0
点赞
收藏
分享

微信扫一扫

DETR原理与代码精讲

课程链接:​​​https://edu.51cto.com/course/30220.html​​

Transformer在许多NLP(自然语言处理)任务中取得了领先的成果。 DETR(Detection Transformer)是Facebook提出的基于Transformer的端到端目标检测方法。

DETR使用CNN+Transformer进行图像目标检测,该方法没有NMS后处理步骤、没有anchor。DETR总体思路是把目标检测看成一个set prediction的问题,并且使用Transformer来预测物体边界框的集合。

本课程对DETR的原理与PyTorch实现代码进行精讲,来帮助大家掌握其详细原理和具体实现。 

原理精讲部分包括:Transformer的架构概述、Transformer的Encoder 、Transformer的Decoder、DETR网络架构、DETR损失函数、DETR实验结果和分析。  

代码精讲部分使用Jupyter Notebook对DETR的PyTorch代码进行逐行解读,包括:安装PyTorch、 DETR官方Demo,DETR的hands-on tutorial,DETR的代码精讲(数据准备、Backbone和位置编码、Transformer架构的实现)。

DETR原理与代码精讲_目标检测

举报

相关推荐

0 条评论