计算机视觉 / 系统课时
拆解业务检测目标
拆解业务检测目标
训练前最容易浪费时间的地方不是参数没调好,而是“到底要检测什么”没有被定义清楚。本课把一句业务需求拆成检测对象、使用场景、输入来源和模型输出四组约束,最终形成可以指导标注、数据采集和模型验收的任务定义。
学习目标
- 把模糊业务描述改写成可标注的检测目标
- 明确输入条件与模型输出之间的约束关系
- 在训练前识别任务类型不匹配和验收标准缺失的问题
从一句业务需求拆出四组约束
例如“识别传送带上的破损包装”还不能直接拿去标注,因为破损的边界、摄像头条件、告警用途和输出格式都不明确。先把需求拆成四个问题。
| 维度 | 必须回答的问题 | 会影响什么 |
|---|---|---|
| 检测对象 | 哪些实体需要框出,类别边界是什么 | 类别表、标注规则、负样本 |
| 使用场景 | 检测结果用于提醒、统计还是自动处置 | 漏检与误检成本、响应速度 |
| 输入来源 | 图片或视频从哪里来,视角和清晰度如何 | 数据采集、增强策略、目标尺寸 |
| 模型输出 | 需要框、类别、置信度,还是更细粒度结果 | 任务类型、接口和验收方式 |

这四组约束不是文档格式问题,而是训练设计的上游输入。任意一项模糊,都会在后面表现成类别互相冲突、样本分布失真、阈值难以选择或模型输出无法接入业务。
把检测对象写成可执行的标注规则
类别名称必须能落到“看到一张图时,标注员如何一致判断”。以破损包装为例,需要明确什么程度算破损、被遮挡时是否标、同一包装出现多个破口时画一个框还是多个框,以及正常褶皱是否属于负样本。
一个实用判断是:让两名不了解项目背景的人只阅读标注规则,再分别标同一批图片。如果他们频繁产生不同答案,说明业务概念还没有被转换成稳定的数据定义,此时继续扩充数据只会放大噪声。
用场景约束决定数据怎么收
训练数据必须覆盖模型真正会遇到的输入,而不是只收“看起来清楚”的样例。固定摄像头场景要记录安装高度、视角、目标远近、光照和运动模糊;移动端或多来源图片还要考虑分辨率、横竖屏、背景变化和设备差异。
业务动作也会改变数据重点。如果模型用于安全告警,漏掉关键目标的代价通常更高;如果一次误报就会触发昂贵的停线动作,则误报同样必须被严格控制。不要在训练前凭感觉写死置信度阈值,应先把业务代价和验证集定义清楚,再用验证结果选择阈值。
确认模型输出真的匹配任务
标准目标检测适合回答“对象在哪里、属于哪一类”,典型输出是边界框、类别和置信度。如果业务需要精确到像素的轮廓、人体关键点,或只判断整张图属于哪个类别,那么应分别考虑分割、姿态估计或分类,而不是强行把所有问题都做成检测。
最终任务定义至少应能明确回答:检测哪些类别、哪些情况不标、数据从哪里来、上线输入长什么样、模型输出交给谁、漏检和误检分别有什么代价,以及在什么验证集上判定是否达到要求。能回答这些问题,后续的数据采集和训练才有稳定目标。