Hiera是一个层次化视觉变换器，专注于视觉任务，优化性能并避免不必要的复杂性。

Residual Attention是一种简单但有效的多标签识别方法，利用残差注意机制，能够在多标签任务中表现出色。

一个将Transformers与YOLO及其他单阶段检测器(SSD)结合的深度学习框架，提供高性能推理和便捷的CLI接口。支持D-FINE等先进模型，具备视频流推理、自动分布式训练等特性。适用于需要transformer增强的目标检测任务，提供Python API和Docker部署支持。

CMT是一个结合卷积神经网络和视觉变换器优势的项目，旨在提升图像分类和目标检测的性能，具有广泛的应用前景。

FP-DETR是一个通过全预训练提高目标检测准确性的检测变换器。

计算机视觉Recipes项目提供了计算机视觉领域的最佳实践、丰富的代码示例和详细的相关文档，支持多种计算机视觉任务，如图像分类、目标检测等，旨在帮助开发者快速上手并实现各类计算机视觉功能。

GroupMixFormer是一种高效神经网络架构，基于Group-Mix Attention机制，旨在显著提升各种视觉任务的性能，特别是在图像分类、目标检测和语义分割等领域。