我们已经为您准备好复现该模型所需的环境,您可以创建实例、一键复用哦!

模型的使用文档涵盖模型所需环境、模型简介以及复现模型的具体步骤。模型效果和模型详细来源可以点击论文地址和模型来源链接查看哦~

DETR

2022-06-11 model:detr-ubuntu18.04-cuda11.1.1-cudnn8-python3.8-pytorch1.8.0-new

模型标签
目标检测

模型简介

模型介绍: DETR将对象检测作为直接集合预测问题。与传统的计算机视觉技术不同,它由基于集合的全局损耗(通过二分匹配强制进行唯一预测)和Transformer编码器-解码器架构组成。给定一小组固定的学习对象查询,DETR 推理对象和全局图像上下文的关系,以直接并行输出最终的一组预测。由于这种并行性质,DETR非常快速和高效。官方论文:https://arxiv.org/pdf/2005.12872.pdf


  1. 使用方法

  2. 模型来源


1. 使用方法

1.1. 准备数据集

在终端,在root/detr-main(默认)路径下,运行以下命令:

cd ../..
# 进入根目录
cp -r datasets/coco2017 ../../user-data
# 将复现所需的公开数据集复制到指定文件夹下

1.1. 模型推断

在终端,进入root/detr-main(默认)路径下,运行以下命令:

python inference.py --batch_size 2 --no_aux_loss --eval --resume detr-r50-e632da11.pth --coco_path /user-data/coco2017/

1.2. 模型训练

在终端,进入root/detr-main(默认)路径下,运行以下命令:

python main.py

1.3. 模型测试

在终端,进入root/detr-main(默认)路径下,运行以下命令:

python test.py --batch_size 2 --no_aux_loss --eval --resume detr-r50-e632da11.pth --coco_path /user-data/coco2017/

2. 模型来源

https://github.com/facebookresearch/detr