# DETR（检测Transformer）

密集小目标检测里，动态查询此前把“解码多少查询”和“保留哪些查询”混在一起，难以判断收益来源。BUTR把动态查询还原为按目标密度分配解码器查询预算：用编码器提案置信度之和作为密度代理，经线性映射得到每张图的查询数，仍沿用标准Top-k初始化，不增加学习模块或启发式筛选。在AI-TOD-v2上，BUTR-L取得35.7 AP、平均316个查询，同规模D-FINE-L为35.2 AP、600个查询。

密集小目标检测里，动态查询此前把“解码多少查询”和“保留哪些查询”混在一起，难以判断收益来源。BUTR把动态查询还原为按目标密度分配解码器查询预算：用编码器提案置信度之和作为密度代理，经线性映射得到每张图的查询数，仍沿用标准Top-k初始化，不增加学习模块或启发式筛选。在AI-TOD-v2上，BUTR-L取得35.7 AP、平均316个查询，同规模D-FINE-L为35.2 AP、600个查询。

该工作从 BIOMEDICA 语料出发，用基于 DAB-DETR 的子图检测、Qwen2.5-VL-32B-Instruct 的子图注提取和 Qwen2.5-14B-Instruct 的正文上下文摘要，构建并公开了含 1800 万子图-文本对的 OPEN-PMC-18M 数据集，并在放射、显微与可见光摄影三类模态的 6 项检索与 19 项零样本分类任务上训练视觉-语言编码器，报告检索平均召回 21.64、较此前最佳模型 OPEN-PMC 相对提升 27%，零样本分类总体平均 F1 达 39.77。

该工作从 BIOMEDICA 语料出发，用基于 DAB-DETR 的子图检测、Qwen2.5-VL-32B-Instruct 的子图注提取和 Qwen2.5-14B-Instruct 的正文上下文摘要，构建并公开了含 1800 万子图-文本对的 OPEN-PMC-18M 数据集，并在放射、显微与可见光摄影三类模态的 6 项检索与 19 项零样本分类任务上训练视觉-语言编码器，报告检索平均召回 21.64、较此前最佳模型 OPEN-PMC 相对提升 27%，零样本分类总体平均 F1 达 39.77。