DETR (Detection Transformer)
DETR (Detection Transformer)
DETR(DEtection TRansformer)는 Facebook AI Research(FAIR)가 만든 트랜스포머 기반 객체 검출 모델이에요. 기존 객체 검출의 복잡한 수작업 파이프라인을 트랜스포머 하나로 대체했어요. 학습된 객체 쿼리(object query)와 이분 매칭(bipartite matching) 방식을 써서, 박스 예측을 직접 내놓는 방식이죠.
ResNet-50 백본으로 COCO에서 42 AP를 달성하면서도 Faster R-CNN과 동일한 파라미터 수로 계산량(FLOPs)은 절반으로 줄였다는 게 핵심 성과예요. 추론 코드를 PyTorch로 50줄 안에 간단히 구현할 수 있을 정도로 단순해서, 객체 검출이 분류만큼 쉬워야 한다는 철학을 담았어요. 코드는 Apache 2.0 라이선스예요.
이 카테고리의 문서
- 개요: 세트 예측과 DETR 설계
- 사용법: torch hub와 추론
- 모델 주: DETR·DC5 백본별 성능