计算机视觉 / 系统课时

确定项目目标

确定项目目标

综合检测项目的第一步不是立即训练模型,而是把“想识别什么”改写成可测量、可交付的目标。本课将建立一份最小目标说明,明确检测边界、运行条件、验收指标和最终交付物。

学习目标

  • 能把模糊业务需求改写成明确的目标检测任务
  • 能同时定义精度、速度、稳定性和运行环境指标
  • 能形成团队可评审、后续可验收的项目目标基线

把业务问题改写成检测任务

先用一句话限定任务:在什么场景中,对哪些对象执行什么判断,为谁提供什么结果。例如“在仓库入口视频中识别人和安全帽佩戴状态,为值班人员输出告警事件”,比“做一个安全帽检测模型”更容易继续设计数据和接口。

一句合格的目标描述至少要回答五个问题:输入来自哪里、需要检测哪些类别、哪些情况不属于目标、结果由谁使用、结果以什么形式交付。任何一项缺失,都会在标注、训练或验收阶段变成争议。

目标检测项目目标分解图

固定对象与场景边界

检测类别不能只写名称,还要说明可见特征和排除项。以“安全帽”为例,应提前约定手持安全帽、海报中的安全帽、玩具模型和严重遮挡是否计入;否则不同标注员会产生不一致标签。

场景边界同样需要固定。摄像头高度、拍摄距离、白天或夜间、室内或室外、目标最小像素、遮挡比例和画面抖动,都会影响数据采集和可达到的指标。项目初期应优先覆盖真实高频条件,而不是追求所有环境都能工作。

目标项 需要写清的内容 验收依据
必须检测 类别、状态和最小可见范围 冻结测试集中的正样本
明确排除 非业务对象和暂不支持场景 不纳入失败统计
模糊样本 遮挡、反光、边界目标的处理规则 标注规范与评审记录

把指标写成可复测数字

精度指标应根据业务损失选择。漏检代价高时优先约束召回率,误报会频繁打扰用户时优先约束精确率;mAP@0.5:0.95 可用于观察整体定位与分类质量,但不能替代业务类别的单独指标。

速度指标必须绑定硬件、输入尺寸和并发条件。只写“实时”没有验收意义,应改为“在指定 GPU、640 像素输入、单路请求下,P95 端到端延迟不超过 120 ms”。视频项目还要区分模型推理 FPS 与完整链路 FPS。

稳定性可以用错误率、连续运行时长和资源上限描述。例如连续运行 8 小时无进程退出,正常图片请求成功率不低于 99.9%,显存占用不超过目标设备可用上限。

编写最小目标说明

下面的 YAML 可作为项目启动时的目标基线。数值只是示例,实际项目必须根据业务风险、样本难度和部署设备重新评审。

yaml
projectName: helmet-entry-check
scene:
  inputSource: 1080p-rtsp-camera
  location: warehouse-gate
  conditions:
    - daytime
    - nighttime
    - partial-occlusion

objects:
  required:
    - person
    - helmet
    - no-helmet
  excluded:
    - helmet-poster
    - toy-helmet

acceptance:
  noHelmetRecall: ">= 0.92"
  alarmPrecision: ">= 0.90"
  map50_95: ">= 0.55"
  p95LatencyMs: "<= 120"
  targetDevice: NVIDIA-T4
  inputSize: 640
  batchSize: 1

delivery:
  type: REST_API
  responseFields:
    - boxes
    - classId
    - confidence
    - traceId
  evidence:
    - frozen-test-set
    - evaluation-report
    - deployment-guide

这份配置不会直接驱动训练,但会约束后续数据、模型和部署决策。评审通过后应冻结版本;验收时使用同一测试集、同一目标硬件和同一输入参数复测,并把结果写入评估报告。

拆分交付里程碑

项目目标确定后,可按“数据可用、模型可用、服务可用、业务可用”四个里程碑推进。每个里程碑都应有可展示产物,而不是只记录完成百分比。

  • 数据可用:类别定义、标注规范、训练集与冻结测试集已经确认
  • 模型可用:基线模型达到最低精度,并完成主要错误样本分析
  • 服务可用:接口、日志、超时和资源限制在目标设备上通过验证
  • 业务可用:真实场景试运行完成,告警或检测结果能进入既定流程

范围、指标或交付形式发生变化时,应更新目标基线并记录原因。不要在训练结果不理想时悄悄修改测试集或统计口径,否则项目将失去可比较的验收依据。

项目启动检查

启动前确认需求方、标注人员、算法人员和部署人员对同一份目标说明达成一致。尤其要明确“最低可接受指标”和“理想指标”,避免把探索目标误当成必须交付的承诺。

还应确认数据是否允许采集和保存、目标硬件是否已经确定、接口消费者是否能提供联调环境。缺少这些前置条件时,应先登记风险和负责人,而不是直接进入大规模标注或训练。

本课总结

  • 项目目标必须同时限定场景、对象边界、运行条件、指标和交付形式
  • 精度与速度指标只有绑定测试集、硬件和输入参数后才可验收
  • 冻结目标基线并保留变更记录,能避免训练后反向修改验收口径

下一课预告

下一课将依据项目目标设计数据采集与标注方案,把检测类别、场景边界和验收指标转换为可执行的数据计划。

按自己的节奏,确认真正理解。

目录与阅读设置

阅读设置

17

记录一个想法

确定项目目标

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