F1 Score（F1 分数）#

• F1 是 精确率和召回率的折中
• • 精度高但是漏掉很多 → F1 不高
• • 漏检少但是误报多 → F1 不高
• 图上通常有一个峰值，告诉你置信度选择多少时 精度和召回率最平衡

解读图表：
F1 值整体偏低，说明模型在召回率和精确率之间的平衡不佳。在极低置信度下才能勉强获得一点 F1 值，一旦提高阈值，模型就几乎没有有效预测

Precision（精确率）#

• 精确率 = “我说这是目标的东西，有多少是真的目标？”
• 图上是 精度随置信度变化的曲线

置信度越高（模型越确信这是目标），精度一般越高，但可能会漏掉一些真实目标

解读图表：
当置信度阈值设得足够高时，模型预测的结果都是完全准确的（没有误报）。但这也意味着，为了保证精确率，模型牺牲了大量的召回率

Recall（召回率）#

• 召回率 = “所有真实目标，我找到了多少？”
• 图上也是随置信度变化

置信度太高会漏掉真实目标 → 召回率下降

PR Curve（Precision-Recall 曲线）#

• 横轴：召回率
• 纵轴：精确率
• 曲线越靠右上角，模型性能越好
• 看这图就知道模型是偏保守（精度高、召回低）还是偏大胆（召回高、精度低）

mAP（Mean Average Precision，平均精度）#

评估目标检测模型的综合指标，考虑了精确率和召回率在不同置信度阈值下的表现

• mAP50：IoU=0.5 时的平均精度
• mAP50-95：IoU 0.5~0.95 的平均精度
• 模型预测框和真实框重叠得越好，mAP 越高

解读图表：
mAP@0.5：0.995，这是一个非常高的数值
这个指标看似完美，但结合其他曲线来看，这很可能是因为数据量极小或类别单一导致的 “假完美”。在实际应用中，这个 mAP 值的参考意义有限

图表解读：
模型在完全不筛选（置信度为 0）时，能检测到 76% 的目标，但只要稍微提高置信度，就几乎检测不到任何目标了。这说明模型对目标的区分能力很弱，大量低置信度的预测其实是噪声

Confusion Matrix（混淆矩阵）#

• 行 = 真实类别
• 列 = 模型预测类别
• 对单类任务，主要看 TP（预测对的数量）、FP（误报）、FN（漏报）
• 越多对角线越深色 → 越好，说明模型预测对的多

图表解读：
数据：所有 12 个真实的 “COCO” 样本，都被正确预测为 “COCO”。没有将背景误判为目标，也没有将目标误判为背景
解读：在这个极小的测试集（12 个样本）上，模型的分类结果是完美的。这也解释了为什么 mAP@0.5 高达 0.995

图表解读：
数据：归一化后，对角线值为 1.00
解读：进一步确认了在这个测试集上，模型的分类准确率是 100%。但这是基于极小样本量得出的结论，不具备泛化能力

图表解读
数据集非常小且单一，这是导致评估指标 “看起来很美” 但实际泛化能力差的根本原因

图表解读：
损失曲线

• train/box_loss, train/cls_loss, train/dfl_loss 都在稳步下降，说明模型在训练集上正在学习
  
• val/box_loss, val/cls_loss, val/dfl_loss 也在下降，说明模型在验证集上也在收敛，没有明显的过拟合
  指标曲线
  
• precision(B), recall(B), mAP50(B), mAP50-95(B) 都在训练初期迅速提升到很高的水平，然后趋于稳定
  解读：训练过程是健康的，模型确实学到了东西。但由于数据集太小，这些指标的提升更多是对训练数据的记忆，而不是对新数据的泛化能力