RT‑DETR 系列发展时间顺序

🕒 RT‑DETR 系列发展时间顺序

RT‑DETR 系列是由百度提出的一系列基于 Transformer 的实时端到端目标检测器，以下列出了从提出到演化的主要 milestone：

---

📌 时间线概览

版本	时间	主要改进 / 特点
DETR	2020–05（论文） oai_citation:0‡labellerr.com oai_citation:1‡arxiv.org	Transformer 架构首次用于端到端检测，无需 NMS
RT‑DETR	2023–04（CVPR′24 接收） ()	实时 DETR，混合 Encoder + IoU-aware 初始化，RTX‑T4 上可达 108 FPS（R50/53.1 AP）
RT‑DETRv2	2024–07（arXiv 发布） ()	优化训练策略（Bag‑of‑Freebies）、解耦多尺度、部署友好改动
RT‑DETRv3	2024–09（arXiv 发布） ()	引入 Dense Positive Supervision、Self‑Attention Perturbation，增强训练密度，R18 AP 提升约 1.6 %

---

🔍 版本亮点解析

1. DETR（2020）
   突破传统两阶段结构，提出 bipartite matching + transformer decoder，实现 NMS-free 结构 oai_citation:2‡arxiv.org。

2. RT‑DETR（2023/2024）

   • 混合 Encoder：高效处理多尺度特征
   • IoU-aware query selection：提高初始化质量
   • 实时解码：RTX‑T4 上 RT‑DETR‑R50 达 108 FPS、53.1 AP；R101 可达 74 FPS、54.3 AP oai_citation:3‡arxiv.org。

3. RT‑DETRv2（2024‑07）

   • Bag‑of‑Freebies：训练增强策略
   • 解耦多尺度采样、离散采样优化，提升训练与部署效率 oai_citation:4‡developers.arcgis.com。

4. RT‑DETRv3（2024‑09）

   • Dense Positive Supervision：CNN + Transformer 双分支监督
   • Attention Perturbation：提升 query 表达能力
   • 性能提升明显（如 R18 AP 提升 1.6%） oai_citation:5‡arxiv.org oai_citation:6‡openaccess.thecvf.com。

---

✅ 总结

RT‑DETR 代表了 Transformer 检测器向实时性能发展的趋势，通过一系列工程和训练优化，实现了比主流 YOLO 系列更优的速度–精度平衡。最新的 RT‑DETRv3 在训练统一性上继续深入，是当前端到端检测的先进方向。