【RT-DETR实战】RT-DETR目标检测算法深度改进与优化实战（132）：目标检测领域前沿追踪笔记

一、深夜调参时的一个诡异现象昨晚在实验室跑RT-DETR-R50的蒸馏训练，验证集mAP卡在43.7%死活上不去。明明论文里基线是44.5%，我的数据增强策略还更激进些。盯着TensorBoard的loss曲线看了半小时，突然发现query的匹配权重在epoch 30后开始震荡——这个细节在原始论文的消融实验里根本没提。于是翻出DETR系列最近三个月的arxiv预印本，在Google Scholar上顺着引用链往下挖，终于在一篇韩国团队的技术报告里找到线索：他们发现RT-DETR的跨尺度特征融合模块在训练后期会出现梯度竞争，导致query优化陷入局部最优。解决方法简单到让人想笑：把FFN层的初始化标准差从0.02改成0.01。# 原始实现（有隐患）self.ffn=nn.Linear(d_model,d_ff)nn.init