关于AIFI层的设计、IOU感知查询、关于解码器的设计等存在一些疑惑

[lcx_defender]

1.关于AIFI层的设计
假设现在对极小目标进行检测（大小只占整个图片1%左右），如果去掉AIFI层，对于小目标检测影响大不大？

2.IOU感知查询
Detr存在的问题是object queries是随机的值，导致训练时间长，难以收敛等，IOU感知查询本质是对对象查询初始化的优化处理，消融实验表明IOU感知查询确实有效果，那么还有别的更好都地设计么，如果将AIFI层的输出，选择前K个“有用的小格子”作为对象查询向量的初始化，会不会有更好的效果？

3.关于解码器的设计
4层解码器和6层解码器相比，对于检测效果来说差别不是很大，但是推理速度有差别，为什么？是因为4层足够提取有用信息么？

4.现有的RT-DETR的架构设计，计算量的瓶颈在哪里，是骨干网还是特征融合模块的设计，还是最后的解码器？

5.在相同的软硬件条件下，YOLOV8l在我的目标检测数据集上效果不如rtdetr-l，但是推理速度要快很多，为什么？这个和论文里面NMS拖慢目标检测的速度好像不符合啊

6.RT-DETR-HGNetv2-X的pt权重文件哪里可以获取？

[Wenyu]

1. 具体没单独关注 需要试验验证，( 高层次语义关系特征或许是有助于小物体检测
2. 需要先定义什么是 “有用的小格子”
3. 试验结果证明是这样的 ( 有边际效应
4. 现在相对均衡，主要耗时在 骨干网 解码器
5. 请先理解我们在文章中定义的端到端速度 ( 保证是在竞品报告的coco上精度的条件下的超参数去测速度
6. 暂时没有 有需要可以计划转一个