【Transformer Based Cls&Det】Transformer系列分类和检测网络原理和源码讲解导航

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.

你可能感兴趣的:(#,Transformer,Based,Cls&Det,transformer,DETR,分类和检测,源码讲解)