密集检测、无锚检测与集合预测
概念解释
密集检测器在特征网格上预测候选框，锚框方法以预设参考框回归偏移，无锚方法可预测中心点或边界距离。DETR 一类集合预测方法则使用查询与一对一匹配学习目标集合，训练目标包含类别与定位误差。
核心方法与条件
检查特征步长、标签分配和目标尺寸是否匹配。密集预测需要处理大量背景样本，例如 Focal Loss 用 (1−pₜ)ᵞ 降低易分类样本的权重；集合预测需要理解查询数量和匹配策略。
例题或应用
一个 8×8 像素目标，在步长 32 的特征图上边长只有 0.25 个网格，在步长 8 时为 1 个网格。这解释了保留高分辨率特征的动机，但并不保证小目标一定可检出。
常见易错点
无锚不等于没有后处理，也不等于消除了尺度问题；集合预测与密集检测的配置不能机械互换。比较效果时还要固定输入分辨率、训练数据和计算预算。
自检
请尝试不用原文解释“密集检测、无锚检测与集合预测”解决什么问题，再设计一个属于“目标检测与分割”的实例，并说明适用条件和判断依据。