CLS 07 · 检测几何、匹配与评价

NMS 与评价匹配解决两个不同的重复问题

按问题继续

坐标、锚框偏移、训练/评价匹配、NMS/AP和真实检测训练连接

NMS 与评价匹配解决两个不同的重复问题

Non-maximum suppression（NMS）是推理后处理：通常按类把预测框按分数排序，保留最高分框，删除与之重叠超过阈值的其他框，再继续。它减少同一对象的重复报告，但不知道真值；挤在一起的不同对象也可能被误删。NMS 阈值影响交付的结果，不能在测试集上追着最好 AP 挑阈值。

评价匹配则拿最终预测与真值比较。在固定类别和 IoU 阈值下，按置信度从高到低，每个预测至多匹配一个尚未被使用的真值；同一真值只能被命中一次。于是“框覆盖了对象”还不保证是真阳性，它可能是已有更高分预测的重复框。

设共有两个真值，四个预测排序后的身份依次为 TP、FP（重复）、FP（背景）、TP。累计 precision 为 $1,1/2,1/3,1/2$，recall 为 $1/2,1/2,1/2,1$。若采用本册的全点插值 precision envelope 与 recall 增量积分，AP 为 $0.5\times1+0.5\times0.5=0.75$。这是明确定义的简化 AP；COCO 的 101 个 recall 阈值采样、多个 IoU 阈值平均和面积分组是更具体的另一套协议，不能把一个数未经说明叫“COCO AP”。

LAB 09 可改重复框分数，观察排序如何改变 AP；也可改 IoU 阈值，使一个原先合格的框失去匹配。准确率把大量背景当作普通样本时可能很高，却无法体现检测的定位与重复问题。

沿一次真实训练追踪从图像到框

LAB 10 的主实验应按以下对象检查：RGB 图像和类别/框标注进入数据集，卷积骨干产生空间特征，输出头产生类别与偏移，匹配提供监督，损失更新参数，解码及 NMS 产生最终框，最后仅用保留图像评价。真值坐标只用于目标与评价，不能作为图像模型的输入特征。

主实验已在 2026-09-22 本地 CPU 完整运行。输入是 48×48 RGB 合成图，含红矩形、蓝椭圆、可变位置与尺度、多个对象及空图；颜色与形状相关，因此不是自然场景通用检测基准。按原始场景种子划分 768 训练、96 验证、192 保留图。45,806 参数的卷积检测器在单层网格上使用 288 个锚框，训练 28 epoch；正例阈值 0.45、忽略区间 [0.25,0.45)，并保障每个真值有独立强制匹配。分类使用 hard-negative CE，位置项为正例 smooth-L1，解码后按类 NMS。

AP 按各类全局分数排序、一个真值最多匹配一次、precision envelope 全点积分；不是 COCO 多 IoU 平均 AP。保留集有 33 张空图，展示阈值 0.4 下没有空图误报；这不代表所有阈值或所有背景都不会误报。AP50 与 AP75 的差距说明定位仍不够精细，尺度减半的下降说明训练分布外的小对象尤其困难。

保持权重与输入不变，仅把 NMS IoU 阈值从 0.35 放宽到 0.65，AP50 变为 0.95866；展示阈值下 recall 从 0.98311 到 1.0，precision 则从 0.94175 降到 0.41926。更多预测覆盖了剩余真值，也留下大量重复框。这组结果把 NMS 的取舍落实到了同一模型，而非抽象宣称后处理总会改善成绩。

四维高斯样本上的逻辑回归仍能说明 sigmoid 分类损失和参数更新，但它没有图像和位置输出，应保留为分类热身。完整检测器给出的错误则可以进一步分解：漏检、错类、框偏、重复、空图误报、尺度外推。这些区分决定下一步该改表示、匹配、损失、解码还是数据。

即使检测框全部正确，框里的杯把空洞和两杯接触边界仍未知。下一册 CLS 08 从这个具体缺口走向逐像素和实例输出。