在DocLayNet数据集上训练的可变形DETR模型，用于文档布局分析中的目标检测任务，达到57.1的box mAP指标。

使用可变形检测变换器架构，在包含1203个类别的LVIS数据集上训练的目标检测模型

可变形DETR是一种基于Transformer的目标检测模型，通过边界框优化和两阶段检测实现端到端训练，适用于COCO数据集。

可变形DETR是一种端到端的目标检测模型，结合了Transformer架构和可变形卷积的优势，在COCO数据集上实现了高效的目标检测。

可变形检测变换器（Deformable DETR）单尺度模型，专为目标检测任务设计，采用端到端训练方式，在COCO 2017数据集上表现优异。

可变形DETR是一种端到端的目标检测模型，结合了Transformer架构和可变形卷积的优势，在COCO数据集上训练而成。

可变形DETR是一种端到端目标检测模型，使用Transformer架构和可变形注意力机制改进检测性能。