为什么DETR的Decoder部分需要传进去query

DETR（Detection Transformer）是一个基于Transformer的目标检测模型。在DETR中，Encoder部分将输入图像编码为一系列特征向量，而Decoder部分则将这些特征向量转化为目标检测的结果。

在传统的目标检测模型中，通常使用RPN（Region Proposal Network）来生成一系列候选框，然后利用分类和回归模型对这些候选框进行分类和边界框调整。而在DETR中，通过将目标检测任务转化为一个序列到序列（sequence-to-sequence）的问题，避免了使用候选框的过程。

在Decoder部分，每个特征向量代表一个目标的特征，在生成目标的位置和类别时，需要利用这些特征向量与查询（query）进行交互。查询可以被看作是一个用于指导生成过程的向量，它提供了关于目标位置和类别的信息。通过将查询传递给Decoder部分，模型可以根据查询与特征向量之间的交互来生成目标的位置和类别信息。

因此，在DETR中，传递查询给Decoder部分是为了引导目标的生成过程，使得模型可以根据查询与特征向量之间的交互来确定目标的位置和类别。