目录

• 前言
• 一、Transformer理论
• 二、分类模型
• 三、检测模型
• • 3.1、DETR
  • 3.2、Deformable DETR

前言

最近在整理研究生期间看过的一些论文和源码，主要是检测这一块。后续会把我看过的代码按照Anchor Based Detection、Anchor Free Detection和Transformer Based Cls&Det三大类进行讲解。

这里主要是Transformer Based Cls&Det，介绍一些这两年大火的Transformer理论、分类模型以及检测模型等。目前已讲解完的Transformer Based 的Cls&Det：Transformer、ViT、DETR、Deformable DETR。

后续讲解计划：

• DAB DETR
• DN DETR
• H-Deformable DETR
• DINO
• Swin Transformer v1
• Swin Transformer v2

一、Transformer理论

• 【Transformer专题】一、Attention is All You Need（Transformer入门）.
• 【Transformer 相关理论深入理解】注意力机制、自注意力机制、多头注意力机制、位置编码.

二、分类模型

• 【Transformer专题】Vision Transformer（ViT）原理 + 代码.

三、检测模型

3.1、DETR

• 【DETR 论文解读】End-to-End Object Detection with Transformer.
• 【DETR源码解析】一、整体模型解析.
• 【DETR源码解析】二、Backbone模块.
• 【DETR源码解析】三、Transformer模块.
• 【DETR源码解析】四、损失计算和后处理模块.

3.2、Deformable DETR

• 【Deformable DETR 论文+源码解读】Deformable Transformers for End-to-End Object Detection.