计算机视觉 / 系统课时

分析训练结果

分析训练结果

本课把训练目录中的曲线、指标表和混淆矩阵转化为可执行结论:先找出最佳轮次,再判断模型是否收敛、是否过拟合,以及主要问题来自漏检、误检还是定位不准。

学习目标

  • 能读取损失、精确率、召回率和 mAP 的变化趋势
  • 能从混淆矩阵定位容易混淆或被漏检的类别
  • 能根据指标组合选择数据、参数或模型层面的改进方向

读取最佳轮次与曲线

Ultralytics 会把每轮训练结果写入 results.csv。下面脚本只使用 Python 标准库读取该文件,并按 metrics/mAP50-95(B) 找到综合表现最好的轮次。运行前将路径改为本次训练的真实目录。

python
import csv
from pathlib import Path

csv_path = Path("runs/detect/custom-v1/results.csv")
if not csv_path.exists():
    raise FileNotFoundError(f"未找到训练结果文件: {csv_path}")

with csv_path.open("r", encoding="utf-8", newline="") as file:
    reader = csv.DictReader(file)
    # 清理列名和数值两侧空格,兼容不同版本的 CSV 格式
    rows = [
        {(key or "").strip(): (value or "").strip() for key, value in row.items()}
        for row in reader
    ]

if not rows:
    raise ValueError("results.csv 中没有可分析的训练记录")

required_columns = [
    "epoch",
    "train/box_loss",
    "val/box_loss",
    "metrics/precision(B)",
    "metrics/recall(B)",
    "metrics/mAP50(B)",
    "metrics/mAP50-95(B)",
]
missing = [name for name in required_columns if name not in rows[0]]
if missing:
    raise KeyError(f"缺少指标列: {missing}")

# 以更严格的 mAP50-95 选择最佳轮次,而不是直接取最后一轮
best = max(rows, key=lambda row: float(row["metrics/mAP50-95(B)"]))

print(f"best_epoch={best['epoch']}")
print(f"precision={float(best['metrics/precision(B)']):.4f}")
print(f"recall={float(best['metrics/recall(B)']):.4f}")
print(f"mAP50={float(best['metrics/mAP50(B)']):.4f}")
print(f"mAP50-95={float(best['metrics/mAP50-95(B)']):.4f}")
print(f"train_box_loss={float(best['train/box_loss']):.4f}")
print(f"val_box_loss={float(best['val/box_loss']):.4f}")

预期输出如下,实际轮次和数值由数据集与训练过程决定。

text
best_epoch=<EPOCH>
precision=<VALUE>
recall=<VALUE>
mAP50=<VALUE>
mAP50-95=<VALUE>
train_box_loss=<VALUE>
val_box_loss=<VALUE>

不要只看最后一轮。启用早停后,最后一轮可能只是停止点,而 best.pt 对应的是验证指标最优轮次。

results.png 通常同时展示训练损失、验证损失、精确率、召回率和 mAP。阅读时先看损失是否收敛,再看验证指标是否同步改善,最后检查最佳结果是否只来自偶然尖峰。

训练损失与验证损失都下降并逐渐变平,通常说明模型正在稳定收敛。训练损失继续下降而验证损失明显回升,且 mAP 同时下降,通常是过拟合。两类损失都较高且下降缓慢,则更像欠拟合或数据难度过高。

联合判断指标与混淆矩阵

精确率高、召回率低,表示模型预测较谨慎,误检少但漏检多。应检查小目标、遮挡目标和罕见类别是否样本不足,并评估推理置信度阈值是否过高。

精确率低、召回率高,表示模型愿意给出更多候选框,但误检较多。此时应增加困难负样本、清理错误标注,并检查外观相近类别是否定义得过于模糊。

mAP50 较高但 mAP50-95 明显偏低,说明模型在宽松 IoU 条件下能找到目标,但边界框在更严格条件下不够准确。此时应优先检查框标注质量、输入尺寸和小目标占比,而不是只增加训练轮次。

归一化混淆矩阵能显示每个真实类别被预测成什么类别。常见 Ultralytics 图以横轴表示真实类别、纵轴表示预测类别;若当前版本轴标不同,应以图中的 True 和 Predicted 标注为准。

对角线越集中,说明类别识别越稳定。某个非对角单元格明显偏高,表示两个类别经常互相混淆。真实类别被预测为背景通常对应漏检,背景被预测为某类别通常对应误检。

混淆矩阵必须结合每类样本量阅读。样本很少的类别即使比例很高,也可能只由少量错误造成;应同时查看原始数量和对应预测图片。

形成改进方案

主要现象 优先排查 常见改进
训练损失降、验证损失升 过拟合与数据重复 增加有效样本、加强合理增强、提前停止
mAP50 高但 mAP50-95 低 边界框定位质量 清理框标注、提高输入尺寸、补充小目标样本
精确率低 误检与困难负样本不足 增加负样本、统一类别定义、调整置信度阈值
召回率低 漏检与长尾类别不足 补充遮挡和小目标样本、检查漏标
特定类别互相混淆 类别边界与外观相似 重审标签规范、增加区分性样本

每次只改变一到两个关键变量,并保留相同验证集和随机种子。若同时更换模型、数据增强和输入尺寸,就很难判断提升来自哪里。

按自己的节奏,确认真正理解。

目录与阅读设置

记录一个想法

分析训练结果

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通