深度学习项目之RT-DETR训练自己数据集

1.模型介绍

📌 什么是 RT-DETR ？

RT-DETR（Real-Time Detection Transformer） 是百度和视觉学界联合提出的一种端到端实时目标检测方法，是DETR 系列的加速优化版。

它解决了原始 DETR（2020） 推理慢、收敛慢的问题，让 Transformer-based 检测器能在实时速率下工作，同时保持高精度。

📖 核心改进点

📊 结构示意

🌱 下图是简化结构

输入图像
   │
Backbone（ResNet/ConvNext）
   │
Neck（多层特征）
   │
精简 Transformer Encoder
   │
Group DETR Head（查询式）
   │
匈牙利匹配 (训练时)
   │
直接输出预测结果 (无需NMS)

🎯 RT-DETR 优势

✅ 实时速率，接近 YOLOv8 的 FPS
✅ 端到端，不用NMS、anchor
✅ 精度高，尤其是遮挡、细粒度目标表现优异
✅ 支持多种backbone（ResNet50、ResNet101、ConvNeXt）
✅ 高效、轻量，适合工程部署

⚠️ RT-DETR 缺点

⚠️ 对硬件要求较高（特别是显存）
⚠️ 动态查询 Head 复杂，不如 YOLO 系列直观
⚠️ 小目标场景需微调特征提取策略

📈 应用场景

📦 智能制造缺陷检测
📦 智慧城市交通分析
📦 卫星遥感小目标检测
📦 实时安全监控

📑 论文 & 官方仓库

• 📖 论文：RT-DETR: Real-Time Detection Transformer
• 📦 仓库：PaddleDetection-RT-DETR

2.模型框架

##3.数据集配置

# Ultralytics 🚀 AGPL-3.0 License - https://ultralytics.com/license

# COCO128 dataset https://www.kaggle.com/datasets/ultralytics/coco128 (first 128 images from COCO train2017) by Ultralytics
# Documentation: https://docs.ultralytics.com/datasets/detect/coco/
# Example usage: yolo train data=coco128.yaml
# parent
# ├── ultralytics
# └── datasets
#     └── coco128  ← downloads here (7 MB)


# Train/val/test sets as 1) dir: path/to/imgs, 2) file: path/to/imgs.txt, or 3) list: [path/to/imgs1, path/to/imgs2, ..]

train: /root/DATA/backup/images/train #
val: /root/DATA/backup/images/val

# Classes
names:
  0: person
  1: bicycle
  2: car
  3: motorcycle
  4: airplane
  5: bus
  6: train
  7: truck
  8: boat
  9: traffic light
  10: fire hydrant
  11: stop sign
  12: parking meter
  13: bench
  14: bird
  15: cat
  16: dog
  17: horse
  18: sheep
  19: cow
  20: elephant