[LAB 20 · 尺度跨度与两对象匹配](/course/notebooks/9315996660f54e92847770355b648f9e.html)

# 同一组对象换了排列，损失不该凭空变大
[独立阅读](/course/notebook-blocks/6ab1753a596940e5aceba3b7dd7537c5.html)
按问题继续

步幅占格、两对象排列、分类/位置/IoU联合匹配代价

**学习路径：** [一张图怎样变成一组框](/course/study/image-detection.html) · [像素、边界与对象身份](/course/study/pixels-instances.html)。两个入口引用同一份现有材料，不需要重复阅读或运行。

本册只回答两个选读问题，不是 DETR 训练实验。看 [P38 的多尺度表示](/course/pages/l3-r2-p38.html) 时，可查目标在 stride 4/8/16/32 网格中的跨度；看 [P39 的对象身份](/course/pages/l3-r2-p39.html) 时，可查无序对象如何对应。

先看 [尺度跨度](/course/blocks/multiscale-architecture-comparison.html) 或 [由框与概率计算匹配](/course/blocks/set-matching-real-inputs.html)，再修改对应条件。匹配用类别概率、框 L1 与 IoU 构造代价，再穷举两个对象的排列；跨度和匹配解决不同问题。

产出一个判断：交换预测槽顺序后，最小总成本是否不变？为什么小于一格不等于信息必定消失？读完回到 [CLS 08](https://deepnote.com/project/38755e4e-23f6-4f5f-8c68-8a2e4114b1c1/notebook/2d81e2a1936043349eacb71c53c0defa)；完整图像到框学习另见 [LAB 10](https://deepnote.com/project/38755e4e-23f6-4f5f-8c68-8a2e4114b1c1/notebook/a14237bfa9dd413d959ab4e458e11f42)。

## 同一组对象换了排列，损失不该凭空变大

检测输出是对象集合。两个预测slot与两个真值框没有天然同序关系。本例从类别概率、归一化框L1距离与IoU构造成本 Cᵢⱼ=−log pᵢ(cⱼ)+2||bᵢ−gⱼ||₁+(1−IoU)，穷举2!种排列得到最小匹配。系数是教学设定；DETR常用的分类/L1/GIoU组合须按实际实现区分。

前置尺度算例记录16px目标在stride4/8/16/32上对应的连续跨度4/2/1/0.5格，不把0.5格误说为必定完全消失。FPN负责多尺度表示；二分匹配负责输出对应，两者不能相互替代。

本册没有图像编码器或参数训练；真实图像到框的完整链在 [LAB 10](https://deepnote.com/workspace/ise3309jingao-5ba66b0a-4283-4f5a-ae06-3f68d3201e99/project/38755e4e-23f6-4f5f-8c68-8a2e4114b1c1/notebook/a14237bfa9dd413d959ab4e458e11f42?utm_source=openai&utm_medium=mcp&utm_campaign=openaimcp&utm_content=a14237bfa9dd413d959ab4e458e11f42&utm_term=get_notebook)。