YOLO语义分割

架构

Backbone 特征提取网络 → Neck 多尺度特征融合 → Head 检测头 + 分割头

1. Backbone：提取图像特征

前半部分不断卷积、下采样，把原图变成多层特征图。

Conv C3k2 SPPF C2PSA

它学的是：

边缘 纹理 裂缝 颜色变化 块状轮廓 柱状边界 岩芯和箱子的分隔

Conv 普通卷积层遍历图像数据转换高维 C3k2 可以理解成 YOLO 里的高效残差/瓶颈特征模块。
SPPF 是空间金字塔池化，扩大感受野，让模型看到更大范围上下文。
C2PSA 带注意力/特征选择味道，让模型更关注有用区域。

2. Neck：多尺度特征融合

YOLO 不是只看一种分辨率。它会把深层语义特征和浅层细节特征融合。

结构里这些就是 Neck 典型操作：

Upsample Concat C3k2

目的：

深层特征：知道“这大概是什么” 浅层特征：保留“边界在哪里” 融合后：既识别类别，又定位细节

这对岩芯很重要，因为大块碎块、细长柱状、牌子大小差异很大。

3. Head：输出结果

最后是：

Segment26

这是 YOLO26 的实例分割头。它会同时输出：

检测框 bbox 类别 class 置信度 confidence mask 系数 / mask 原型

YOLO 分割头通常不是像 U-Net 那样直接给整张图每个像素分类，而是类似：

生成一组 mask prototypes 每个实例预测一组 mask coefficients coefficients 组合 prototypes 得到该实例 mask

所以它能区分多个同类实例，比如一堆柱状岩芯每一段分别一个 mask。

和 U-Net 的核心区别

U-Net 更像：

输入图 -> 编码器 -> 解码器 -> 每个像素属于哪一类

常见输出是语义分割：

这片像素是柱状 这片像素是碎块状

YOLO segmentation 更像：

输入图 -> 多尺度特征 -> 找出每个对象 -> 给每个对象一个 mask

输出是实例分割：

第 1 段柱状岩芯 mask 第 2 段柱状岩芯 mask 第 3 个碎块 mask

图片预处理

尺寸

• 在利用 GPU 矩阵加速训练时，一个 Batch（比如一次性塞入 16 张图）里的所有图片，必须被打包成一个长宽高完全一致的四维张量（Tensor）。如果图有长有短，GPU 的硬件架构无法在同一个线程块里进行对齐计算。

• 为了标准化，学术界和官方代码默认都把尺寸统一缩放并补齐为正方形（如 $640\times 640$ 或 $1280\times 1280$）。

如果图大部分是长图，可以开启矩阵训练，rect=True

具体原理：当开启 rect=True 后，YOLO 的数据加载器会在训练前，把数据集中长宽比类似的长图编排在一个 Batch 里。它不再死板地把它们补齐成 $1280\times 1280$ 的正方形，而是自适应地补齐到最接近的、符合 32 倍数的矩形（例如 $1280\times 384$）

相比长图训练集非要弄成方图，好处：

• 显存暴省：去掉了大量的无用灰色填充像素，可以把显卡（如 4090）的 batch 设得更大。
• 速度飙升：网络不再对无用的背景死磕卷积，训练和推理速度会明显加快。
• 精度提升：模型不需要分出精力去识别那些人造的灰色边缘，能够更加聚焦在长条状岩心的连续特征上。

参数

核心参数判断

1. 字母的含义

• (B) 代表 Box：针对矩形目标检测框的评估，目标检测框（Bounding Box），考核矩形框定位

• (M) 代表 Mask（掩膜）：针对像素级实例分割掩膜的评估，代表这是针对像素级分割轮廓定位准确度的评估，而不是外面那个矩形框的评估。

2. 左侧的各种 Loss（损失函数）

损失函数用来衡量预测值与真实值之间的差距，曲线持续平稳下降代表网络在正常收敛。

• box_loss（检测框边界损失）：
  • 解释：衡量预测的矩形框和真实矩形框的重合程度（通常使用 CIoU 或 GIoU 算法）。
  • 工业含义：如果该值居高不下，说明模型定位岩心位置不准，框画得太松或太紧。
• seg_loss（分割掩膜损失）：
  • 解释：衡量预测的像素级 Mask 和真实像素边缘的差异（通常使用二元交叉熵 BCELoss）。
  • 工业含义：核心指标。数值越低，说明模型对岩心边缘、破碎程度的扣图越精细。
• cls_loss（类别分类损失）：
  • 解释：衡量目标类别分类的准确性。
  • 工业含义：如果分类错误（如把“破碎岩心”认成“完整岩心”），该 Loss 会飙升。
• dfl_loss（分布焦距损失 - Distribution Focal Loss）：
  • 解释：YOLOv8/v11 等网络特有的参数，用于回归更加精细的边界框边缘，把边界框的位置当作一个概率分布来预测。
  • 工业含义：辅助提升检测框在模糊或重叠边缘的定位精度。
• sem_loss（辅助语义分割损失）：
  • 解释：部分多任务或自定义多头网络中引入的全局语义分割损失，用于提升背景与前景的整体区分度。 Loss 代表模型的误差，曲线从左往右一路向下并逐渐平稳，说明模型在正常学习。

如果 val 的 Loss 在后半段突然不降反升，说明模型“过拟合”了（死记硬背训练集，泛化能力变差）。 从你的图来看，收敛非常漂亮，没有明显的过拟合。

3. 右侧的 Metrics（评估指标）

指标用于评价模型在实际考试（验证集）中的得分，数值通常在 0~1 之间。

• precision（精确率 / 查准率）：

  • 通俗解释：模型预测出的所有目标里，有多少是真正猜对的？（宁缺毋滥）。
  • 计算公式：$Precision=\frac{TP}{TP+FP}$（真正例 / 所有预测为正例的数量）。

• recall（召回率 / 查全率）：

  • 通俗解释：原本存在的真实目标分类里，模型成功找出了多少？（宁错杀不放过）。
  • 计算公式：$Recall=\frac{TP}{TP+FN}$（真正例 / 所有真实标签的数量）。

• mAP50（宽松平均精度）：

  • 解释：IoU 阈值设为 0.5 时的平均精度（Mean Average Precision）。

  • 特点：只要模型预测的 Mask 与真实 Mask 的交并比（IoU）大于或等于 50%，该预测就被判定为“正确（True Positive）”。它主要考核模型“有没有找对地方”、“轮廓大致对不对”，对边缘分割得是否丝毫不差要求不高。他是判断业务初期、快速验证模型是否收敛。

• mAP50-95（严格综合平均精度）：

  • 解释：在 IoU 从 0.5 到 0.95（步长 0.05）的 10 个阈值下的 mAP 平均值。
  • 计算方式：它是以下 10 个特定阈值下 mAP 的数学平均数：

  ${\text{mAP}}_{50-95}=\frac{{\text{mAP}}_{50}+{\text{mAP}}_{55}+{\text{mAP}}_{60}+\cdots +{\text{mAP}}_{95}}{10}$

  • 特点：这是一个非常严苛且全面的指标（也是 COCO 数据集官方最看重的标准）。
  • 如果模型只能做到“大致框对”（IoU在0.5左右），那么在 IoU 设定为 0.85、0.90、0.95 这些高精度要求下，模型的得分就会非常低，从而拉低整体的 mAP50-95。
  • 只有当模型的边缘分割得极其精准、与真实贴合度极高时，这个指标才会好看。他是最终模型评估、论文对比、对边缘精度要求极高的工业场景。

IoU（Intersection over Union，交并比）

• 衡量“模型预测的 Mask”与“真实标签的 Mask”重合程度的指标。

• $IoU=\frac{交集面积}{并集面积}$。IoU 越接近 1，说明分割得越精准。 指标代表准确度，曲线从左往右一路上扬，说明模型越来越聪明。

精度曲线

用于写报告或深度调优

1.混淆矩阵（Confusion Matrix）—— 诊断模型的“指鹿为马”

原理分析

混淆矩阵的作用：它就是那张被圈出所有错题的卷子。它不仅告诉你模型“做错了几道题”，更关键的是告诉“模型把正确答案错写成了什么”。

• 横轴（True）：代表真实标签
• 纵轴（Predicted）：代表模型预测标签 对角线颜色越深、数字越大越好；非对角线区域有数字，代表发生了误判。

• 落在对角线上（最完美）： 横轴是“柱状”，纵轴也是“柱状”，两者一碰，数字加 1。这就叫“预测正确”。所以，对角线颜色越深、数值越大，说明模型基本功越扎实。

• 落在对角线之外的格子里（指鹿为马）： 横轴是“不完整柱状”（标准答案），纵轴却对齐到了“碎块状”（AI 预测）。这就说明模型发生混淆了。

• 落在 background（背景）行/列里（最致命）：

  • True 是岩心，Predicted 是 background：说明这里明明有块岩心，模型却啥也没看到。这叫漏检（False Negative）。

  • True 是 background，Predicted 是岩心：说明这里原本是空箱子或背景，模型却幻觉出了一块岩心。这叫虚警/误检（False Positive）。

目前这张图，柱状70%成功率，岩芯牌百分之71%成功率，其他很低，但是不完整柱、碎块本来标注也有重叠问题

调优指导

场景 A：两个类别之间疯狂“互混”

• 现象：在非对角线的某个格子里，数值异常的大（比如你的图中：真实是碎块状，有19%被认成柱状；真实是不完整柱状，有16%被认成碎块）。

• 病因分析：模型没有瞎猜，它知道这里有东西，但是它分不清这两个类别的临界特征（比如断口到什么程度算不完整，碎到什么程度算碎块）。

• 💡 具体的调优指导动作：

  1. 数据清洗（检查人类自己）：往往是因为打标签的人标准不统一。第一步应该去检查数据集，是不是自己或者标注员在标注时，就把一些模糊的碎块错标成了不完整柱状。

  2. 局部特征增强（改数据增强策略）：在 YOLO 的训练配置（如 default.yaml）中，引入或调大 mosaic（马赛克增强）、mixup 算法，或者使用剪裁（Crop）策略，专门强迫模型去凑近了看局部纹理，而不是看大体轮廓。

  3. 修改业务分类逻辑（改架构/标签）：如果在岩土工程业务上，“不完整柱状”和“碎块状”即使分错了也不影响大局，最有效的办法是在数据层面把这两个类别合并为一个大类，模型整体的 mAP 会瞬间暴涨。

场景 B：大面积的目标被归为 background

• 现象：矩阵的最后一行（或最后一列）有大量数字，很多真实的岩心分类最后都流失到了 background 里（比如你的图里，碎块状有 36% 变成了背景）。

• 病因分析：模型压根没觉得这里有个目标。可能是目标太小、颜色跟背景太像，或者模型极其不自信。

• 💡 具体的调优指导动作：

  1. 增加负样本（Background Images）：往训练集里扔一些纯背景、不打任何标签的岩心箱空图。YOLO 看到这些图后，会深刻记住“没有岩心的地方长这样”，从而反向提升对弱小、破碎岩心的敏感度。

  2. 调大输入分辨率或更换大模型（改训练命令/改结构）：你已经开启了 1280 分辨率，如果碎块依然漏检严重，说明 yolov26s 这个“小骨架”网络（s号）在下采样过程中，把小碎块的特征像素直接给“弄丢（蒸发）”了。此时必须停止使用 s 号模型，升级到 m（Medium）或 l（Large）号网络，用更深的特征提取网络保住微小像素。

  3. 调整损失函数权重（改源码/配置）：在 YOLO 内部，可以手动调大 box 或 cls 的损失权重（Loss Gain），告诉网络：“如果漏检了目标，惩罚加倍”，逼迫网络宁可多猜，也不能漏猜。

场景 C：某行/某列完全是空白

• 现象：比如你的图中，【全风化/覆盖层】这一行一列直接蒸发了。

• 病因分析：这是低级的数据集管理错误。

• 💡 具体的调优指导动作：

  • 去检查你的代码和划分脚本（train/val 划分）。通常是因为该类别总样本太少，在随机划分验证集时，验证集里刚好一个该类别的样本都没分到。导致模型在验证阶段根本没有该类别的“标准答案”去参与矩阵计算。

2.PR 曲线（Precision-Recall Curve）—— 评定各类别真实战斗力

• Precision（精准率）：AI 认为是的物体里，有多少是真的？（考核：抓得准不准，防作假）。
• Recall（召回率）：真实存在的物体里，AI 抓到了多少？（考核：找得全不全，防漏检）。

痛点

• 如果你要求 AI 必须“绝对精准（Precision 100%）”，AI 就会变得极其胆小，它只敢框出那一块轮廓最完美的、100% 有把握的【柱状岩心】，其他稍微有点模糊的全部放弃。结果：准是极准，但漏检了一大堆，Recall 瞬间跌入谷底。

• 如果你要求 AI 必须“一个不漏（Recall 100%）”，AI 就会变得极其激进，宁错杀不放过，把箱子边缘、泥土甚至阴影全部框成岩心。结果：全是一网打尽了，但里面混了一堆垃圾，Precision 瞬间暴跌。

必须有一个图，能把模型在“从最胆小到最胆大”的所有状态下的表现全部画出来，这就是 PR 曲线。有一个平衡标准值就是置信度阈值（confidence）

• 横轴（X轴）：Recall（召回率，从 0 到 1）。
• 纵轴（Y轴）：Precision（精确率，从 0 到 1）。 图的右上角坐标 (1.0, 1.0) 是深度学习的“天堂”。如果一条曲线能死死贴着最顶端和最右端，形成一个正方形，说明这个模型无敌了：既抓得全，又抓得准。

怎么判断类别性能强弱

• AP（Average Precision）：单条曲线下方的围成面积。面积越大（越往右上靠），说明这个类别的性能越强。
• mAP（Mean Average Precision）：所有类别的曲线面积算一个数学平均数。图里 all classes 0.548 mAP@0.5，就是把岩芯牌、柱状等所有线的面积加起来除以类别数。

深度调优指导

调优核心手段 1：对比 Box PR 和 Mask PR —— 诊断网络的“瓶颈在头还是在身体”

• 你的数据现状：

  • BoxPR_curve.png 的均值是 0.552
  • MaskPR_curve.png 的均值是 0.548

• 具体的调优指导动作： 这两条曲线的形状、走势、甚至最终的面积几乎一模一样（只差了 0.004）。这是一个极其关键的信号：说明限制你模型升分的瓶颈，根本不在最后的“Mask分割头”上，而在前面的“特征提取网络（Backbone）”或“检测头（Box Head）”上。

  • 错误的操作：去魔改、去调大损失函数里的 seg_gain（分割损失权重），或者换更复杂的分割解码器。这些都是无用功。

  • 正确的调优：应该把精力全部放在如何让网络“认出物体”上。比如更换更大号的 Backbone（从 s 升级到 m），或者调整 box_gain、cls_gain 的比例。只要 Box 指标上去了，Mask 指标会自然而然地被带上去。

调优核心手段 2：观察曲线的“悬崖式下跌”点 —— 诊断数据增强的烈度

• 你的数据现状：

  • 看【碎块状】（橘色线）和【不完整柱状】（红色线），它们在 Recall 处于 0.1~0.2 的极低水平时，Precision 就已经非常低了（红线一上来就只有 0.45 左右），并且随着 Recall 往右走，曲线呈现阶梯状或剧烈震荡向下滑落。

• 💡 具体的调优指导动作： 这种一上来就上不去的曲线，说明模型对这两个类别的基本特征处于懵圈状态。稍微想多抓一个碎块（Recall向右移动），就会带进来数倍的误检（Precision垂直坠落）。

  • 针对性调优动作：

    1. 引入 Copy-Paste（复制粘贴）数据增强：YOLO 支持 copy_paste 参数。你可以手动在配置中开启它。它的作用是把训练集里的【碎块状】和【不完整柱状】像素抠出来，随机粘贴到其他正常的岩心箱图片上。这能强制增加难样本的曝光率，扩充样本边界，把这条低迷的曲线往右上角生生推上去。

    2. 局部重采样（Class-Aware Sampling）：在数据加载器（Dataloader）里，让包含碎块和不完整柱状的图片有更高的概率被网络抽到，进行重复学习。

调优核心手段 3：各类别面积差距过大 —— 诊断“长短脚”现象

• 你的数据现状：

  • 【柱状】拿到了 0.774，而【不完整柱状】只有 0.320。最高和最低差了快一倍。

• 💡 具体的调优指导动作： 如果一个模型的总分是被某一两个极其优秀的类别撑起来的，而在实际生产中各类别同等重要，这就叫“严重的类别不平衡”。

  • 正确的调优：此时绝对不要再盲目增加整体数据量了。如果你这时候再去现场拍 100 张常规的岩心照加进数据集，由于常规照里往往【柱状】最多，结果只会让【柱状】的曲线更完美，而【不完整柱状】的曲线由于稀释变得更差，总分反而停滞不前。你应该开启定向数据采集，后面只拍、只标含有大量碎块和不完整柱状的“烂岩心”，直到这两条弱势曲线的面积逼近 0.5~0.6 产生木桶效应为止。

3. F1-置信度曲线（F1-Confidence Curve）—— 决定模型部署的黄金阈值

results = model.predict(source="岩心图像.jpg", conf=0.25)

这个 conf（Confidence，置信度阈值）就是 AI 的胆量。AI 判定一个物体是岩心后，会给自己打个分（比如：我有 60% 的把握它是柱状岩心）。

• 如果把代码里的 conf 设得太高（比如 0.5），AI 就会变得极其保守，只有把握大于 50% 的才敢框出来。结果：Precision（精准率）上去了，但漏检一网打尽，Recall（召回率）暴跌。

• 如果把代码里的 conf 设得太低（比如 0.1），AI 就会变得极其激进，哪怕只有 10% 的把握也敢画框。结果：Recall 上去了，但错把泥土当岩心，Precision 暴跌。

为了解决这个矛盾，数学家发明了 F1-Score（F1分数）。它是把 Precision 和 Recall 强行揉在一起算出的一个综合得分（调和平均数）：

$\text{F1-Score}=2\times \frac{\text{Precision}\times \text{Recall}}{\text{Precision}+\text{Recall}}$

F1-Score 越高，说明两者的平衡越完美。而 F1-Confidence 曲线，就是把模型在 conf 从 0.0 一直变到 1.0 的整个过程中，所有类别的 F1 得分全部画出来。

• 横轴（X轴）：Confidence（置信度阈值，从 0 到 1）。也就是写代码时可以控制的那个阀门。

• 纵轴（Y轴）：F1-Score（综合得分，从 0 到 1）。越高越好。

完美的 F1 曲线应该像一座高耸的山峰。山峰的最高点（波峰），对应的横坐标（Confidence），就是当前模型最完美的黄金平衡点。 也就是对照这个图，代码设置 conf=0.174 时，实力最强

深度调优

现状：看【岩芯牌】（蓝线）和【柱状】（绿线）：它们的山峰非常明显，且波峰很宽，在 conf 处于 0.1 到 0.7 之间时，F1 得分都能维持在 0.7 以上的高位。这说明模型对这两个类极其自信，怎么设阈值它都不容易崩。

看【碎块状】（橘线）和【不完整柱状】（红线）：它们根本没有山峰，是一条低平的矮丘。 在 conf 超过 0.4 之后，红线和橘线呈现陡坡式下滑。这种“塌陷且短命”的曲线，代表模型对这两个类别极度不自信。AI 即使认出了碎块，打出的置信度分数也普遍非常低

针对性调优动作：

1. 调整分类损失权重（Cls Gain）：在 YOLO 的训练配置文件（如 default.yaml）中，找到 cls 的权重参数（通常是 cls: 0.5），尝试将其调大到 cls: 1.0 或更高。这是在口头上警告网络：“认错类别或者不敢认类别的惩罚加倍！”强迫网络在遇到破碎特征时提高自信心，把它们的置信度整体往右推。

2. 检查边界标签：碎块和不完整柱状往往成片出现。检查是不是在标注时，有些碎块太碎了，标注员漏标了，或者直接把一整箱碎块当成了背景。这种“一会儿要学，一会儿又是背景”的混乱信号，是导致模型不自信的罪魁祸首。

4.Precision/Recall-Confidence 曲线 —— 研判极限能力

1. Precision-Confidence 曲线 —— 诊断“AI 信心上限与虚警”

核心读图逻辑：随着横轴置信度（Confidence）从 0 提到 1，AI 的胆子越来越小，只有极度有把握的目标才敢框出来，因此纵轴的精准率（Precision）整体趋势必然是一路向上扬，直到接近 1.0（100% 抓对）。

调优指导

• 诡异的异常点：【不完整柱状】（红线）在 0.89 置信度处直接坠落归零
  • 现象：别的线在置信度接近 1.0 时都冲向了最高点，唯独红线在 0.89 之后突然垂直断档、直接归零。
  • 病因分析：这并不是说 AI 在高置信度时变蠢了，而是AI 对【不完整柱状】这个类别打出的最高信任分，只有 0.89。
  • 当你把代码阈值设到 0.90 时，AI 因为极度不自信，对这个类别吐不出任何一个预测框。在数学计算中，因为预测数量（分母）为 0，导致该类的 Precision 直接崩塌。
  • 💡 具体的调优指导动作：
    1. 这再次证明你不能盲目提高部署时的 conf 阈值。如果业务要求精准率达到 90% 以上，你盲目把总阈值切到 0.9，【不完整柱状】这个类在生产线上就会完全瘫痪（检测输出为 0）。
    2. 反思特征重叠：AI 为什么最高只敢打 0.89 分？说明在 AI 眼里，最完美的“不完整柱状”也长得有点像“碎块状”或“完整柱状”。在数据层面，需要补充那些特征极度典型、毫无争议的【不完整柱状】标准样板，强行拓宽它的信心上限。

2.Recall-Confidence 曲线 —— 诊断“硬性漏检与网络天花板”

核心读图逻辑：随着横轴置信度（Confidence）从 0 提到 1，AI 门槛变高，敢画的框越来越少，漏检必然越来越多，因此召回率（Recall）整体趋势必然是一路向下滑落。

• 终极核心观察点：看横轴为 0.000 时的纵轴截距
  • 你的数据现状：你的图里明确写着 all classes 0.79 at 0.000。
  • 物理含义：当置信度阈值设为 0（即 AI 完全不设防，哪怕有 0.001% 的可能性也把框画出来，宁错杀一千不放过一个），模型也只能抓到验证集里 79% 的目标。剩下的 21% 目标遭遇了硬性漏检。
  • 💡 具体的调优指导动作： 这是一个极其重要的分水岭信号！它告诉你：当前这个网络的底层架构，已经接触到了容纳能力的极限天花板。
    • 不要再做无谓的调参：如果无论怎么放开限制，都有 21% 的岩心死活找不到，说明不是“阈值设错了”或者“分类没学好”，而是这 21% 的目标在网络进行特征提取（Downsampling 下采样的像素蒸发）时，特征已经彻底丢失了。
    • 唯一的出路是改硬件或改模型大号：
      1. 检查打标签时，是不是有大量微小的碎屑被你打了标，而 1280 的分辨率下这些碎屑已经缩到了几个像素大小，s 号网络根本无能为力。
      2. 如果这些硬性漏检的目标很重要，下一轮必须断开断点，放弃 s 号模型，直接开一台物理机更换为 yolov26m 或 yolov26l 进行大网络压制。只有更宽、更深的通道，才能在底层保住这 21% 丢失的像素特征。

数据集分析与可视化对比

最直观的debug工具

labels.jpg —— 数据分布的“透视图”

在开跑训练前，AI 必须先对你的标签数据进行一次“人口普查”。 也就是labels.jpg ，它由 4 张子图拼接而成，分别统计了：

1.类别数量条形图

记录了标签总数量

• 调优 如果条形图里【柱状】有几千个，而【碎块状】只有几十个，AI 就会产生“严重的分布偏见”，倾向于把一切都认成柱状。

2. 中心点散点图（通常标记为 x, y）

• 看图方法：横轴是目标中心点的 X 坐标，纵轴是 Y 坐标。图上的每一个蓝点，代表一个岩心目标的几何中心。
• 指导调优：
  • 如果蓝点全密密麻麻堆在正中央（(0.5, 0.5) 附近）：说明岩心全是在画面正中间拍的，四周全是空白。AI 长期学这种数据会变懒，一旦实际生产中岩心偏到了画面边缘，它就认不出来了。
  • 对应动作：在代码配置中调大 translate 参数（位移数据增强，比如 translate: 0.2），强迫模型在训练时把图像往四周拽，打破这种位置偏见。

2. 宽高尺寸散点图（通常标记为 width, height）

• 看图方法：横轴是目标的相对宽度，纵轴是相对高度。
• 指导调优：
  • 如果所有点都死死挤在左下角（接近 (0, 0) 区域）：说明数据集中，绝大多数目标的像素占比都极小（比如微小的破碎岩心）。
  • 对应动作：这直接决定了能用普通的 640 分辨率，必须死守 1280 甚至更高的分辨率。同时，如果下一轮你想换大网络，它能指导你是否需要调整多尺度训练（multi_scale=True），让网络在训练时动态缩放图片，提高对极端尺寸的适应力。

3. 边界框叠加热力图

• 看图方法：把成千上万个矩形框的左上角全部对齐到 (0,0) 坐标，然后层层叠加，颜色越深代表框的尺寸出现频率越高。
• 指导调优：
  • 它能一眼看出你的岩心大多是长条状（柱状）还是方块状（碎块）。如果岩心全是细长条，但热力图显示有很多正方形的框，说明有些长条岩心被标注员切成了好几段来标，存在标注逻辑不统一。

train_batch0/1/2.jpg —— 模型眼中的“魔改现场”

为了让AI 的生存能力更强，他自己会先增强一下输入训练数据，YOLO 在后台会对图片进行极为残暴的“数据增强”：把 4 张图强行拼接（Mosaic 增强）、随机裁剪、翻转、变色、加噪点等。train_batchX.jpg 就是 YOLO 把拼好、洗好、改好的图片，在真正塞进网络前的那一瞬间，截了一张图。 上面还会自带你画的绿色分割标签。

这个一般不会出错，可以检查一下输入增强图符不符合规范有没有出错，比如发现由于 mosaic（马赛克拼接）算法太剧烈，把原本好端端的【不完整柱状岩心】给切得稀碎，在画面里变得像【碎块状】一样，这就破坏原始标注了。

val_batchX_labels.jpg VS val_batchX_pred.jpg —— 考卷与标准答案对账 *

• 调优指导： * 排查假虚警：若 Pred 中检出了标签中漏标的真实岩心，说明数据存在漏标 $\to$ 启动数据清洗，补齐标签。 * 排查误检源：观察误检掩膜（Mask）的物理位置。若高发于木隔板或箱体阴影，说明背景区分度不足 $\to$ 往训练集中移入不带任何标签的空箱“负样本（Background Images）”，强制压制背景幻觉。