2025-6-28

今天主要是把detr的代码基本看完，还剩下transformer代码、matcher代码都应该比较好啃。

看代码的过程中，一开始看：我趣这么牛x，so elegant！现在开始逐渐看懂了。

下一步就是自己仿照着开始搭积木了。

现在目前有个问题就是：我原先想的是backbone=ViT的架构，现在想来这不现实。因为ViT说实话还是基于transfomer的架构，真没必要把这个单独拎出来、后面还是使用的transformer。

一般来说如果backbone是vit的话，感觉会是做知识蒸馏的比较多？教师-学生模型这样。

现在还是决定改成各种残差网络好了:conv4/resnet12/resnet50/resnet101...

哦对差点忘了，还要看一下当前最新的论文，都是怎么改进的？

以及目前最新的基于VLM做OD的是否有相关的paper了？等等。