一、从一次诡异的漏检说起上周在部署RT-DETR到边缘设备时，遇到一个让人头疼的问题：同一个目标在画面中移动时，检测框的置信度会莫名其妙地波动。静态测试时mAP挺漂亮，一旦目标连续运动，某些帧的检测结果就会“闪跳”。最初怀疑是后处理NMS的参数问题，调了一整天阈值，效果反而更差。直到把注意力权重可视化出来，才发现问题出在位置编码上——模型对同一物体的位置变化过于敏感，又不够敏感。听起来矛盾吧？敏感是指位置轻微偏移就会导致注意力权重重新分布；不够敏感是指模型缺乏对物体相对位置关系的稳定理解。这恰恰是Transformer结构在视觉任务中的老毛病：缺乏天然的平移等变性。二、绝对位置编码的“死板”原始Transformer的位置编码是固定的正弦曲线，每个位置有个独一无二的编码向量。这在NLP里挺好用，因为文本的位置是绝对的、离散的。但图像不一样，像素的绝对位置没那么重要，重要的是相对关系。# 典型的绝对位置编码实现（别直接抄，有问题）defabsolute_position_encoding(h,w