swin和crossformer在自己数据集上表现不佳,有针对小目标改进的吗?
Transformer用于小目标检测有哪些文献或者方法?
detrex 是一个开源工具箱,提供最先进的基于 Transformer 的检测算法。它建立在[Detectron2 之上](https://link.zhihu.com/?target=https%3A//github.com/facebookresearch/detectron2),其模块设计部分借鉴了[MMDetection](https://link.zhihu.com/?target=https%3A//github.com/open-mmlab/mmdetection)和[DETR](https://link.zhihu.com/?target=https%3A//github.com/facebookresearch/detr)。
## 主要特点
* **模块化设计。** detrex 将基于 Transformer 的检测框架分解为各种组件,帮助用户轻松构建自己的定制模型。
* **最先进的方法。** detrex 提供了一系列基于 Transformer 的检测算法,其中[DINO以](https://link.zhihu.com/?target=https%3A//arxiv.org/abs/2203.03605)**63.3mAP**达到了类 DETR 模型的 SOTA !
* **便于使用。** detrex 的设计**轻巧**且易于用户使用:
* [LazyConfig System](https://link.zhihu.com/?target=https%3A//detectron2.readthedocs.io/en/latest/tutorials/lazyconfigs.html)提供更灵活的语法和更简洁的配置文件。
* 从detectron2lazyconfig_train_net.py修改的[轻量级](https://link.zhihu.com/?target=https%3A//github.com/facebookresearch/detectron2/blob/main/tools/lazyconfig_train_net.py)训练[引擎](https://link.zhihu.com/?target=https%3A//github.com/IDEA-Research/detrex/blob/main/tools/train_net.py)
除了 detrex,还发布了一个[很棒的检测 Transformer](https://link.zhihu.com/?target=https%3A//github.com/IDEA-Research/awesome-detection-transformer)仓库,展示了关于 Transformer 进行检测和分割的论文。
了解一下
看一下吧