第15讲 | YOLO26评估与误差分析：Precision、Recall、mAP与错例-港品优选

第15讲 | YOLO26评估与误差分析：Precision、Recall、mAP与错例

先看懂指标，再定位错例，最后决定怎么改模型

整理说明：本文基于 B 站公开视频《第15讲 YOLO26评估与误差分析：Precision、Recall、mAP与错例》

很多同学卡在这一讲，不是因为 Precision、Recall、mAP 真的难，而是因为它们常被当成孤立数字记。

本篇只解决一个核心问题：模型训完以后，怎么判断它到底哪里好、哪里坏、下一步该改什么？

01 先把痛点说透

评估不是为了“报一个分数”，而是为了把问题拆开。

现象	常见信号	优先看什么
误检多	Precision 低	置信度阈值、背景干扰、负样本
漏检多	Recall 低	漏标、小目标、阈值太高
框不准	mAP50 高但 mAP50-95 低	定位质量、IoU、标注质量
某一类特别差	per-class AP 很低	类别混淆、样本不平衡、标注一致性

评估的本质不是“模型行不行”，而是“错误主要来自哪里”。

如果你只盯着一个 mAP，往往只能知道“差”，却不知道“差在什么地方”。

02 核心概念先说准

目标检测评估最先要分清三件事：

名称	含义
TP	预测对了，而且框和类别都匹配
FP	预测出来了，但其实是错的
FN	真实目标存在，但模型没找出来

先看两个最常用指标：

Precision = TP / (TP + FP) Recall = TP / (TP + FN)

它们回答的是两个不同的问题：

Precision：你报出来的框，有多少是真的。
Recall：真实存在的目标，你找到了多少。

再看 IoU。IoU 是预测框和真值框的重叠程度。对检测来说，类别对了不够，IoU 不达标也不算 TP。

Precision 和 Recall 的直觉

指标	高了说明什么	低了说明什么
Precision	误检少	背景容易被当成目标
Recall	漏检少	目标经常被错过

mAP 是什么

AP 可以理解成“某一类在不同置信度阈值下的 P-R 曲线面积”。
mAP 就是把各类 AP 再平均一次。

指标	解释
mAP50	IoU = 0.50 时的 AP 平均值
mAP50-95	IoU 从 0.50 到 0.95，每 0.05 取一个阈值后再平均
per-class AP	每一类单独的 AP

所以：

mAP50 看的是“有没有大致找对”
mAP50-95 看的是“框得准不准”

03 用一个小例子跑通机制

假设一张验证集里有 4 个真实目标，模型给出 5 个预测框：

预测框	置信度	IoU	判定
A	0.96	0.82	TP
B	0.91	0.76	TP
C	0.74	0.41	FP
D	0.68	0.73	TP
E	0.33	-	FP

当阈值取 0.50

保留 A、B、C、D：

TP = 3
FP = 1
FN = 1

Precision = 3 / (3 + 1) = 0.75 Recall = 3 / (3 + 1) = 0.75

当阈值取 0.90

只保留 A、B：

TP = 2
FP = 0
FN = 2

Precision = 2 / (2 + 0) = 1.00 Recall = 2 / (2 + 2) = 0.50

这就是为什么阈值一高，Precision 常常上升，Recall 常常下降。

AP 做的事，就是把不同阈值下的这些点串起来，再算面积。

所以你看见 PR 曲线时，别把它当“装饰图”，它就是模型取舍关系的压缩图。

04 配套代码练习

1. 先跑一个纯 Python 的阈值扫表

完整代码见：code_snippets/01_threshold_tradeoff.py

这个小脚本不依赖深度学习框架，先帮你看懂“阈值变化为什么会改 Precision / Recall”。

2. 再跑一次 Ultralytics 验证

完整代码见：code_snippets/02_ultralytics_val.py

fromultralyticsimportYOLO model=YOLO("best.pt")# 换成你自己的权重metrics=model.val(data="custom.yaml",imgsz=640,conf=0.25,iou=0.7,plots=True,)print("Precision:",metrics.box.mp)print("Recall:",metrics.box.mr)print("mAP50:",metrics.box.map50)print("mAP50-95:",metrics.box.map)print("Per-class AP:",metrics.box.maps)

你重点看这几个值就够了：

字段	说明
`metrics.box.mp`	平均 Precision
`metrics.box.mr`	平均 Recall
`metrics.box.map50`	mAP@0.50
`metrics.box.map`	mAP@0.50:0.95
`metrics.box.maps`	每个类别的 AP

如果plots=True，通常会生成 PR 曲线、混淆矩阵和验证可视化图，先看这些，再看数字。

05 常见误区和排查清单

先按症状查

现象	优先怀疑
Precision 低	置信度太低、背景太像目标、负样本不足
Recall 低	漏标、小目标多、阈值太高、NMS 太狠
mAP50 高但 mAP50-95 低	框能找对，但定位不稳
某一类 AP 特别差	类别不平衡、类间相似、标注不一致
PR 曲线很抖	验证集太小或标注噪声大

再按顺序查

1. 先查标签是否干净 2. 再查数据集分布是否平衡 3. 再查验证阈值和 NMS 4. 再看 PR 曲线和混淆矩阵 5. 最后抽错例图，定位到底是漏检、误检还是框不准

如果你只记一句话：

Precision 看误检，Recall 看漏检，mAP 看整体，错例看下一步怎么改。

06 复盘

这讲最重要的，不是把名词背下来，而是把下面三件事连起来：

指标怎么读。
错例怎么分。
问题该怎么改。

换句话说，评估不是终点，而是下一轮优化的起点。

回复：YOLO评估

我会建议你先做三件小事：

跑一次model.val(...)
截一张 PR 曲线和混淆矩阵
随机翻 20 张错例图

这样你就会发现，很多“模型不行”的判断，其实只是“还没把问题拆开”。

写在最后

学术因方向、个人实验和写作能力以及具体创新内容的不同而无法做到一通百通，关注UP：Ai学术叫叫兽
在所有资料中留下联系方式以便在科研之余为家人们答疑解惑，本up主获得过国奖，发表多篇SCI，擅长目标检测领域，拥有多项竞赛经历，拥有软件著作权，核心期刊等经历。
因为经历过所以更懂小白的痛苦！
因为经历过所以更具有指向性的指导！

祝所有科研工作者都能够在自己的领域上更上一层楼！

企业官网建设流程全解析