转眼间，自DETR被提出已经过去了2年了，如今又迎来了2023年，可以说，这是Transformer框架在CV领域发力的第3个年头了。时至今日，对Transformer的质疑声越来越小了，它的强大得到了越来越多、越来越广泛的认可。可以说，如今的CV领域，Transformer已经和CNN是各分半壁江山了。

现如今，目标检测技术继DETR的高潮后，又进入到了一个相对平稳的发展期，短时间内可能也看不到重要的突破了，更多的是在进一步挖掘现有工作的性能和可能性，比如近期爆火的Segment Anything（SAM），其网络结构就是常见的ViT结构搭配上Prompt技术等，没有花里胡哨的东西，但表现出的性能是极其不俗的。

1、paddledetection

基于paddledetection得rtdetr得输出结果，

2、ultralytics

对比两者输出。。其实ultralytics得第二幅图那个truck其实还有个输出 car ...就是多检出一个，但是框得大小基本一致。

3、TensorRT 的输出对比

paddledetection导出的onnx:

 

ultralytics导出得onnx:

 

tensorrt输出对比：

                       paddle                                                                 ultralytics

 

 使用rtdetr-x.onnx进行推理的时候就可以看到了。多个框，，，置信度掉的好严重。。。