4实验
4.1 消融实验
1、不同匹配器的影响
如表3所示，具有固定k值(k=2,3)的OTA匹配器与Baseline相比，AP的提升率为0.9% AP。在动态k估计中使用q=8的OTA匹配器增加了1.1% AP，这证明了使用动态k的有效性。
units增加策略进一步将AP提高到46.7% AP，说明这种简单的设计是有效的。
此外，具有q=8和units增加策略的OTA匹配器 AP75和APs都增加了近3个百分点。可见动态多对一匹配方案产生了更多样化的预测框选项，以匹配Ground truth。该方案特别适用于对小物体的检测。
2、q的影响
如表4所示，在Dynamic k Estimation中尝试了q的不同选择，发现q=8效果最好。值得注意的是，表4中的所有结果都优于一对一匹配(45.0%)，这验证了动态多对一匹配方案的有效性。
3、Experts数量的影响
如表5所示尝试了不同数量的Experts，并在该方法中使用4个Experts作为默认值可以得到最好的性能。
4、可视化
图4可视化了通过Dynamic Sparse R-CNN进行的采样检测结果。Dynamic Sparse R-CNN可以正确地检测不同尺度、外观等的目标。
4.2 SOTA对比
5参考
[1].Dynamic Sparse R-CNN
6推荐阅读
CVPR2022 Oral | CosFace、ArcFace的大统一升级,AdaFace解决低质量图像人脸识
