集合预测与二分图匹配

集合预测与二分图匹配

类型 笔记 · 更新 2026-07-20

标签 3d-detection · computer-vision · end-to-end-learning

所属 Query-based 检测与集合预测

核心观点

目标检测可建模为固定大小集合的直接预测：解码器并行输出 N 个预测，再与真值集合做二分图最优匹配（Hungarian），从而去掉 NMS 与手工分配规则。

背景

传统检测器依赖锚框、IoU 阈值与 NMS。训练与推理的后处理不一致，且超参对长尾目标敏感。DETR 把问题改写为 set prediction + matching cost（分类 + 框回归）。

方法要点

1. Object query：可学习的 N 个查询，经 decoder 与图像特征交互。
2. Matching cost：一对一匹配，避免重复预测。
3. 代价：收敛慢、小目标与密集场景更难；后续 deformable attention 等减轻计算与采样负担。

迁移判断

任何「多实例、需去重」的感知头（3D 框、占用实例、规划候选）都可以问：是否在做隐式 set prediction？匹配规则是否与评测一致？

关联

• Query-based 检测与集合预测
• DETR / Deformable DETR 文献笔记

反向链接

• Query-based 检测范式