固定比较条件#

• 使用同一份验证集。

• 使用相同输入尺寸。

• 使用相同 conf 和 iou 参数。

• 记录模型权重、训练轮数和数据版本。

指标和实际效果一起看#

mAP、precision、recall 是整体指标，但实际使用还要看典型图片。一个模型指标略高，却在关键场景漏检，也未必更适合上线。

对比表模板#

1
模型 | 数据版本 | imgsz | conf | mAP50 | recall | 备注
2
yolov8n | v1 | 640 | 0.25 | 0.82 | 0.76 | 小目标漏检
3
yolov8s | v1 | 640 | 0.25 | 0.86 | 0.81 | 推理稍慢

错误案例库#

把每个模型失败的图片放到同一个目录，按漏检、误检、类别错、框不准分类。看错误案例比只看平均指标更容易找到下一步改进方向。

实战复盘#

把《模型结果对比记录》用于真实视觉项目时，我会先做可视化抽查。图像任务里很多错误不会抛异常，例如颜色通道反了、检测框偏移、标签和图片不同步，但一张可视化结果就能暴露。

每个处理步骤都应该保存少量中间结果：原图、处理后图片、mask、绘制框图片或预测输出。不要只保存最终模型指标，因为指标无法告诉你是哪一步把数据处理坏了。

如果文章涉及批量处理，还要记录成功数量、失败数量和失败样本路径。视觉项目的数据量一大，没有失败清单就很难复查。

最小验收样例#

验收《模型结果对比记录》时，我会固定三张图片：一张正常样例、一张边界样例、一张容易失败的样例。每次改代码都用这三张图跑一遍，并保存输出结果。

视觉流程的验收必须能用眼睛确认。只打印数组 shape 或命令成功不够，至少要保存一张中间结果图或最终可视化图，确认处理效果和预期一致。

小结#

模型对比要固定条件，再比较指标和错误案例。否则看似精确的数字，可能只是评估环境变化带来的假差异。