【RT-DETR实战】 138、DETR系列改进最新论文解读：当DETR遇上DINO与DAB-DETR

从一次深夜调试说起

上周在部署RT-DETR到边缘设备时遇到个怪现象：同一个目标在视频连续帧中时而检出时而消失，边界框轻微抖动。

传统NMS后处理参数调了半天没根本解决，突然意识到——这可能是DETR系列框架的“二分图匹配”机制在实时视频流里的固有波动。

于是重新翻开DINO和DAB-DETR的论文，发现这两篇工作早就针对这类问题给出了更优雅的解法。

DAB-DETR：把Anchor Box概念请回Transformer

最初DETR完全抛弃Anchor，用可学习的位置查询（learnable query）做目标定位，虽然简洁但训练收敛慢，小目标检测也不稳定。

DAB-DETR（ICLR 2022）做了个聪明的折中：让每个查询显式对应一个四维坐标 (x, y, w, h)，其实就是把Anchor以另一种形式请回来了。

# 伪代码示意：DAB-DETR的查询初始化# 传统DETR的查询是纯向量，这里直接绑定空间坐标classDABQuery(