RT-DETR/README_cn.md

简体中文 | English

RT-DETR

文章"DETRs Beat YOLOs on Real-time Object Detection"和"RT-DETRv2: Improved Baseline with Bag-of-Freebies for Real-Time Detection Transformer"的官方实现.

Fig

最新动态

• 发布RT-DETRv2系列模型
• 发布RT-DETR-R50, RT-DETR-R101模型
• 发布RT-DETR-R50-m模型（scale模型的范例）
• 发布RT-DETR-R34, RT-DETR-R18模型
• 发布RT-DETR-L, RT-DETR-X模型

代码仓库

• 🔥 RT-DETRv2
  • paddle: code&weight
  • pytorch: code&weight
• 🔥 RT-DETR
  • paddle: code&weight
  • pytorch: code&weight

简介

RT-DETR是第一个实时端到端目标检测器。具体而言，我们设计了一个高效的混合编码器，通过解耦尺度内交互和跨尺度融合来高效处理多尺度特征，并提出了IoU感知的查询选择机制，以优化解码器查询的初始化。此外，RT-DETR支持通过使用不同的解码器层来灵活调整推理速度，而不需要重新训练，这有助于实时目标检测器的实际应用。RT-DETR-R50在COCO val2017上实现了53.1%的AP，在T4 GPU上实现了108FPS，RT-DETR-R101实现了54.3%的AP和74FPS，在速度和精度方面都优于相同规模的所有YOLO检测器。使用Objects365预训练之后, RT-DETR-R50 和 RT-DETR-R101 分别实现了 55.3% 和 56.2% AP的精度. 若要了解更多细节，请参考我们的论文paper.

引用RT-DETR

如果需要在你的研究中使用RT-DETR，请通过以下方式引用我们的论文：

@misc{lv2023detrs,
      title={DETRs Beat YOLOs on Real-time Object Detection},
      author={Yian Zhao and Wenyu Lv and Shangliang Xu and Jinman Wei and Guanzhong Wang and Qingqing Dang and Yi Liu and Jie Chen},
      year={2023},
      eprint={2304.08069},
      archivePrefix={arXiv},
      primaryClass={cs.CV}
}

@misc{lv2024rtdetrv2improvedbaselinebagoffreebies,
      title={RT-DETRv2: Improved Baseline with Bag-of-Freebies for Real-Time Detection Transformer}, 
      author={Wenyu Lv and Yian Zhao and Qinyao Chang and Kui Huang and Guanzhong Wang and Yi Liu},
      year={2024},
      eprint={2407.17140},
      archivePrefix={arXiv},
      primaryClass={cs.CV},
      url={https://arxiv.org/abs/2407.17140}, 
}