# Transformer视觉模型

DAB-DETR是一种改进的DETR模型，通过动态锚框作为查询，显著提升了目标检测的性能和训练效率。

Vision Transformer（ViT）是一种基于Transformer架构的图像分类模型，通过在ImageNet-21k和ImageNet数据集上进行预训练和微调，实现了高效的图像识别能力。