计算机视觉和深度学习中的query(queries)(查询索引）

在计算机视觉和深度学习的上下文中，特别是在目标检测任务中，"queries" 通常指的是一组预定义的位置或特征点，它们用于与图像特征图（feature maps）中的特征进行交互，以预测目标的类别和位置（边界框）。

在 DETR（DEtection TRansformer）模型中，"queries" 是一种特殊的概念，它们是 Transformer 网络中的一系列可学习的嵌入向量，用于目标检测任务。这些 queries 通过与编码器（encoder）输出的特征图进行交叉注意力（cross-attention）机制的交互，来预测图像中的目标。

具体来说，在 DETR 模型中：

- **编码器（Encoder）**：处理输入图像，生成特征图，这些特征图包含了图像的语义信息。
- **解码器（Decoder）**：包含一系列 queries，这些 queries 用于与编码器的特征图进行交互，以预测目标的类别和边界框。

每个 query 可以被视为一个潜在的目标位置，模型需要通过学习确定哪些 queries 对应于实际的目标，并预测这些目标的类别和边界框。这个过程不依赖于传统的区域提议（region proposal）网络或锚点（anchor）系统，而是直接在模型的预测头（prediction head）中生成目标的预测。

换句话说就是：目标候选框，然后根据这些候选框的分数来进行选取目标框