2、基础知识：目标检测核心概念（边界框、IoU、mAP、FPS）、常见术语与评价指标

在无人机视觉目标识别任务中，无论是轻量检测模型选型、ROI（Region of Interest）裁剪策略设计，还是推理延迟优化，都离不开对目标检测基础概念的精确理解。边界框定义了目标在图像中的位置，IoU（Intersection over Union）衡量预测框与真实框的重合程度，mAP（mean Average Precision）综合评估模型在不同类别和置信度阈值下的检测精度，而FPS（Frames Per Second）则直接反映系统的实时性。这四个核心概念构成了无人机视觉系统的“语言体系”——没有它们，我们无法量化模型好坏，也无法在算力受限的机载平台上做出合理的工程权衡。本章将系统梳理这些概念的定义、计算方法、工程意义及常见误区，为后续轻量模型选型与延迟优化打下坚实基础。

上图展示了目标检测评价体系的核心要素及其工程链路关系。边界框是模型输出的原始形式，经过IoU阈值筛选和非极大值抑制（NMS）后，才能与真实标注计算mAP等精度指标；同时，FPS和延迟决定了这些精度指标能否在无人机嵌入式平台上落地。下面我们逐一深入剖析。

2.1 边界框（Bounding Box）

核心原理

边界框是目标检测中最基础的输出单元，通常用一个矩形框来定位图像中的目标物体。在无人机视觉场景中，边界框的表示方式主要有两种：中心点+宽高（x, y, w, h）和左上角+右下角（x1, y1, x2, y2）。前者在YOLO系列中使用广泛，后者在Faster R-CNN中常见。除了坐标信息，每个边界框还附带一个类别标签和置信度分数，置信度表示模型认为该框内存在目标的概率以及框定位的准确程度。

在无人机航拍图像中，边界框面临特殊挑战：目标尺度变化剧烈（同一目标在不同飞行高度下像素尺寸差异可达10倍以上）、小目标密集排列（如停车场车辆）、以及俯视视角带来的非标准长宽比。这些因素要求边界框的回归不仅要准确，还要对尺度具有鲁棒性。

判断方法与操作流程

在实际工程中，边界框的质量直接影响后续跟踪、计数、定位等任务的精度。评估边界框质量时，我们通常关注以下三点：

• 定位精度：预测框与真实框的重合程度，用IoU衡量。
• 分类置信度：模型对框内目标类别的确信程度，通常与定位精度正相关。
• 回归稳定性：在连续视频帧中，同一目标的边界框不应出现剧烈抖动。

对于无人机平台，边界框的输出格式转换也是常见操作。例如，模型输出归一化的中心点坐标（0~1），需要乘以图像宽高得到像素坐标；或者将边界框从检测坐标系映射到地理坐标系（通过相机内参和无人机姿态角）。

案例拆解：航拍车辆检测的边界框输出

假设我们使用轻量YOLOv8n模型在Jetson Orin Nano上检测航拍图像中的车辆。输入图像尺寸为640×640，模型输出为8400个候选框（80×80、40×40、20×20三个尺度）。每个候选框包含85个值：4个坐标（cx, cy, w, h）、1个置信度、80个类别概率。经过置信度阈值（0.25）过滤后，剩余约200个候选框；再经过NMS（IoU阈值0.5）后，最终输出约30个有效边界框。这30个框即为模型对图像中车辆的定位结果。

在实际飞行中，我们还需要将边界框坐标从640×640的输入尺寸映射回原始1920×1080的相机分辨率，并考虑镜头畸变校正。这一映射过程如果处理不当，会导致边界框偏移，尤其在图像边缘区域。

2.2 IoU（Intersection over Union）

核心原理

IoU（交并比）是衡量两个边界框重叠程度的指标，定义为两个框交集面积与并集面积之比。其数学表达式为：

IoU = Area(交集) / Area(并集)

IoU的取值范围为[0, 1]，0表示两个框完全不重叠，1表示完全重合。在目标检测中，IoU用于三个关键环节：

1. 训练阶段：作为损失函数的组成部分（如GIoU、DIoU、CIoU），指导边界框回归。
2. 推理阶段：用于NMS（非极大值抑制），去除冗余检测框。
3. 评估阶段：判断预测框是真正例（TP）还是假正例（FP）。

判断方法与阈值选择

在评估时，通常设定一个IoU阈值来判断检测是否正确。不同数据集和任务采用不同标准：

在无人机视觉任务中，由于目标尺度小、像素占比低，使用过高的IoU阈值（如0.75）会导致大量小目标被判定为FP，从而低估模型真实性能。建议在评估时同时报告mAP@0.5和mAP@0.5:0.95，以便全面了解模型在不同严格程度下的表现。

案例拆解：NMS中的IoU应用

假设无人机检测到一辆公交车，模型输出了5个候选框，置信度分别为0.92、0.85、0.78、0.65、0.50。NMS流程如下：

1. 按置信度排序：0.92 > 0.85 > 0.78 > 0.65 > 0.50
2. 保留置信度最高的框（0.92），计算它与其余4个框的IoU
3. 设定NMS IoU阈值为0.5，删除与最高框IoU > 0.5的框（假设0.85和0.78的框被删除）
4. 在剩余框中（0.65和0.50），重复上述过程，保留0.65的框
5. 最终输出2个边界框：置信度0.92和0.65

如果阈值改为0.3，则0.65的框也可能被删除，最终只保留1个框。这说明IoU阈值直接影响检测的召回率与精确率平衡。

2.3 mAP（mean Average Precision）

核心原理

mAP是目标检测领域最常用的精度评价指标，它综合衡量模型在所有类别上的检测性能。计算mAP需要先计算每个类别的AP（Average Precision），再对所有类别的AP取平均。AP的计算基于Precision-Recall曲线：

• Precision（精确率）：TP / (TP + FP)，即预测为正例的样本中真正正确的比例。
• Recall（召回率）：TP / (TP + FN)，即所有真实正例中被正确检出的比例。

通过改变置信度阈值，可以得到一系列(Precision, Recall)点，绘制成P-R曲线。AP即为该曲线下的面积，数值越高表示模型在保持高召回率的同时仍能维持高精确率。

计算方法与流程

以COCO的mAP@0.5:0.95为例，计算流程如下：

1. 对每个类别，在IoU阈值从0.5到0.95（步长0.05）的10个阈值下分别计算AP。
2. 将这10个AP值取平均，得到该类别的AP。
3. 对所有类别的AP取平均，得到最终的mAP。

在无人机场景中，由于目标类别通常较少（如车辆、行人、船只），且小目标占比高，mAP的计算结果容易受到目标尺度分布的影响。建议在评估时按目标尺度（小、中、大）分别统计AP，以识别模型在哪个尺度上存在短板。

案例拆解：VisDrone数据集上的mAP评估

假设我们在VisDrone数据集上评估一个轻量检测模型，该数据集包含10个类别（行人、自行车、汽车、卡车等）。模型在验证集上的检测结果如下：

• 汽车类别：AP@0.5 = 0.62，AP@0.5:0.95 = 0.31
• 行人类别：AP@0.5 = 0.48，AP@0.5:0.95 = 0.22
• 自行车类别：AP@0.5 = 0.35，AP@0.5:0.95 = 0.15
• 其余7个类别平均AP@0.5 = 0.40

则整体mAP@0.5 = (0.62 + 0.48 + 0.35 + 0.40×7) / 10 = 0.425。从数据可以看出，自行车类别的AP明显偏低，说明模型对小而细长的目标检测能力不足。针对这一问题，后续可以采取更高分辨率输入、增加小目标检测层或使用数据增强策略来改善。

2.4 FPS与推理延迟

核心原理

FPS（Frames Per Second）表示系统每秒能处理的图像帧数，是衡量检测实时性的核心指标。推理延迟（Latency）则指从输入图像到输出检测结果所经过的时间，通常以毫秒（ms）为单位。两者关系为：延迟 = 1000 / FPS（单线程串行处理时）。但在实际系统中，由于存在流水线并行、批处理等机制，FPS与延迟并非严格倒数关系。

对于无人机平台，FPS的要求取决于具体任务：

判断方法与优化路径

在评估FPS时，需要注意以下几点：

• 端到端延迟：包括图像采集、预处理、模型推理、后处理（NMS）的全链路时间。
• 硬件平台差异：同一模型在Jetson Nano和Jetson Orin上的FPS可能相差5倍以上。
• 批处理影响：增大batch size可以提高吞吐量，但会增加单帧延迟。
• 精度与速度权衡：输入分辨率降低、模型通道数减少、量化精度降低都会提升FPS，但会牺牲mAP。

在无人机嵌入式平台上，常用的延迟优化手段包括：模型剪枝、知识蒸馏、TensorRT加速、FP16/INT8量化、以及ROI区域裁剪（只对感兴趣区域进行高分辨率检测）。

案例拆解：某巡检无人机的FPS优化过程

某电力巡检无人机需要在飞行中实时检测输电线路上的绝缘子缺陷。初始方案采用YOLOv5m模型，输入分辨率1280×1280，在Jetson Xavier NX上实测FPS仅为8，无法满足15 FPS的巡检要求。优化过程如下：

1. 第一步：模型轻量化。将YOLOv5m替换为YOLOv5s，mAP从0.72降至0.68（下降5.6%），FPS提升至15。
2. 第二步：输入分辨率优化。将输入从1280×1280降至960×960，mAP再降0.02，FPS提升至22。
3. 第三步：TensorRT + FP16量化。使用TensorRT加速，FPS提升至30，mAP几乎无损失。
4. 第四步：ROI裁剪。由于绝缘子通常位于图像上部区域，通过固定ROI裁剪，将有效计算区域减少40%，FPS最终达到38。

最终方案在mAP仅损失0.05的情况下，FPS从8提升至38，满足了实时巡检需求。这一案例说明，FPS优化需要综合运用多种手段，而非单一技术。

2.5 常见术语与评价指标总结

除了上述核心概念外，目标检测领域还有一批高频术语需要掌握：

• TP（True Positive）：预测框与真实框IoU大于阈值，且类别正确。
• FP（False Positive）：预测框与真实框IoU小于阈值，或类别错误。
• FN（False Negative）：真实目标未被检测出来。
• Precision（精确率）：TP / (TP + FP)，衡量检测结果的“纯度”。
• Recall（召回率）：TP / (TP + FN)，衡量检测结果的“完整性”。
• F1-Score：Precision和Recall的调和平均数，2×P×R / (P + R)。
• NMS（非极大值抑制）：去除重叠检测框的后处理算法。
• Anchor（锚框）：预定义的边界框模板，用于回归目标位置。
• Heatmap（热力图）：基于关键点的检测方法中的中间表示。

常见误区与复盘