本文提出了一种用于增强DET R的通用方案，通过引入编码器构建位置关系嵌入，将DET R扩展为对比关系流水线，解决了非重复预测和正面监督之间的冲突。实验证明该方法在COCO val2017上获得了显著的改进，并具有更快的收敛速度。关系编码器还为任何DET R类方法带来了明显改进，显式位置关系的提出提高了通用目标检测的潜力。

本文提出了一种用于增强DET R的通用方案，通过引入编码器构建位置关系嵌入，将DET R扩展为对比关系流水线，解决了非重复预测和正面监督之间的冲突。实验证明该方法在COCO val2017上获得了显著的改进，并具有更快的收敛速度。同时，该方法还提出了一个类无关的检测数据集，提高了通用目标检测的潜力。

本文提出了一种通用的增强对象检测方案，通过引入编码器构建位置关系嵌入以改进注意力。实验证明该方法在多个数据集上有效，并且相较于现有的检测器有显著改进。同时，引入了一个新的检测数据集，结果表明显式位置关系的提出对通用目标检测有潜力。