特征点，然后把这些特征点整合起来，通过embedding方法，把特征图片转换到特征向量空间。然后根据标准Transformer模型的编码器与解码器进行注意力机制的计算，最后把计算后的数据进行图片对象的分类，并根据检测到的位置信息，提供对象box区域，方便我们画图。

上期教程，我们分享了如何使用TorchHub集成的DETR模型来进行对象检测任务，本期我们介绍一下如何使用hugging face集成的DETR模型进行对象检测任务。