OpenCV与AI深度学习 | 提升小水果检测效果：基于块技术的零样本RT-DETR与YOLO-WORLD

本文来源公众号“OpenCV与AI深度学习”，仅用于学术分享，侵权删，干货满满。

原文链接：提升小水果检测效果：基于块技术的零样本RT-DETR与YOLO-WORLD

    本文主要分成两个部分。首先，我们将深入研究RT-DETR和YOLO-WORLD模型。然后，我们将继续讨论基于补丁的技术，如SAHI和其他类似方法。最后，我将总结一下检测效果。

    现在我们先来谈谈 RT-DETR 以及它为什么如此酷！

RT-DETR：实时端到端物体检测器

    lyuwenyu/RT-DETR：[CVPR 2024] 官方 RT-DETR (RTDETR paddle pytorch)，实时检测变压器，DETR 在实时物体检测上击败 YOLO。🔥 🔥 🔥

https://github.com/lyuwenyu/RT-DETR?tab=readme-ov-file

    创建 RT-DETR 的研究人员希望开发一种超快速的物体检测系统，能够非常准确地识别图像中的物体。他们研究了两种主要方法：

    1. DETR模型——这些模型非常酷，因为它们可以检测物体而不需要非最大抑制等一系列额外步骤。但问题是它们的计算成本很高，因此运行速度很慢。

    2. YOLO模型——以速度