你将收获

掌握DETR原理

掌握DETR的PyTorch实现代码

适用人群

希望学习DETR(Detection Transformer))原理与PyTorch实现代码的学员

课程介绍

Transformer在许多NLP(自然语言处理)任务中取得了最先进的成果。 DETR(Detection Transformer)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anchorDETR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、TransformerEncoder TransformerDecoderDETR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 NotebookDETRPyTorch代码进行逐行解读,包括:安装PyTorchDETR官方DemoDETRhands-on tutorialDETR的代码精讲(数据准备、Backbone和位置编码、Transformer架构的实现)。

课程内容

相关课程: 

Transformer原理与代码精讲(PyTorch)》https://edu.csdn.net/course/detail/36697

Transformer原理与代码精讲(TensorFlow)》https://edu.csdn.net/course/detail/36699

ViTVision Transformer)原理与代码精讲》https://edu.csdn.net/course/detail/36719

DETR原理与代码精讲》https://edu.csdn.net/course/detail/36768

Swin Transformer实战目标检测:训练自己的数据集》https://edu.csdn.net/course/detail/36585

Swin Transformer实战实例分割:训练自己的数据集》https://edu.csdn.net/course/detail/36586

Swin Transformer原理与代码精讲》 https://download.csdn.net/course/detail/37045

课程目录

讨论留言

正在加载中...