发现与 Deformable Detr 相关的最受欢迎的开源项目和工具，了解最新的开发趋势和创新。
开放式MMLab目标检测工具箱和基准测试
基于PaddlePaddle的目标检测工具包。它支持目标检测、实例分割、多目标跟踪和实时多人关键点检测。
这个资源库提供了关于最先进计算机视觉模型和技术的全面教程集合。您可以学习从ResNet等基础架构到YOLOv11、RT-DETR、SAM 2、Florence-2、PaliGemma 2和Qwen-2.5VL等尖端模型的各种内容。
一份关于视觉Transformer/注意力机制的全面论文列表，包含论文、代码和相关网站链接。
收集一些关于视觉Transformer的论文。视觉Transformer在计算机视觉领域（CV）的应用非常棒。
一款非官方早期版本的YOLOv7，它结合了Transformer和实例分割技术，并支持TensorRT加速！
专注于改进YOLO系列目标检测模型（包括YOLOv5、YOLOv7、YOLOv8、YOLOv10、YOLOv11、YOLOv12）以及RT-DETR模型。支持改进模型的骨干网络、颈部网络、头部网络、损失函数、IoU计算、非极大值抑制（NMS）等模块。
RF-DETR是由Roboflow开发的一个实时目标检测模型架构，采用Apache 2.0许可证发布。
D-FINE：将DETR的回归任务重新定义为细粒度分布细化 [ICLR 2025 聚焦论文]
这是ICLR 2023会议论文“DINO：用于端到端目标检测的改进去噪锚框DETR”的官方实现代码。
Detrex是一个研究平台，用于基于DETR的目标检测、分割、姿态估计和其他视觉识别任务。
近期一些基于Transformer的计算机视觉研究论文列表
【CVPR 2025】DEIM：改进匹配以实现快速收敛的DETR
可变形注意力视觉Transformer库（CVPR2022）及DAT++：具有可变形注意力的空间动态视觉Transformer
这是ICCV 2021会议（口头报告）上发表的论文《用于解释双模态和编码器-解码器Transformer的通用注意力模型可解释性》的官方PyTorch实现。这是一种可视化任何基于Transformer网络的新方法，包含了DETR和VQA的示例。
飞桨实现的YOLO系列目标检测模型，包括PP-YOLOE+、RT-DETR、YOLOv5、YOLOv6、YOLOv7、YOLOv8、YOLOv10、YOLO11、YOLOX、YOLOv5u、YOLOv7u、YOLOv6Lite、RTMDet等等。
CVPR 2022 大会口头报告论文《DN-DETR》的官方实现代码
《DAB-DETR：动态锚框是DETR更好的查询》论文的ICLR 2022官方实现代码
基于Transformer的目标检测无监督预训练方法UP-DETR（发表于TPAMI 2022 & CVPR 2021口头报告）
少量样本目标检测的Meta-DETR模型：PyTorch官方实现（发表在T-PAMI 2022）
