transformer目标检测 DETR

（在某些位置上查询有无物体以及类别）

四部分组成：

• 骨干是CNN，输出的特征拉成一维；
• transformer的encoder；
• ransformer的decoder，Object Query，向量形式的anchor；
• FFN，就是由两个全连接层+ReLu激活函数组成。

亮点：位置编码，encoder中加了，decoder中也加了；没用NMS，用的匈牙利匹配；两个注意力自注意力+交叉注意，交叉注意在decoder，object queries做的是qurey；object queries是固定100个；

论文：https://arxiv.org/abs/2005.12872

代码：GitHub - facebookresearch/detr: End-to-End Object Detection with Transformers

翻译论文博客：https://zhuanlan.zhihu.com/p/701507885
https://zhuanlan.zhihu.com/p/366938351