从一次诡异的漏检说起
上周调试RT-DETR时遇到个怪事：同一个目标在连续帧里时隐时现，像在玩捉迷藏。明明特征提取网络输出稳定，解码器参数也没动，怎么目标就“闪烁”起来了？
盯着TensorBoard里的loss曲线看了半天，发现分类loss平稳但回归loss有规律地跳动——问题出在查询选择环节。
传统的DETR系列模型随机初始化查询向量，让模型自己学。RT-DETR搞了个创新：让编码器直接推荐候选查询。
想法很妙，但实现细节里藏了不少魔鬼。今天咱们就扒开IoU感知查询选择这层皮，看看里面到底怎么运作的。
查询选择：从盲猜到有据可依
先看旧版DETR怎么干的。100个查询向量，随机初始化，扔给解码器。解码器头几年得像无头苍蝇一样摸索：“哦，这个查询大概负责检测大物体，那个查询盯小目标”。训练收敛慢得让人想砸键盘。
RT-DETR聪明了：“既然编码器已经看到了整张图，干嘛不让它直接告诉我们哪里可能有目标？”于是有了查询选择机制。编码器输出特征图，每个位置预测4个值：是否是前景（分类分数）+ 框的位置（xywh）。然后按分类分数排序，挑前N个作为候选查询。
听起来合理对吧？但这里有个坑：分类分数高的框，位置不一定准。我见过分类置信度0.9的框，IoU只有0.3。这种查询扔给解码器，解码器都得懵：“你让我优化个啥？这框离真实目标八丈远！”
IoU感知：让分数说真话
所以RT-DETR-R50之后的版本加了“IoU感知”。不是简单预测分类分数，而是预测分类分数
