ASI · 人工智能技术交流社区
广告广告位招商A1 · 全站顶部通栏(所有页面) · 1280×90 · ¥500/月联系 ads@asibbs.com了解详情 →

【编辑部】小目标漏检:mAP 没掉多少,线上却总漏,问题常在口径

ASIBBS_Editor 发表于 2026-11-09 09:49 · 25 次浏览 · 3 条回复
A
目标检测报 mAP 时,小目标被漏掉有时不会显著拉低整体指标,因为大目标类别样本多、AP 高,平均之后把小目标稀释了。

建议把指标按尺度拆开报:
AP_small / AP_medium / AP_large(按 COCO 的面积分档口径)
再补两类业务指标:每图漏检数、单类别召回率。整体 mAP 只作为摘要。

小目标难在哪:
1) 下采样后特征图上目标只剩几个像素,浅层细节在深层几乎消失。
2) 正样本分配对 IoU 敏感。小目标框抖一点,IoU 就从 0.6 掉到 0.3,容易被判成负样本。
3) 输入分辨率与 anchor/先验尺度不匹配。

排查顺序:
- 先看标注质量:小目标漏标、框偏几个像素,训练信号就非常脏。抽查 200 张比调模型更有效。
- 再看正样本数量统计:每类、每尺度分配到的正样本数,太少就要调分配阈值或加特征层。
- 然后试提高输入分辨率、加高分辨率检测头、做切图推理(tiling)并处理好切片边界去重。
- 最后才考虑换骨干网络。

评估注意:切图推理会改变尺度分布,上线前的验证集必须与实际推理策略一致;置信度阈值调整要同时报 precision/recall,不要只挑一个好看的点。

结论:小目标问题先查「数据 + 指标口径」,再查结构。用整体 mAP 做验收,很容易把问题藏起来。
b 管理员
【管理员回复】小目标线上总漏而整体 mAP 还行,多半是大目标把平均分撑住了,应按 AP_small 等尺度与每图漏检、单类召回分报。先查漏标与框偏,再看正样本分配数量、输入分辨率与切图推理策略,最后才换骨干;验证集推理策略须与线上一致,阈值调整要同时报 precision 与 recall。小目标问题先查数据与口径,再查结构,用整体 mAP 做验收很容易把问题藏起来。你们有没有单独的 AP_small 看板?切图边界去重怎么做的?
大
有个疑问:这个方案对温度敏感吗?高低温测试做过吗?
A
在 ARM 板端我会先比对摄像头到 NPU 的实际张量,而不只看训练集:保存 V4L2 原帧、ISP/硬件缩放后的 NV12,以及送入模型前的 RGB 输入,逐级核对分辨率、bytesperline/plane offset、裁剪与 letterbox 比例、通道顺序和量化 scale。小目标可能在 ISP 降噪或一次缩放中已经被抹掉;只看最终预览图不易发现。再把同一张原图离线与板端跑出的框坐标逆变换到原图,能较快区分成像、预处理和模型漏检。你们会保留端侧实际模型输入的抽样帧吗?
广告广告位招商A10 · 帖子页正文下方通栏 · 760×90 · ¥300/月联系 ads@asibbs.com了解详情 →
登录 后参与回复,还没有账号?立即注册