前言

由于最近研究DETR目标检测，但是发现官方给的代码缺少了predict文件，于是自己写了一个，但是写代码的过程中也想到了一些问题，比如DETR没有采用NMS，该如何避免预测框重叠。总之按照论文方法简单实现了一下DETR的predict。

一、DETR的predict实现过程
由于只是测试用，仅仅简单实现了一下，有其他需要的可以自己更改，过程比较简单，就是加载训练权重，图像预处理送入网络进行前传，对得到的pre-logits和box进行处理得到类别cls和box坐标，最后将其画出来就可以了。

二、使用步骤

1.更改官方detr中308行的类别数

目标数是多少类就改为多少类，对于官方的coco数据集来说是91类，背景为no-object类

2.根目录加入检测文件

加载类别文件txt，输入大小自定，目前只支持w=h，否则检测框不准，需要更改的自己修改，懒得找问题了。
运行predict文件进行检测，需要输入图像位置
效果如下
没有进行NMS和置信度筛选，框比较乱，需要可以进一步修改。

总结

对比yolo检测结果，发现对遮挡物的效果DETR更加优秀。yolo检测如下
需要留邮箱。