[LAB 09 · 检测几何：框、匹配、NMS 与 AP](/course/notebooks/90d213b4e1e04c7e889ee6fc042b2358.html)

# 7 · 只改一个条件，并用结果回答
[独立阅读](/course/notebook-blocks/a913f088886f4de38fb1812ed586dc33.html)
并入相关学习路径

固定框匹配、PR/AP、NMS误删相邻对象反例

## 7 · 只改一个条件，并用结果回答

保留基准输入与断言；在新的代码格中用 `.copy()` 创建改动副本，再调用相同函数。这样，固定基准检查继续说明实现是否正确，实验结果说明条件变化产生什么影响。


- **只改排名：**保持全部坐标和类别不变，把 P2 分数从 0.80 调成 0.60，再重新评价。它排到 P3 后，AP50 会怎样变化？解释为什么最终 recall 没变，AP 却可能变化。

- **只改定位：**保持分数与其他框不变，把 P3 左右边界同时左移 0.4。AP75 改善来自哪个 IoU 变化？不要把它归因于 NMS。

- **只改 NMS 阈值：**比较 0.50 与 0.70 在相邻真对象案例里的保留列表。再尝试更密集或分数顺序颠倒的对象，说明单一阈值何时仍失败。

**完成标准：**保存真实运行输出，核对 `(4,2)` IoU 矩阵、原始 AP50=`5/6` 与 AP75=`0.5`；说明训练分配与评价 one-to-one 的差别；给出 NMS 有帮助与有损害的各一个场景。结论必须写出坐标、阈值、类别条件和 AP 协议。

本地运行 `python lab09.py` 会生成 `results.json`、三张 SVG 图与 `run.json`。`run.json` 记录 UTC 执行时间、Python/NumPy 版本、关键结果、输入 SHA-256 与脚本/教学材料/图的 SHA-256。notebook 的代码包含完整输入和函数，按顺序运行即可，不依赖其他 notebook 的内存或磁盘数据。