D-FINE

D-FINE 是一种面向 DETR 类目标检测模型的回归任务改进方法，将边界框回归重新定义为细粒度分布精化过程，通过建模预测坐标在连续空间中的概率分布提升定位精度。其核心采用可学习的分布参数化与渐进式精化机制，在保持实时性的同时显著提升小目标和密集场景下的检测性能；技术上兼容主流 DETR 变体（如 Deformable-DETR），支持端到端训练且无需额外后处理。适用于对定位鲁棒性要求较高的自动驾驶、工业质检及遥感图像分析等视觉感知任务。