【RT-DETR实战】079、密集场景检测改进：从漏检到稳定输出的实战调优

问题现场：密集人群中的检测崩溃上周在调试一个商场客流统计项目时，遇到了典型问题：稀疏场景下RT-DETR表现良好，一旦进入节假日高峰期，模型就开始“丢三落四”——明明肉眼可见的人群，检测框要么消失不见，要么重叠混乱。更头疼的是，NMS后处理阶段大量有效目标被误删，输出结果时好时坏，完全达不到商用要求。这个问题在密集检测任务中太常见了。传统检测器依赖NMS剔除重复框，但在人头攒动、肢体交叠的场景里，粗暴的IoU阈值会把真实目标当作冗余框干掉。RT-DETR虽然用Transformer架构避免了NMS，但密集场景下的查询竞争、特征混淆问题依然突出。核心矛盾：查询竞争与特征混淆打开debug工具可视化encoder输出，问题一目了然。在人群密集区域，不同目标的特征响应几乎混在一起，像一锅粥。Decoder的查询机制在分配注意力时出现了“抢人”现象——某个查询可能同时锁定多个目标，而边缘目标则无人问津。# 原始查询初始化方式（问题版本）self.query_embed=nn.Embedding(num_queries