🧠 YOLO 调试可视化
30 章 · 动手实战
🎯 OpenCV + YOLO
友好色
1
环境搭建与基础认知
OpenCV与YOLO的安装配置，理解检测流程
2
读取与显示图像
使用OpenCV读取图片，显示检测结果的基础窗口
3
绘制边界框
cv2.rectangle绘制矩形框，标注检测目标位置
4
添加标签与置信度
cv2.putText在框上显示类别名称和置信度分数
5
颜色管理
为不同类别分配不同颜色，提升可视化区分度
6
多目标检测可视化
遍历检测结果，批量绘制所有目标
7
实时视频流处理
从摄像头读取帧，逐帧进行YOLO检测并显示
8
性能优化
帧率计算与显示，评估检测速度
9
鼠标交互
点击检测框获取详细信息，实现交互式调试
10
键盘控制
按键切换显示模式（如只显示框/显示标签）
11
滑动条调参
cv2.createTrackbar动态调整置信度阈值
12
保存检测结果
将带标注的图像或视频保存到本地文件
13
非极大值抑制(NMS)可视化
展示NMS前后的框变化，理解去重原理
14
热力图生成
基于检测置信度生成热力图，辅助分析模型关注区域
15
多尺度检测可视化
展示不同尺度特征图上的检测结果
16
锚框可视化
绘制预设锚框，理解先验框与目标匹配机制
17
特征图可视化
提取中间层特征，以图像形式展示网络学习到的特征
18
混淆矩阵可视化
统计检测结果，生成混淆矩阵评估分类性能
19
PR曲线绘制
计算精确率与召回率，绘制PR曲线评估模型
20
mAP计算与展示
计算平均精度均值，直观显示模型整体性能
21
错误分析可视化
分类显示假阳性、假阴性等错误类型
22
数据增强效果对比
显示原始图与增强图上的检测差异
23
模型对比工具
并排显示不同YOLO版本（v5/v8）的检测结果
24
自定义数据集标注检查
加载标注文件，可视化标注与检测结果对比
25
遮挡与裁剪调试
模拟遮挡或裁剪输入，观察模型鲁棒性
26
注意力机制可视化
展示注意力权重热图，理解模型关注点
27
跟踪结果可视化
结合跟踪算法，显示目标ID与轨迹
28
3D检测框可视化
在2D图像上投影3D检测框，用于立体视觉调试
29
日志与统计面板
在图像上叠加FPS、检测数、耗时等实时信息
30
综合调试仪表盘
整合以上功能，构建一个完整的可视化调试工具