關(guān)于DETR相關(guān)的實(shí)踐在之前的文章中很詳細(xì)地介紹過，感興趣的話可以自行移步閱讀即可：
《DETR (DEtection TRansformer)基于自建數(shù)據(jù)集開發(fā)構(gòu)建目標(biāo)檢測模型超詳細(xì)教程》
《書接上文——DETR評(píng)估可視化》
基于MSTAR雷達(dá)影像數(shù)據(jù)開發(fā)構(gòu)建目標(biāo)檢測系統(tǒng)，在我前面的文章中也有過實(shí)踐，主要是基于YOLO系列的模型開發(fā)的模型，感興趣的話可以自行移步閱讀即可：
《基于YOLOv7開發(fā)構(gòu)建MSTAR雷達(dá)影像目標(biāo)檢測系統(tǒng)》
《基于yolov5n的輕量級(jí)MSTAR遙感影像目標(biāo)檢測系統(tǒng)設(shè)計(jì)開發(fā)實(shí)戰(zhàn)》
本文的主要目的是想要基于DETR這一新穎的檢測范式來開發(fā)構(gòu)建MSTAR數(shù)據(jù)的目標(biāo)檢測系統(tǒng)，首先看下效果圖：
?基于DETR開發(fā)訓(xùn)練自有數(shù)據(jù)集的超詳細(xì)教程可以參考上面的博文，這里就不再贅述了。
數(shù)據(jù)集實(shí)例如下所示：
?轉(zhuǎn)化處理后數(shù)據(jù)集如下所示：
?終端執(zhí)行下面命令即可啟動(dòng)訓(xùn)練：
python main.py --dataset_file "coco" --coco_path "/0000/coco" --epoch 100 --lr=1e-4 --batch_size=32 --num_workers=0 --output_dir="outputs" --resume="weights/detr_r50_11.pth"訓(xùn)練日志輸出如下所示：
訓(xùn)練完成截圖如下所示：
?從評(píng)估指標(biāo)結(jié)果上來看跟YOLO系列的模型還是要相差不少的。
借助于可視化組件，接下來對(duì)訓(xùn)練過程進(jìn)行可視化，如下所示：
?接下來對(duì)精確率、召回率和PR曲線進(jìn)行可視化，如下所示：
【Precision曲線】
精確率曲線（Precision-Recall Curve）是一種用于評(píng)估二分類模型在不同閾值下的精確率性能的可視化工具。它通過繪制不同閾值下的精確率和召回率之間的關(guān)系圖來幫助我們了解模型在不同閾值下的表現(xiàn)。
精確率（Precision）是指被正確預(yù)測為正例的樣本數(shù)占所有預(yù)測為正例的樣本數(shù)的比例。召回率（Recall）是指被正確預(yù)測為正例的樣本數(shù)占所有實(shí)際為正例的樣本數(shù)的比例。
【Recall曲線】
召回率曲線（Recall Curve）是一種用于評(píng)估二分類模型在不同閾值下的召回率性能的可視化工具。它通過繪制不同閾值下的召回率和對(duì)應(yīng)的精確率之間的關(guān)系圖來幫助我們了解模型在不同閾值下的表現(xiàn)。
召回率（Recall）是指被正確預(yù)測為正例的樣本數(shù)占所有實(shí)際為正例的樣本數(shù)的比例。召回率也被稱為靈敏度（Sensitivity）或真正例率（True Positive Rate）。
【PR曲線】
精確率-召回率曲線（Precision-Recall Curve）是一種用于評(píng)估二分類模型性能的可視化工具。它通過繪制不同閾值下的精確率（Precision）和召回率（Recall）之間的關(guān)系圖來幫助我們了解模型在不同閾值下的表現(xiàn)。
精確率是指被正確預(yù)測為正例的樣本數(shù)占所有預(yù)測為正例的樣本數(shù)的比例。召回率是指被正確預(yù)測為正例的樣本數(shù)占所有實(shí)際為正例的樣本數(shù)的比例
?最后實(shí)際推理測試模型的檢測性能，如下所示：
?結(jié)果實(shí)例如下所示：
文章來源：http://www.zghlxwxcb.cn/news/detail-642501.html
?結(jié)果詳情如下所示：文章來源地址http://www.zghlxwxcb.cn/news/detail-642501.html
[["6", 0.9954103827476501, [186, 310, 287, 431]], ["6", 0.9959670305252075, [188, 308, 287, 429]], ["4", 0.999398946762085, [202, 187, 303, 307]], ["8", 0.9981775283813477, [229, 509, 318, 620]]]到了這里，關(guān)于基于DETR (DEtection TRansformer)開發(fā)構(gòu)建MSTAR雷達(dá)影像目標(biāo)檢測系統(tǒng)的文章就介紹完了。如果您還想了解更多內(nèi)容，請?jiān)谟疑辖撬阉鱐OY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！
