目标检测核心 20% — 一切围绕”框 + 类 + 分数”
一句话 ：检测模型有几十种，但输出永远是三元组（框、类别、置信度），评估永远靠 IoU 阈值的 mAP 。搞懂这两件事，换任何模型都只需重新读一遍后处理。
🎯 这 20% 能解决哪些问题
常见困惑 本质 本页答案 mAP 0.5 和 mAP 0.5:0.95 差在哪 IoU 阈值是否严格 见「IoU 与 mAP」 同一物体被框了三次 NMS 没调好 见「NMS 与它的替代」 小目标总是检不到 特征图分辨率不足 见「三类范式」与「小目标四招」 训练集 mAP 95%，现场一塌糊涂 数据与场景不匹配 见「数据比模型重要」 边缘设备跑不动 未量化/未剪枝 见「部署五步」
一、三类范式
graph LR
A["两阶段<br/>R-CNN 系列<br/>先提候选再分类"] --> B["单阶段<br/>YOLO/SSD/RetinaNet<br/>直接回归"]
B --> C["Anchor-free<br/>FCOS/CenterNet"]
B --> D["端到端集合预测<br/>DETR 系列"]
范式 代表 优点 代价 两阶段 Faster R-CNN 精度高，小目标友好 慢 单阶段 YOLO 系列、RetinaNet 快，易部署 密集小目标弱 Anchor-free FCOS、CenterNet 超参少，框更灵活 需调中心/尺寸头 集合预测 DETR、RT-DETR 无需 NMS，流程简洁 收敛慢、显存高
锚框（anchor）的作用与代价 ：预置不同尺度/长宽比的参考框，让网络回归偏移量。代价是要为数据集调 anchor 尺寸（用 k-means 聚类标注框）。
二、IoU 与 mAP
[
\text{IoU} = \frac{|A \cap B|}{|A \cup B|}
]
指标 含义 mAP@0.5 IoU ≥ 0.5 视为命中，按类平均 mAP@0.5:0.95 IoU 从 0.5 到 0.95 每 0.05 取一次再平均，最严格 AP_small / medium / large 按目标面积分组，暴露小目标弱点
常见误区 ：
只看 mAP@0.5 → 框定位很粗也能高分，实际用起来”框不准”。
平均掩盖类别差异 → 一定要打印逐类 AP ，长尾类往往惨不忍睹。
训练集与验证集同分布 → mAP 虚高，务必留不同摄像头/不同场景 的测试集。
三、NMS 与它的替代
方法 做法 适用 硬 NMS 剔除与最高分框 IoU > 阈值者 默认方案 Soft-NMS 按 IoU 衰减分数而非直接删 密集人群 可学习 NMS / DETR 模型内部去重 端到端 按类 NMS 每类独立做 NMS 多类别必做
调参直觉 ：阈值 0.5–0.7。阈值太低 → 相邻物体被误删；太高 → 重复框残留。
四、数据比模型重要
环节 关键实践 标注规范 遮挡多少算标、截断物体标不标、同类合并规则，先写清 一致性 双人标注 10% 抽样交叉校验，IoU 一致性 > 0.7 难例 专门收集漏检/误检场景，做”难例集” 增广 马赛克、随机缩放、色彩抖动、模糊、亮度变化 负样本 加入纯背景图，降低误检
小目标四招 ：提高输入分辨率、切片推理（SAHI 式滑窗）、特征金字塔加层、专门采集小目标数据。
五、部署五步
步骤 动作 收益 1 固定输入尺寸，导出 ONNX 跨框架 2 FP16 / INT8 量化（需校准集） 2–4 倍加速 3 算子融合与层剪枝 10–30% 提速 4 批处理与异步流水 提升吞吐 5 后处理移出 Python 消除瓶颈
常被忽略 ：后处理（解码 + NMS）在 CPU 上可能比推理还慢。用向量化实现或放进推理引擎。
六、六个高频坑
坑 表现 纠正 类别不平衡 长尾类 AP 接近 0 重采样、focal loss 框抖动 视频中框剧烈跳动 时序平滑（卡尔曼/EMA） 置信度不可校准 0.9 的框经常错 温度缩放校准 忽略空场景 无目标时也硬框 加背景类 / 阈值+二次判定 训练分辨率与推理不一致 效果骤降 保持 letterbox 一致 类别名顺序错 全类错乱 用同一份 labels 文件校验
📋 一页速查
问题 答案 检测输出是什么 框 + 类 + 分数 首选评估指标 mAP@0.5:0.95 + 逐类 AP 重复框怎么去 NMS，按类独立做 小目标怎么救 高分辨率 + 切片 + 加层 落地提速关键 INT8 量化 + 后处理移出 Python 最常被忽略的检查 逐类 AP 与跨场景测试集
🔗 相关链接