DETR

DETR(DEtection TRansformer)은 객체 탐지를 직접적인 집합 예측 문제로 다루는 모델로, 이분 매칭으로 고유 예측을 강제하는 집합 기반 전역 손실과 트랜스포머 인코더-디코더 구조로 이뤄진다. 학습된 소수의 객체 쿼리로 객체 간 관계와 이미지 전체 맥락을 추론해 최종 예측을 병렬로 낸다. ResNet-50 기반에서 Faster R-CNN과 같은 COCO 42 AP를 절반의 연산량으로 낸다고 밝힌다. 저장소는 PyTorch 학습 코드와 사전학습 모델, Colab 노트북, Detectron2 래퍼를 제공한다.

• 트랜스포머 인코더-디코더 기반 엔드투엔드 객체 탐지
• 이분 매칭 기반 집합 손실
• COCO 42 AP(ResNet-50, Faster R-CNN 대비 절반 연산량)
• PyTorch 50줄로 추론
• DETR·DETR-DC5 사전학습 모델(Model Zoo)
• Detectron2 래퍼 제공

오픈소스(무료, 가중치/코드 공개)

오픈소스 라이선스로 무료 공개되며 자체 호스팅 시 별도 비용 없음(클라우드 API 형태 제공 시 사용량 과금)

AI 지식 기반 추정 - 공식 사이트 확인 권장

• 멀티모달 및 인지 분야 AI 22개 가운데 하나예요.
• 다른 도구와 연결된 수 7개 — 같은 분야에서 1위예요.