4、目标检测基础：任务定义、IoU、NMS 与 mAP
目标检测，说白了就是让计算机在图片里回答两个问题：「什么东西在哪？」。它不像分类只告诉你「这是一只猫」，也不像分割要画出猫的每一根毛。检测要的是——框出猫的位置，再贴上「猫」的标签。
我刚开始接触这个领域时，觉得不就是画个框嘛，能有多难？后来才发现，框怎么画、框多了怎么删、框准不准怎么算，每一步都是坑。今天我们就把这几个核心概念彻底捋清楚。
4.1 目标检测的任务定义
一个完整的目标检测输出，包含两部分信息：
- 类别标签（Class）：比如 person、car、dog
- 边界框（Bounding Box）：通常用 (x, y, w, h) 或 (x1, y1, x2, y2) 表示
你想想看，一张图里可能有多个物体，每个物体都要输出一个框和一个标签。这就是检测和分类最大的区别——输出数量不固定。
我在项目中遇到过最头疼的问题：一张密集人群图，模型输出了几百个框，里面有一半是重复的。怎么处理？这就引出了 IoU 和 NMS。
4.2 IoU（交并比）—— 框与框的「重叠度」
IoU 全称 Intersection over Union，中文叫交并比。它衡量两个框的重叠程度。
公式很简单：
IoU = (A ∩ B) / (A ∪ B)也就是两个框的交集面积，除以它们的并集面积。结果在 0 到 1 之间。
- IoU = 1：两个框完全重合
- IoU = 0：两个框完全不挨着
- IoU > 0.5：通常认为有重叠
下面这张图，帮你直观理解 IoU 的计算逻辑：
4.3 NMS（非极大值抑制）—— 去掉多余的框
模型预测时，同一个物体周围会冒出很多框。NMS 的作用就是：只保留最好的那个，删掉其他重复的。
算法步骤其实很直白：
- 把所有框按置信度从高到低排序
- 选置信度最高的框，保留它
- 计算它和其他框的 IoU
- 如果 IoU > 阈值（比如 0.5），就删掉那个框
- 重复 2~4，直到所有框都被处理
下面这个流程，帮你理清 NMS 的执行顺序：
4.4 mAP（平均精度均值）—— 模型到底好不好？
mAP 是目标检测领域最常用的评估指标。全称 mean Average Precision。
要理解 mAP，先要搞懂两个概念：Precision（精确率）和Recall（召回率）。
| 指标 | 含义 | 公式 |
|---|---|---|
| Precision | 模型预测的框里，有多少是对的 | TP / (TP + FP) |
| Recall | 所有真实物体中，模型找出了多少 | TP / (TP + FN) |
这里 TP、FP、FN 的定义，我习惯这样记：
- TP（真阳性）：预测框和真实框的 IoU > 阈值（比如 0.5），且类别正确
- FP（假阳性）：预测框和真实框的 IoU ≤ 阈值，或者类别错了
- FN（假阴性）：有真实物体，但模型没检测出来
mAP 的计算，简单来说就是：
- 对每个类别，画出 Precision-Recall 曲线
- 计算曲线下的面积，得到 AP（Average Precision）
- 对所有类别的 AP 取平均，得到 mAP
在 YOLO 的评估中，你经常会看到两个版本：
- mAP@0.5：IoU 阈值固定为 0.5
- mAP@0.5:0.95：IoU 阈值从 0.5 到 0.95，步长 0.05，取平均
4.5 本章小结
这四个概念，是目标检测的基石。我见过不少新手，模型跑通了但不知道效果好不好，就是因为没搞懂 mAP 怎么算。也有同学调 NMS 阈值调了半天，结果越调越差——其实是不理解 IoU 的含义。
记住一句话：IoU 是尺子，NMS 是剪刀，mAP 是成绩单。这三样东西，贯穿你整个 YOLO 学习生涯。