摘要： 本文介绍了检测Transformer（DETR）的最新进展，尤其是在实时物体检测领域的应用。DETR模型在准确性和速度上已经超越了YOLO模型，并且由于其Apache 2.0许可，易于在商业环境中使用和修改。文章详细讨论了DETR的核心概念、关键创新以及如何通过改进如变形注意力、去噪训练和top-k查询选择来实现实时DETR。此外，还比较了D-Fine和RF-DETR等模型与YOLO 11的性能，并分析了它们在不同场景下的优缺点。最后，文章强调了DETR在实时物体检测领域的潜力，并指出其在资源受限环境中的适用性。
讨论： 这段内容主要讨论了YOLO系列模型及其许可问题。thebruce87m提到所有DETR架构都采用Apache 2.0许可，便于商业环境中的采用和修改。bArray指出YOLO系列由Ultralytics开发，代码和权重以AGPL-3.0许可发布，并提到原始作者发布了多种许可的代码。同时，bArray还质疑了Ultralytics创建的模型在法律上的有效性，因为它包含了YOLOv3的代码。_giorgio_则认为文章内容不实，因为YOLO系列有多个版本，每个版本有不同的许可，并认为文章是骗局。
原文标题：Why DETRs are replacing YOLOs for real-time object detection
原文链接：https://blog.datameister.ai/detection-transformers-real-time-object-detection
讨论链接：https://news.ycombinator.com/item?id=46013900