DETR复现: 复现了 Facebook AI 团队在2020年发表的论文《 End to End Object Detection with Transformers》，简称DETR模型，官方源码只提供训练评估源码，在此基础上我加入了预测代码，现完整代码已跑通，开源使用，仅供学习。
上面是所有的代码，大家可自取。
1.首先下载好官方的源码，加上我上面链接 Gitte 里的几个.py 文件， 在pycharm里打开。
2.配置自己的环境，包括 cuda，包等等，具体见文件 requirement，需要注意有两个 加载 Coco 数据集的包一般不好装，我将包放在了 Gitte 上面的链接里面，终端里面运行 setup.py 就可以
3.下载coco数据集，下载完成之后可以下载 subset.py 生成自己下采样 coco数据集用于训练（原数据集太大，推荐 1% 采样），或者用labelme制作自己的数据集。
4.修改权重，先在官方 github 下载 resnet50 模型，然后下载我 Gitte 里 weight.py，只需修改两个参数 一个 resnet50 的.pth 文件，一个自己数据集类别数，若是下采样则就写 92。然后生成自己的权重文件.pth
5.开始训练，Facebook AI 团队训练了 300 个 epoch，这里推荐修改 为 100，修改自己数据集位置 train2017 和 val2017 以及标注文件的路径，修改自己权重文件路径，开始训练， 训练完成之后会在output生成自己的训练模型 check 什么文件，记住他的路径。
5.将predict.py文件放入主文件里，调整自己下采样的coco数据集路径，训练模型路径，预测图像路径，保存图像路径，我写的预测文件可批处理图像。
这个是我手机上编辑的，所以没放图片，代码里面需要修改的地方我都加了注释，参考文章里面也都有，大差不差，下面有我训练完成的录屏，大家有问题可以评论区讨论以及私信，看见就会回复。
参考文章：
DETR训练自己的数据集-CSDN博客
【DETR】训练自己的数据集-实践笔记_detr训练量_暮已深的博客-CSDN博客
windows10复现DEtection TRansformers（DETR）并实现自己的数据集_detr复现-CSDN博客
DERT 模型复现视频
