第3章目标检测基础理论

3. 目标检测基础理论：从任务定义到评估指标

大家好，我是你们的老朋友。今天我们来聊聊目标检测的“地基”。说实话，很多同学一上来就调YOLO的代码，跑得挺欢，但遇到问题就抓瞎了。为什么？因为基础不牢。

我个人习惯，在讲任何模型之前，先把这几个核心概念掰扯清楚：任务定义、IoU、NMS、Anchor Box、mAP。你想想看，这些搞不懂，后面调参就像蒙着眼睛走路。

目标检测要解决什么问题？说白了就两件事：“是什么” 和 “在哪里”。

所以，一个目标检测模型的输出，通常是一组 [x, y, w, h, class, confidence] 的向量。x,y 是框的中心点，w,h 是宽高，class 是类别，confidence 是置信度——也就是模型觉得“这里有个东西”的把握有多大。

核心要点：分类 + 定位，缺一不可。只分类不定位，那是图像分类；只定位不分类，那是目标跟踪的活。

IoU，全称 Intersection over Union。名字很直白：交集除以并集。

怎么算？两个矩形框的交集面积，除以它们的并集面积。公式长这样：

IoU = (A ∩ B) / (A ∪ B)

嗯，这里要注意：如果两个框完全不重叠，IoU = 0；完全重合，IoU = 1。实际项目中，我们通常认为 IoU > 0.5 就算检测到了。但具体阈值看场景——我做工业缺陷检测时，要求 IoU > 0.7 才算合格，因为缺陷位置必须非常精确。

小技巧：计算 IoU 时，记得先判断两个框是否有交集。如果没有，直接返回 0，可以省掉很多不必要的计算。我曾经在写 NMS 时忘了这个，结果跑了一整天，发现大部分时间都在算负数的面积……

模型预测时，同一个目标上往往会冒出好几个框。怎么办？NMS 就是用来“去重”的。

它的逻辑很简单：

你可能会问：为什么叫“非极大值抑制”？因为我们要保留的是局部置信度最大的框，抑制掉那些“非极大”的框。

避坑指南：NMS 的阈值很关键。设得太高（比如 0.9），会漏掉重叠的目标；设得太低（比如 0.3），又会保留太多冗余框。我曾经在一个密集人群检测项目里，把阈值设成 0.4，结果一个人身上出了五六个框……后来调到 0.6 才正常。

Anchor Box，中文叫“锚框”或“先验框”。它是 YOLO 系列的核心设计之一。

为什么需要它？因为目标的大小和形状千变万化。如果让模型直接预测框的绝对坐标，太难了。Anchor Box 的思路是：先预设一组不同大小、不同长宽比的框，然后让模型去预测“相对于这些预设框的偏移量”。

举个例子：

模型要做的，就是判断每个 Anchor Box 里有没有目标，如果有，就微调它的位置和大小。

关键点：Anchor Box 的尺寸不是拍脑袋定的，而是通过 K-Means 聚类从训练数据中统计出来的。我建议你在自己的数据集上也跑一遍聚类，看看默认的 Anchor 是否合适。有一次我在一个遥感图像项目里，默认 Anchor 完全不对，聚类之后 mAP 直接涨了 5 个点。

mAP，全称 mean Average Precision。它是目标检测领域最常用的评估指标。

怎么算？分三步：

计算每个类别的 AP：对于每个类别，把预测结果按置信度排序，然后计算 Precision-Recall 曲线下的面积。
对所有类别的 AP 取平均：这就是 mAP。
注意 IoU 阈值：通常用 mAP@0.5（IoU 阈值 0.5）和 mAP@0.5:0.95（IoU 从 0.5 到 0.95，步长 0.05，取平均）。

你可能会问：为什么不用准确率？因为目标检测里，正负样本极度不平衡。准确率会被大量“背景”样本拉高，看不出真实性能。mAP 综合考虑了查准率和查全率，更靠谱。

个人经验：我一般会同时看 mAP@0.5 和 mAP@0.75。前者反映模型“能不能找到目标”，后者反映“定位准不准”。如果 mAP@0.5 高但 mAP@0.75 低，说明框的位置偏差大，需要调整回归损失或 Anchor 尺寸。

好了，今天的内容就到这里。我们聊了：

这些概念，每一个都在实际项目中反复用到。你想想看，如果连 IoU 都算不明白，怎么调 NMS 阈值？如果不懂 Anchor Box 的原理，怎么优化小目标检测？

下一章，我们会进入 YOLO 的网络结构，看看这些理论是怎么落地的。到时候，我会带大家手撕一下 YOLOv5 的代码，保证让你豁然开朗。

公众号:蓝海资料掘金营，微信deep3321