# 端到端檢測

YOLOS是基於視覺Transformer（ViT）的目標檢測模型，採用DETR損失訓練，在COCO數據集上表現優異。

DAB-DETR是一種改進的DETR目標檢測模型，通過動態錨框查詢機制顯著提升訓練收斂速度和檢測精度

RT-DETR是首個即時端到端目標檢測器，通過高效混合編碼器和查詢選擇機制實現超越YOLO系列的速度與精度平衡

RT-DETR是首個即時端到端目標檢測器，通過高效混合編碼器和不確定性最小化查詢選擇機制，在COCO數據集上達到53.1% AP，108 FPS的性能。

首個即時端到端目標檢測器，通過混合編碼器和查詢選擇機制實現無NMS的高效檢測

條件檢測變換器(DETR)模型，通過條件交叉注意力機制加速訓練收斂，適用於目標檢測任務

RT-DETR是首個即時端到端目標檢測Transformer模型，通過高效混合編碼器和查詢選擇機制實現高速高精度檢測

基於DETR架構的交通場景目標檢測模型，在facebook/detr-resnet-50基礎上微調

基於facebook/detr-resnet-50在COCO數據集上微調的目標檢測模型

基於Transformer架構的端到端目標檢測模型，結合ResNet-101特徵提取器

YOLOS是一種基於視覺Transformer（ViT）的目標檢測模型，通過DETR損失訓練，在COCO數據集上達到42 AP的性能。

DETR是基於Transformer架構的端到端目標檢測模型，採用ResNet-50作為骨幹網絡，在COCO數據集上訓練，支持目標檢測和全景分割任務。

基於facebook/detr-resnet-50模型，在Beyond Words數據集上微調的目標檢測模型