Appearance
3.3 评估门禁与指标
评估回答「模型到底行不行」,门禁回答「行到什么程度才让出厂」。门禁是导出的前置条件(见 3.4),不是参考数字。
指标定义
训练完成后自动在 val(或指定 test)集上评估,产出四类指标。
总体指标
| 指标 | 定义 | 怎么用 |
|---|---|---|
| Precision(精确率) | 模型说「有缺陷」时,说对的概率 | 误报成本高的场景盯它 |
| Recall(召回率) | 真实缺陷中,被抓出来的比例 | 漏检成本高的工业场景盯它 |
| mAP@50 | IoU≥0.5 阈值下的平均精度 | 定位要求不严时的主指标 |
| mAP@50-95 | 多个 IoU 阈值的平均 | 定位精度要求高时看它(比 @50 严格得多) |
分类指标
| 视图 | 用途 |
|---|---|
| 按类别 P/R/AP | 找出「拖后腿的类别」——某类 AP 极低时优先补该类数据 |
| 混淆矩阵 | 类别间互相误判的结构(A 常被认成 B) |
| PR 曲线 | 按置信度阈值扫描的权衡,用于选部署阈值 |
样本级视图
| 视图 | 用途 |
|---|---|
| 漏检样例 | Recall 的直接抓手:逐个看「为什么没检到」,反推数据/配置问题 |
| 误报样例 | Precision 的抓手:背景相似物?标注错误? |
| 最差 Batch | 快速定位系统性问题(整批图都有同一干扰) |
先看漏检,再看误报
工业场景漏检的代价通常高于误报(人工复检可以兜误报,兜不住漏检)。Recall 不达标时,优先扩数据而不是调阈值——调阈值只是把漏检转成误报。
评估流程
- 训练完成自动触发(3.1 的「自动评估」保持开启);
训练 → 任务 → 评估页查看四类指标;- 逐类检查 → 漏检/误报抽样 → 得出「达标 / 不达标 + 原因」;
- 不达标回 3.1 改配置或回 2.2 补数据,重新生成版本再训。
门禁(Gate)
门禁在 设置 → 训练门禁 按项目配置:
| 门禁项 | 典型配置 | 未达标后果 |
|---|---|---|
| 总体 mAP@50-95 | ≥ 0.65(按场景调整) | 不允许导出 |
| 关键类别 Recall | ≥ 0.90 | 不允许导出 |
| 无「NaN 损失」记录 | 硬性 | 不允许导出 |
| 质检报告已归档 | 硬性(版本带入) | 不允许导出 |
门禁不是万能的
门禁挡得住「明显不行」,挡不住「分布外翻车」——val 集里没有的工况(新角度、新光照、新批次)指标再好也可能掉点。达标之后仍要小批量试产验证,那超出了本文档范围,但别跳过。
指标异常的归因速查
| 现象 | 优先怀疑 | 验证方法 |
|---|---|---|
| val 高、现场低 | 划分泄漏(同序列跨集合) | 2.4 改按序列划分重训 |
| 某类 AP ≈ 0 | 该类样本太少或类别名不一致 | 按类别统计 + 类别映射 |
| P 高 R 低 | 置信度阈值过高/漏标多 | 跑检查视图看漏标 |
| P 低 R 高 | 阈值过低/负样本少 | 补负样本、调阈值 |
| mAP 高但小目标漏检 | imgsz 太小 | 提 imgsz 重训 |
常见问题
| 现象 | 处理 |
|---|---|
| 评估卡住不动 | 大验证集耗时按帧数增长,等或缩小评估范围 |
| 指标比上一版低 | 对比两版的版本 diff 与训练名参数,别只看数字 |
| 导不出但想先给测试 | 联系管理员临时豁免门禁,记录豁免原因,不要私自改门禁阈值 |
下一步 → 3.4 导出模型