论文：End-to-End Object Detection with Transformers

论文详解地址：

论文地址：https://arxiv.org/abs/2005.12872

项目地址：https://github.com/facebookresearch/detr

 方法一

1.下载项目压缩，pycharm打开

2.配置所需环境

 在pycharm上新建conda虚拟环境（我的detr-main）

打开Anaconda Prompt 激活环境detr-main,输入安装

conda install -c pytorch pytorch torchvision

 如果不好使的的话，就单独安装(一般pytorch需要到官方网站找命令安装),详情不再赘述，电脑要有VisualStdio2015。

然后

conda install cython scipy

再然后

pip install -U 'git+https://github.com/cocodataset/cocoapi.git#subdirectory=PythonAPI'

提示无效字符

pip install 

 (可选择)

pip install git+https://github.com/cocodataset/panopticapi.git

结果如图

安装完成后

3.下载数据集和模型

3.1数据集

数据集下载网站：http://cocodataset.org.

数据太大了，下载中！！

方法二：使用Google Colab运行

网站：detr_demo.ipynb - Colaboratory (google.com)

 第一步：配置环境 

下载模型

用DETR计算预测结果
我们刚刚加载的预训练的DETR模型已经在80个COCO类上进行了训练，类指数从1到90不等。在下面的单元中，定义从类指数到名称的映射。

 DETR使用标准的ImageNet归一化，并以[xcenter,ycenter,w,h]格式的相对图像坐标输出框，其中[xcenter,ycenter]是边界框的预测中心，而w,h是其宽度和高度。因为坐标是相对于图像维度的，位于[0,1]之间，所以我们将预测值转换为绝对图像坐标和[x0,y0,x1,y1]格式，用于可视化。

进行转置

放入检测函数：

 利用DETR进行检测

下载图片

结果