006-目标检测指标解读-Precision-Recall-mAP50与mAP50-95

yjso

394人浏览 · 2026-07-08 17:20:39

yjso · 2026-07-08 17:20:39 发布

006-目标检测指标怎么读：Precision、Recall、mAP50 与 mAP50-95

本文基于 Ultralytics 8.3.253 的检测任务输出进行整理，重点讲清楚 YOLO11 训练结果中的 Precision、Recall、mAP50、mAP50-95 分别代表什么，以及如何从 results.csv 中读取它们。本文不讨论虚构精度，所有数值都以自己的训练日志为准。

摘要

YOLO11 训练完成后，很多同学第一眼会去看 results.png 或终端里的 mAP，但如果分不清 Precision、Recall、mAP50 和 mAP50-95，就很容易把“检得多”“检得准”“框得准”混成一个概念。

本文结合 Ultralytics 8.3.253 的结果文件，按工程复现实验的思路解释四个核心检测指标。文章会说明它们在 results.csv 中的列名、各自适合回答什么问题、mAP50 与 mAP50-95 为什么不能混写，以及后续做 YOLO11 改进实验时应该怎样组织对比表。

关键词： YOLO11、目标检测指标、Precision、Recall、mAP50、mAP50-95、Ultralytics、results.csv

一、先确认指标来自哪里

在 Ultralytics 8.3.253 的检测验证逻辑中，目标检测结果主要围绕下面四个指标展开：

metrics/precision(B)
metrics/recall(B)
metrics/mAP50(B)
metrics/mAP50-95(B)

其中 (B) 表示 bounding box，也就是检测框指标。如果是分割、姿态或旋转框任务，还会出现对应任务的其他指标。本文只讨论普通目标检测。

训练完成后，主要看这几个文件：

runs/
  yolo11_baseline/
    yolo11n_s0_e100_i640/
      results.csv
      results.png
      PR_curve.png
      F1_curve.png
      P_curve.png
      R_curve.png
      confusion_matrix.png
      weights/
        best.pt
        last.pt

最核心的是 results.csv。它记录了每个 epoch 的 loss、指标和学习率变化。results.png 只是根据 CSV 画出来的图，适合观察趋势，但正式做实验表时还是建议回到 CSV 读取数值。

二、不要把检测指标写成“准确率”

分类任务里经常说 accuracy，但目标检测不是只判断图片类别。检测模型至少要同时回答三个问题：

图中有没有目标；
目标属于哪个类别；
框的位置是否足够准。

所以目标检测更常用 Precision、Recall 和 mAP。它们不是同一个东西。

指标	主要回答的问题
Precision	模型报出来的目标里，有多少是真的
Recall	真实存在的目标里，有多少被模型找到了
mAP50	IoU 阈值为 0.5 时的平均检测表现
mAP50-95	IoU 从 0.5 到 0.95 多个阈值下的平均表现

后续写 YOLO11 改进文章时，建议直接写这几个指标名称，不要笼统写“准确率提升”。尤其是目标检测任务中，“准确率”这个说法很容易让读者误解。

三、Precision：模型报出来的框有多可靠

Precision 可以理解为“模型预测出来的目标里，有多少是对的”。

简单公式可以写成：

Precision = TP / (TP + FP)

其中：

名称	含义
TP	预测正确的目标
FP	模型误检出来的目标

如果 Precision 很高，通常说明模型比较谨慎，报出来的框大多是可信的。如果 Precision 很低，说明误检比较多，例如把背景纹理、阴影、相似物体也当成目标。

举个常见现象：

现象	可能原因
Precision 高，Recall 低	模型只敢检明显目标，漏检较多
Precision 低，Recall 高	模型检得很积极，但误检也多
Precision 和 Recall 都低	数据、标注、类别定义或训练本身可能有问题

写实验分析时，不要只说 Precision 变高。还要同时看 Recall 有没有明显下降。一个模型如果只是变得更保守，Precision 可能会上去，但实际可用性不一定更好。

四、Recall：真实目标有没有被找全

Recall 可以理解为“真实存在的目标里，有多少被模型找到了”。

公式可以写成：

Recall = TP / (TP + FN)

其中：

名称	含义
TP	被正确检测出来的目标
FN	真实存在但模型漏掉的目标

Recall 更关注漏检问题。比如工业缺陷、道路障碍物、安全帽检测等任务中，漏检通常比误检更严重，这时 Recall 就需要重点关注。

如果 Recall 长期偏低，可以从下面几个方向排查：

排查方向	说明
目标太小	小目标在 `640` 输入尺寸下可能只剩很少像素
遮挡严重	部分目标标注框不完整，模型难以学习
类别混淆	类别边界不清楚，标注规则不统一
数据量不足	某些类别样本太少
置信度阈值	推理展示时 `conf` 设置过高会减少显示框

注意，验证阶段的指标计算和普通预测展示不完全一样。不要只根据 predict 结果截图判断 Recall，正式对比要看 val 或训练过程中的验证指标。

五、mAP50：较宽松定位标准下的综合表现

mAP50 中的 50 指 IoU 阈值为 0.5。也就是说，预测框和真实框的重叠程度达到一定标准后，才会被当成正确检测。

IoU 可以简单理解为：

IoU = 预测框和真实框的交集面积 / 预测框和真实框的并集面积

当使用 mAP50 时，只要 IoU 达到 0.5，就进入这个阈值下的 AP 计算。因此 mAP50 相对宽松，能够反映模型是否大体找到了目标。

它适合回答这样的问题：

模型有没有基本学会这个数据集；
某些类别是否完全检测不出来；
改进后大致召回和分类能力有没有变化。

但 mAP50 也有局限。一个框只要大概覆盖目标，就可能在这个阈值下通过。如果任务对定位精度要求高，只看 mAP50 会过于乐观。

六、mAP50-95：更严格的综合指标

mAP50-95 是把 IoU 阈值从 0.5 到 0.95 取多个点进行平均。Ultralytics 检测验证中使用的 IoU 阈值序列可以理解为：

0.50, 0.55, 0.60, 0.65, 0.70, 0.75, 0.80, 0.85, 0.90, 0.95

这个指标比 mAP50 更严格。因为 IoU 越高，对预测框位置越挑剔。模型如果只是大概框住目标，mAP50 可能还不错，但 mAP50-95 不一定高。

在 Ultralytics 的检测指标对象中，mean_results() 返回的顺序是：

Precision, Recall, mAP50, mAP50-95

检测任务的 fitness 也更偏向 mAP50-95。也就是说，如果要选一个更适合做主指标的数，通常优先看 mAP50-95，再结合 mAP50、Precision、Recall 一起解释。

后续写改进文章时，建议表格中至少保留：

模型	Precision	Recall	mAP50	mAP50-95
YOLO11n baseline	按真实结果填写	按真实结果填写	按真实结果填写	按真实结果填写
改进模型	按真实结果填写	按真实结果填写	按真实结果填写	按真实结果填写

不要把 mAP50 和 mAP50-95 合并成一个“mAP”。这两个数的含义不同，读者也会默认它们应该分开展示。

七、从 results.csv 中读取最佳 epoch

训练完成后，可以用下面脚本读取 results.csv，找出 mAP50-95 最高的 epoch：

import pandas as pd

csv_path = r"runs\yolo11_baseline\yolo11n_s0_e100_i640\results.csv"

df = pd.read_csv(csv_path)
df.columns = [c.strip() for c in df.columns]

metric_cols = [
    "metrics/precision(B)",
    "metrics/recall(B)",
    "metrics/mAP50(B)",
    "metrics/mAP50-95(B)",
]

best_index = df["metrics/mAP50-95(B)"].idxmax()
best_row = df.loc[best_index, ["epoch", *metric_cols]]

print(best_row)

这段代码做了三件事：

读取训练结果 CSV；
去掉列名前后可能存在的空格；
按 metrics/mAP50-95(B) 找到最佳 epoch。

如果你更关注 mAP50，也可以把排序列换成：

best_index = df["metrics/mAP50(B)"].idxmax()

但做 YOLO11 改进对比时，我更建议优先记录 mAP50-95，因为它对定位质量更敏感。

八、如何查看最后一轮和最佳轮是否一致

有时最后一个 epoch 的指标并不是最高的，这很正常。训练过程中模型会保存 best.pt 和 last.pt：

权重	含义
`best.pt`	验证指标最优时保存的权重
`last.pt`	最后一个 epoch 的权重

可以用下面代码对比最后一轮和最佳轮：

import pandas as pd

csv_path = r"runs\yolo11_baseline\yolo11n_s0_e100_i640\results.csv"
df = pd.read_csv(csv_path)
df.columns = [c.strip() for c in df.columns]

best_row = df.loc[df["metrics/mAP50-95(B)"].idxmax()]
last_row = df.iloc[-1]

for name, row in [("best", best_row), ("last", last_row)]:
    print(name)
    print("epoch:", int(row["epoch"]))
    print("precision:", row["metrics/precision(B)"])
    print("recall:", row["metrics/recall(B)"])
    print("mAP50:", row["metrics/mAP50(B)"])
    print("mAP50-95:", row["metrics/mAP50-95(B)"])

如果最佳轮比最后一轮明显更好，正式部署或对比时一般使用 best.pt。如果你要断点续训，则使用 last.pt。

九、曲线图应该怎么看

results.png 适合看趋势，不适合只盯某一个点。建议重点观察：

曲线	观察重点
`train/box_loss`	训练集框回归损失是否下降
`val/box_loss`	验证集框回归损失是否同步变好
`metrics/precision(B)`	误检是否减少
`metrics/recall(B)`	漏检是否减少
`metrics/mAP50(B)`	较宽松定位下综合表现
`metrics/mAP50-95(B)`	更严格定位下综合表现

如果训练 loss 一直下降，但验证 mAP 不涨，可能是过拟合、标注质量、数据分布或增强策略存在问题。

如果 mAP50 比较高，但 mAP50-95 明显偏低，说明模型大概能找到目标，但框的位置还不够精准。这类情况后续可以考虑框回归损失、检测头、小目标尺度或标注边界质量。

十、PR 曲线和混淆矩阵有什么用

除了 results.csv，验证阶段还可能生成：

PR_curve.png
F1_curve.png
P_curve.png
R_curve.png
confusion_matrix.png
confusion_matrix_normalized.png

这些图适合进一步分析问题。

文件	作用
`PR_curve.png`	看 Precision 和 Recall 的权衡关系
`F1_curve.png`	看不同置信度下综合表现
`P_curve.png`	看置信度变化对 Precision 的影响
`R_curve.png`	看置信度变化对 Recall 的影响
`confusion_matrix.png`	看类别之间是否互相误判

如果某两个类别在混淆矩阵中经常互相错分，优先检查标注规则和样本差异，不要一上来就换复杂模块。很多时候，类别定义不清楚比网络结构影响更大。

十一、做改进实验时怎么写指标表

后续写注意力、Neck 或 Backbone 改进文章时，可以使用下面这种表格结构：

实验	模型	改动	Precision	Recall	mAP50	mAP50-95	备注
B001	YOLO11n	原始模型	按真实结果填写	按真实结果填写	按真实结果填写	按真实结果填写	baseline
A001	YOLO11n + 模块A	指定位置加入模块A	按真实结果填写	按真实结果填写	按真实结果填写	按真实结果填写	与 B001 同参数