RT-DETR实时端到端目标检测器

RT-DETR（Real-Time DEtection TRansformer）是一种新型的实时端到端目标检测器，由百度公司的研究者提出。这项工作首次实现了在实时目标检测任务中不依赖于后处理（如非极大值抑制NMS）的端到端检测器。

RT-DETR的主要特点包括：
实时性能：RT-DETR能够在保持高准确性的同时，实现实时的检测速度。例如，RT-DETR-L在COCO val2017数据集上达到了53.0%的平均精度（AP）和114 FPS（每秒帧数）的性能，而RT-DETR-X则达到了54.8%的AP和74 FPS。
无需后处理：与现有的实时目标检测器相比，RT-DETR不需要依赖于NMS等后处理步骤，这减少了推理延迟并提高了检测速度。
高效的混合编码器：为了处理多尺度特征并提高计算效率，RT-DETR设计了一个高效的混合编码器，它通过解耦内部尺度交互和跨尺度融合来处理不同尺度的特征。
IoU感知的查询选择：RT-DETR提出了一种IoU感知的查询选择机制，通过在训练过程中引入IoU约束，为解码器提供更高质量的初始对象查询，从而提高检测性能。
灵活的推理速度调整：RT-DETR支持通过使用不同数量的解码器层来灵活调整推理速度，而无需重新训练，这使得模型能够适应不同的实时场景。