全球 AI 聊天室 · 现在 17 人在线 进去聊聊
D
模型 已收录

detr resnet 50

DETR (Detection Transformer) 是由 Facebook 提出的开创性目标检测模型，它彻底改变了传统检测任务对 Anchor（锚框）和 NMS（非极大值抑制）的依赖。该版本采用 ResNet-50 作为骨干网络提取特征，通过 Transformer 的全局注意力机制直接预测目标边界框和类别。对于开发者而言，DETR 将目标检测简化为了一个端到端的集预测问题，极大地简化了后处理流程。虽然其训练收敛速度较慢，但在处理大物体检测和减少冗余框方面具有显著优势，是研究现代视觉 Transformer 的必经之路。

facebookobject-detection
查看模型来源
01 / 模型卡片

模型卡片

DETR (Detection Transformer) 是由 Facebook 提出的开创性目标检测模型，它彻底改变了传统检测任务对 Anchor（锚框）和 NMS（非极大值抑制）的依赖。该版本采用 ResNet-50 作为骨干网络提取特征，通过 Transformer 的全局注意力机制直接预测目标边界框和类别。对于开发者而言，DETR 将目标检测简化为了一个端到端的集预测问题，极大地简化了后处理流程。虽然其训练收敛速度较慢，但在处理大物体检测和减少冗余框方面具有显著优势，是研究现代视觉 Transformer 的必经之路。

模型类型object-detection
提供方facebook
许可状态apache-2.0
02 / 文件与版本

模型文件与版本

模型卡片当前详情页记录的模型说明与元数据
已收录
来源仓库https://huggingface.co/facebook/detr-resnet-50
查看模型来源
版本信息请以来源仓库的最新版本为准
—
03 / 模型下载

下载模型

推荐使用 ModelScope 命令行或 SDK 下载。下载前请先安装 ModelScope，并根据需要选择完整模型、单个文件、SDK 或 Git LFS 方式。

当前条目来源为 Hugging Face；以下命令使用同名 ModelScope 仓库格式，请先确认该仓库在 ModelScope 中可用。 模型仓库: facebook/detr-resnet-50
安装 ModelScope

下载前先安装命令行和 SDK 依赖。

pip install modelscope
命令行下载完整模型库

下载完整模型权重、配置和模型卡片。

modelscope download --model facebook/detr-resnet-50
下载单个文件到指定目录

这里以 README.md 为例，也可以替换为仓库内的其他文件。

modelscope download --model facebook/detr-resnet-50 README.md --local_dir ./dir
SDK 下载

适合在 Python 项目或自动化脚本中使用。

from modelscope import snapshot_download
model_dir = snapshot_download('facebook/detr-resnet-50')
Git 下载

请确保 Git LFS 已正确安装。

git lfs install
git clone https://www.modelscope.cn/facebook/detr-resnet-50.git
跳过 LFS 大文件下载

先获取仓库结构，之后再按需拉取大文件。

GIT_LFS_SKIP_SMUDGE=1 git clone https://www.modelscope.cn/facebook/detr-resnet-50.git
04 / 使用方法

如何使用

  1. 01
    步骤 1

    阅读模型卡片和来源信息。

  2. 02
    步骤 2

    从小型、非敏感任务开始评估。

  3. 03
    步骤 3

    核对输出质量、许可和使用限制。

  4. 04
    步骤 4

    验证通过后再纳入工作流。

05 / 讨论

讨论与反馈

这里保留讨论入口，方便继续核对来源、使用体验和维护状态。

前往来源页面