5.3 目标检测与分割指标关卡

5.3 目标检测与分割指标关卡

检测与分割考点：IoU 手算、mAP 的统计口径、两阶段与一阶段路线的取舍、分割任务的输出形态。通关标准：给出框坐标立刻算出交并比，给出检出清单手工推出平均精度。视觉编队收官关：定位与度量的大账，全部算给你看。

标靶校射：关卡题目

关卡一（计算）：预测框左上角坐标 (零, 零)、右下角坐标 (四, 四)；真实框左上角 (一, 一)、右下角 (五, 五)。求交并比，并判断它在常用阈值下算不算命中。

关卡二（单选）：某类目标的平均精度是怎么统计的？

A. 该类所有检出框与真实框交并比的平均值 B. 以置信度为序，精确率对召回率曲线下的面积 C. 该类所有图上正确分类的比例 D. 召回率与精确率的乘积

关卡三（简答）：两阶段与一阶段检测的核心差异是什么？各自的精度与速度账怎么算？

关卡四（多选）：关于分割任务的说法，正确的包括：

A. 全卷积网络把分类骨干的全连接头换成卷积，输出与原图对齐的逐像素判断
B. 分割的评价常用逐像素交并比或类平均交并比，不再用框指标
C. 分割就是检测换了个说法，指标完全通用
D. 编解码结构里的跳跃连接把浅层细节补给深层语义，边界更准

先攻提示

• 关卡一先画两个正方形再算交集：交集边长 = 两框在横竖向重叠段的长度；
• 关卡二抓住"按置信度排序"与"曲线下面积"这两个关键词；
• 关卡三想"候选区域这道工序删不删"：删了快、留了稳；
• 关卡四对照输出形态：分类出标签、检测出框、分割出逐像素掩码。

后核：标准解析

关卡一：交集：横向重叠段为零到四与一到五的公共部分，即一到四，长度三；纵向同理长度三；交集面积九。并集：十六加十六减九 = 二十三。交并比 = 九除以二十三，约零点三九一。在零点五的常用阈值下不算命中——定位质量不足，尽管分类可能是对的。手算流程用代码钉死：

# IoU 手算全流程（框格式：左上 x1,y1；右下 x2,y2）
def iou(a, b):
    ix = max(0, min(a[2], b[2]) - max(a[0], b[0]))   # 交集宽
    iy = max(0, min(a[3], b[3]) - max(a[1], b[1]))   # 交集高
    inter = ix * iy
    union = (a[2]-a[0])*(a[3]-a[1]) + (b[2]-b[0])*(b[3]-b[1]) - inter
    return inter, union, inter / union

A = (0, 0, 4, 4)
B = (1, 1, 5, 5)
inter, union, r = iou(A, B)
print(f"交集面积: {inter}")          # 输出: 交集面积: 9
print(f"并集面积: {union}")          # 输出: 并集面积: 23
print(f"IoU: {r:.4f}")               # 输出: IoU: 0.3913
print(f"阈值 0.5 命中? {r >= 0.5}")  # 输出: 阈值 0.5 命中? False
​

结果解读：交并比是检测指标的地基——既当匹配判据（超过阈值才算检出），又当回归目标（框微调就是要抬高它）。变式：把预测框整体平移一个单位（变成 (一, 零, 五, 四)）重算，交并比升到约零点五七，刚好越过阈值——动手感受"框挪一格、判据翻面"的敏感性。

关卡二选 B。 流程：按置信度从高到低逐个采纳检出，每采纳一个就算一对（精确率，召回率）：每采纳一个就把召回的分母（该图该类真实目标总数）当不变量、分子按命中数累加，精确率按"命中数除以已采纳数"更新；把这些点连成曲线，曲线下面积即该类的平均精度。再把各类的平均精度取平均，得到平均精度均值。A 错在交并比只是匹配判据，不参与精度统计；C 是分类准确率；D 的乘积（即 F 的倒数族近亲）是单点指标，丢掉了整条排序信息。

用一份迷你检出清单把平均精度手工推一遍，这是全编队最值得练熟的一笔账：

# 迷你 AP 手算：单类八次检出，置信度降序，IoU 过阈值才记命中
import math

# (置信度, 是否命中)
dets = [(0.95, True), (0.90, False), (0.85, True), (0.70, True),
        (0.60, False), (0.50, True), (0.35, False), (0.20, False)]
total_gt = 4   # 该类真实目标总数

hits = 0
points = []
for conf, hit in dets:
    if hit:
        hits += 1
    prec = hits / (len(points) + 1)
    rec = hits / total_gt
    points.append((conf, prec, rec))
    print(f"置信度 {conf:.2f}  命中={str(hit):<5}  精确率={prec:.3f}  召回率={rec:.3f}")

# 逐点平均（召回率取满档前的等间隔近似，此处取曲线在召回 0.25/0.50/0.75/1.00 处的精确率）
ap = 0.0
for rq in [0.25, 0.50, 0.75, 1.00]:
    p = max(prec for _, prec, rec in points if rec >= rq - 1e-9)
    ap += p
ap /= 4
print(f"AP ≈ {ap:.3f}")
# 输出：
# 置信度 0.95  命中=True   精确率=1.000  召回率=0.250
# 置信度 0.90  命中=False 精确率=0.500  召回率=0.250
# 置信度 0.85  命中=True   精确率=0.667  召回率=0.500
# 置信度 0.70  命中=True   精确率=0.750  召回率=0.750
# 置信度 0.60  命中=False 精确率=0.600  召回率=0.750
# 置信度 0.50  命中=True   精确率=0.667  召回率=1.000
# 置信度 0.35  命中=False 精确率=0.571  召回率=1.000
# 置信度 0.20  命中=False 精确率=0.500  召回率=1.000
# AP ≈ 0.771
​

结果解读：排序是命门——命中项越靠前，曲线越"高瘦"，面积越大；把置信度零点九五与零点五零的两次命中对调，面积立刻缩水。这也解释了训练为什么要把分类分支的置信度校准好：它直接决定排序质量。变式：把真实目标总数改成三重跑，观察召回率爬升更快、AP 如何变化，体会分母口径对指标的影响。

关卡三：核心差异在"候选区域这道工序保不保留"。两阶段路线先生成可能含目标的候选区，再对候选区分类并精修框——查得专注、精度高，但工序多、速度慢；一阶段路线在密集网格或锚框上直接回归类别与框，把检测改成"单趟前向"，速度快、部署友好，早期精度稍逊，后来靠训练技巧与特征融合大幅追平。答题口诀：两阶段先挑后判，一阶段一眼定全部。

关卡四选 A、B、D。 全卷积网络把全连接头换成卷积，保留空间结构，输出直接对齐原图逐像素；分割评价用像素级交并比及其类平均，框指标退场；跳跃连接把浅层的高分辨率细节与深层的语义在网络内相融，边界刻画明显变好。C 错在输出形态与指标体系完全不同：检测出框、分割出掩码，考题常拿这点设陷阱。

复盘：易错点与变式

易错点一：并集面积忘了减交集。两框面积直接相加把重叠部分数了遍，交并比被系统性高估——这是 IoU 手算的第一大坑，画图再算就能免疫。

易错点二：把平均精度均值说成"所有框交并比的平均"。前者是按类统计的排序质量指标，后者只是几何重叠度；两者量纲都不同。面试里混用这两个词，基本等于宣告没做过检测评估。

易错点三：以为非极大值抑制在所有类之间横着做。它按类别独立执行：同类候选按分数排序、逐个压制与其交并比过阈的余者；跨类目标本就允许框重叠。

变式一：问"为什么小目标难检出，从指标上怎么看"。答：小目标像素少，框挪一动交并比剧烈波动，匹配判据更苛刻；指标层面常见做法是在多种交并比阈值下取平均，避免单阈值口径偶然性。

变式二：问"分割的类别不均衡怎么在指标上暴露"。答：背景像素占绝对多数时，逐像素准确率虚高；类平均交并比对每个类一视同仁，小类掉点立刻显形——这正是分割评测偏爱类平均交并比的原因。

复盘产出：决策卡"视觉度量"一栏补齐：交并比管匹配、平均精度管排序、像素交并比管分割，三套口径分家。视觉编队至此通关，骨干与指标同时入库；下一编队转场决策阵地——把感知接上行动，用奖励信号学出最优策略。