企业官网建设流程全解析

YOLOv7 mAP@0.5 与 mAP@0.5:0.95 区别：为什么前者和后者能差出 20 个点？

【免费下载链接】yolov7Implementation of paper - YOLOv7: Trainable bag-of-freebies sets new state-of-the-art for real-time object detectors项目地址: https://gitcode.com/GitHub_Trending/yo/yolov7

上次同事问我：明明 mAP@0.5 涨了 2 个点，为什么上线后框的位置反而越飘越远？答案多半藏在指标选择里——这就是两个评估口径的差别，即 YOLOv7 mAP@0.5 与 mAP@0.5:0.95 区别。下面用十分钟把这两个数讲透。

先建立直觉：30 秒看懂 IoU 及格线在判什么

先给白话翻译。IoU（交并比）就是预测框和正确答案框的重叠比例，阈值是"及格线"：重叠比达到线才算"检到了"。

打个比方：面试打分表只有一题"过没过"。mAP@0.5 就是这一条线——0.5，框和真值重叠到一半就算命中，它主要回答"找没找到"。

mAP@0.5:0.95 则是十道题：0.5、0.55、…、0.95 共十条及格线，框要逐线通过，每一线各算一个 AP 再取平均。AP 就是 PR 曲线下能装下多少面积，mAP 就是各类别 AP 的均值。所以它既问"找没找到"，也问"框画得紧不紧"。

代码就在 test.py，你可以看这两行：

iouv = torch.linspace(0.5, 0.95, 10).to(device) # 10 档 IoU 及格线 ap50, ap = ap[:, 0], ap.mean(1) # AP@0.5, AP@0.5:0.95

看下面这张马群检测结果：有的框紧贴真值，有的框只是勉强压住马边。0.5 这条线两者都能混过去，0.95 那条线只有紧的框活下来。

整条判定链路，其实就是一条流水线：

跟着我跑一遍：评估命令怎么敲、结果目录看哪几列

在项目根目录直接敲（还没 clone 代码的话：git clone https://gitcode.com/GitHub_Trending/yo/yolov7）：

python test.py --weights yolov7.pt --data data/coco.yaml --img 640 --iou 0.65

评估完，结果落在runs/test/exp/：confusion_matrix.png、PR_curve.png，还有几张test_batch*_pred.jpg对比图。最值得盯的是终端那行汇总：

print(pf % ('all', seen, nt.sum(), mp, mr, map50, map))

其中map50对应 mAP@0.5，map对应 mAP@0.5:0.95；mp、mr是各类平均的精确率与召回率。注意--iou 0.65是 NMS 去重阈值，不是评估用的 IoU 线。加上--verbose还会逐类输出，方便你揪出薄弱类别。

做模型对比或看论文时，常被贴出来的 AP 对比图，用的正是后者的口径：

一张表 + 一句口诀：什么时候该看哪个 mAP

口诀记一句：初筛看 0.5，选型看 0.95；两数差值拉大，先查定位再庆功。

别急着下结论：mAP@0.5 涨了不等于模型变好了。差值（map50 - map）保持平稳甚至缩小，才说明框真的画得越来越紧。

踩坑实录：mAP 差值过大先查什么 ⚠️

坑一：只盯 mAP@0.5，定位漂移被平均掉

• 现象：训练日志一路向好，上线后框却明显偏大，点击落点偏移。
• 原因：0.5 这条线太宽松，框偏掉近一半也照样算命中，"找到了"的分数把"画得紧"掩盖了。
• 解法：实验日志里同时记map50 - map；健康模型通常差 10-20 个点，差值越拉越大，就先查定位损失和 cfg/training/yolov7.yaml 里的锚框配置。

坑二：v5_metric 与 v7_metric 口径没对齐

• 现象：自己跑出来的数和 YOLOv5 官方结果对不上，怀疑代码有 bug。
• 原因：utils/metrics.py 里的compute_ap有两套口径——默认在召回曲线尾部补recall[-1] + 0.01（YOLOv7 默认口径）；加--v5-metric则补 1.0，把最大召回当满分。
• 解法：对比数字前别换开关；要和 YOLOv5 官方对比，就显式加上--v5-metric。

坑三：--iou是 NMS 去重，不是评估阈值

• 现象：把--iou 0.65改成 0.6，mAP 抖了一下，怀疑模型退化了。
• 原因：它决定推理时 NMS 去重后剩几个框，和评估那十条 IoU 线是两码事。
• 解法：对比两个模型时保持该参数一致；要调就一起调，并记下这组数是在什么配置下跑出来的。

速查清单：训练完直接照做

• mAP@0.5 涨了、差值（map50 - map）也变大 = 定位在变差，先别上线；
• 快速迭代看 mAP@0.5，最终选型与论文对比看后者；
• 和别人对比结果，先问"哪个 AP 口径"（--v5-metric开没开）；
• 改 NMS 或置信度阈值前，先把旧数字记下来，否则分不清是模型变了还是评估参数变了。

下一步很简单：下次训练完先跑一遍test.py，把map50和map的差值记进实验日志——超过 20 个点，就先查定位。🎯

【免费下载链接】yolov7Implementation of paper - YOLOv7: Trainable bag-of-freebies sets new state-of-the-art for real-time object detectors项目地址: https://gitcode.com/GitHub_Trending/yo/yolov7