端到端免NMS
通过动态混合标签分配策略，在训练中保留一对多分配的强表征学习能力，同时在推理时实现一对一的端到端检测，无需非极大值抑制。
Zhiliang, Hu · 陈思 · Yang, Hua · 王菡子 · Zhu, S. Z. · 严严
IEEE Transactions on Circuits and Systems for Video Technology 2024
采用一对一标签分配时，推理阶段不再需要非极大值抑制，检测流程端到端可微。
混合样本选择策略融合一对多分配的高质量样本，弥补一对一分配前景样本不足的缺陷。
阶段感知的软标签调整机制在不同训练阶段动态调整前景样本的贡献，实现从一对多到一对一的平滑过渡。
排序损失扩大最高分位置与周围区域的分数差距，从而有效去除重复边界框。