3、目标检测基础：任务定义、常用数据集与评价指标
目标检测是计算机视觉中最核心的任务之一，也是TinyML在边缘设备上最具落地价值的应用方向。与图像分类不同，目标检测不仅要回答"图像中有什么"，还要回答"这些物体在哪里"。在Ethos-U这类算力受限的MCU级NPU上部署目标检测模型，首先需要精确理解任务的定义边界、数据集的构成逻辑以及评价指标的数学含义。本节将系统梳理这三个基础模块，为后续的模型选型、量化和部署优化建立统一的评估坐标系。
3.1 目标检测任务定义与问题建模
目标检测（Object Detection）的任务可以形式化描述为：给定一张输入图像 I，算法需要输出一组检测结果 D = {d₁, d₂, ..., dₙ}，其中每个检测结果 dᵢ 包含两个核心信息：类别标签 cᵢ（来自预定义的类别集合 C）和边界框 bᵢ（通常表示为 (x_min, y_min, x_max, y_max) 或 (x_center, y_center, width, height)）。与图像分类（输出单一类别）和语义分割（逐像素分类）不同，目标检测需要同时解决"是什么"和"在哪里"两个子问题，且图像中目标数量不固定、尺度变化大、相互遮挡频繁。
目标检测的算法范式主要分为两阶段（Two-stage）和单阶段（One-stage）两大类。两阶段方法（如 Faster R-CNN）先通过区域提议网络（RPN）生成候选框，再对候选框进行分类和回归，精度高但计算量大，不适合MCU级设备。单阶段方法（如 YOLO、SSD）直接在特征图上预测类别和边界框，速度快但精度略低。对于Ethos-U平台，单阶段轻量化模型（如 YOLOv5n、YOLOv8n、MobileNet-SSD）是主流选择，因为其参数量通常在 2-5M 之间，计算量在 1-5 GMACs 范围内，经过量化后可以满足 < 1MB SRAM 的部署约束。
3.2 常用数据集：COCO 与 VOC 的深度解析
数据集是目标检测模型训练的"教材"，也是评估模型泛化能力的"考卷"。在TinyML领域，最常用的两个公开数据集是 Microsoft COCO（Common Objects in Context） 和 PASCAL VOC（Visual Object Classes）。理解这两个数据集的差异，对于模型选型和精度评估至关重要。
| 对比维度 | COCO（2017版） | PASCAL VOC（2012版） |
|---|---|---|
| 类别数量 | 80类（含person、car、dog等） | 20类（含aeroplane、bicycle等） |
| 图像数量 | 训练集118K，验证集5K | 训练验证集约11K |
| 实例数量 | 约150万个标注实例 | 约27,450个标注实例 |
| 标注格式 | JSON（COCO格式） | XML（VOC格式） |
| 小目标占比 | 约41%（面积<32²像素） | 较少，目标尺度偏大 |
| 评估指标 | mAP@[0.5:0.95]（主指标） | mAP@0.5（主指标） |
| 适用场景 | 通用检测、小目标、复杂场景 | 基础检测、快速验证 |
在TinyML模型训练中，COCO数据集是更推荐的基准，原因有三：第一，COCO包含大量小目标，这与边缘设备在真实场景（如安防摄像头、工业质检）中遇到的情况更接近；第二，COCO的评估协议更严格（mAP@[0.5:0.95] 取多个IoU阈值的平均值），能更全面地反映模型性能；第三，COCO的80类覆盖了大多数实际应用场景。但COCO数据量较大，在资源受限的开发环境中，可以先使用VOC进行模型架构验证，再迁移到COCO进行正式训练。
3.3 评价指标：IoU、Precision/Recall 与 mAP
评价指标是衡量目标检测模型性能的"标尺"。在TinyML部署中，我们不仅关注精度指标，还需要综合考虑模型大小、推理速度和内存占用。以下从数学定义到工程实践，逐一解析核心指标。
3.3.1 IoU（Intersection over Union）
IoU 是衡量预测边界框与真实标注框重叠程度的指标，计算公式为：
IoU = Area(预测框 ∩ 真实框) / Area(预测框 ∪ 真实框)IoU 的取值范围为 [0, 1]，0 表示完全不重叠，1 表示完全重合。在目标检测中，通常设定一个阈值（如 0.5）来判断预测框是否为正确检测（True Positive）。在COCO评估协议中，会计算 IoU 从 0.5 到 0.95（步长 0.05）共 10 个阈值下的平均精度，这被称为 mAP@[0.5:0.95]，是更严格的评估标准。
3.3.2 Precision 与 Recall
精确率（Precision）和召回率（Recall）是评估检测结果的两个基本维度：
- Precision = TP / (TP + FP)：预测为正样本的实例中，实际为正样本的比例。高精确率意味着误检少。
- Recall = TP / (TP + FN)：实际为正样本的实例中，被正确预测出来的比例。高召回率意味着漏检少。
在目标检测中，Precision 和 Recall 是一对矛盾指标。当检测阈值降低时，Recall 升高但 Precision 下降；反之亦然。因此，需要绘制 PR曲线（Precision-Recall Curve） 来综合评估模型性能，而 AP（Average Precision） 就是 PR 曲线下的面积。
3.3.3 mAP（mean Average Precision）
mAP 是所有类别 AP 的平均值。对于每个类别，先计算该类别在不同置信度阈值下的 Precision-Recall 曲线，然后计算曲线下面积得到 AP，最后对所有类别的 AP 取平均得到 mAP。在COCO评估中，mAP@[0.5:0.95] 是主指标，mAP@0.5 和 mAP@0.75 作为辅助指标。
3.4 案例拆解：基于COCO的轻量检测模型评估流程
为了将上述概念串联起来，我们以一个实际的TinyML项目为例，展示如何利用COCO数据集和mAP指标进行模型选型与评估。
项目背景：某工业视觉项目需要在 Ethos-U55 上部署一个安全帽佩戴检测模型，要求检测精度 mAP@0.5 ≥ 80%，推理速度 ≥ 10 FPS，模型大小 ≤ 500KB（int8量化后）。
初始现象与目标：团队最初选择了 YOLOv5s 作为基线模型，在 COCO 上预训练后微调。浮点模型在验证集上达到 mAP@0.5 = 86.2%，但 int8 量化后 mAP 降至 78.5%，且模型大小为 1.2MB，超出限制。
关键数据与分析：
模型 | 浮点mAP@0.5 | int8 mAP@0.5 | 模型大小 | 推理时间(FPS)
YOLOv5s | 86.2% | 78.5% | 1.2MB | 6 FPS
YOLOv5n | 82.1% | 80.3% | 0.4MB | 14 FPS
YOLOv8n | 83.5% | 81.2% | 0.5MB | 12 FPS分析判断过程：YOLOv5s 虽然浮点精度最高，但量化后精度下降明显（7.7%），且模型大小和推理速度均不达标。YOLOv5n 和 YOLOv8n 在量化后精度下降较小（1.8% 和 2.3%），且满足大小和速度要求。进一步分析发现，YOLOv5s 的深层特征图对量化误差更敏感，而轻量模型的通道数较少，量化损失更小。
实际操作步骤：
- 使用 YOLOv8n 作为最终模型，在 COCO 预训练权重基础上，冻结 backbone 前 5 层，微调检测头 50 个 epoch。
- 采用 PTQ（Post-Training Quantization）进行 int8 量化，使用 500 张验证图像作为校准集，选择 MSE 作为量化误差度量。
- 在 Ethos-U55 上使用 Vela 编译器进行 NPU 编译，设置内存模式为 "Shared SRAM"，优化策略为 "Performance"。
- 最终 int8 模型 mAP@0.5 = 81.2%，模型大小 0.5MB，推理速度 12 FPS，满足项目需求。
结果对比与复盘：最终方案相比初始方案，mAP 提升了 2.7%（从 78.5% 到 81.2%），模型大小减少了 58%，推理速度提升了 2 倍。复盘经验：在TinyML场景下，模型选择应优先考虑量化鲁棒性，而非单纯追求浮点精度。此外，校准集的选择对量化效果影响显著，建议使用与目标场景分布一致的图像进行校准。
3.5 常见误区与总结复盘
在目标检测基础概念的学习和应用中，以下误区需要特别注意：