P022：同一帧里，面板说的是战场上哪一个单位——实例候选首轮

摘要

战场截图上常常同时有两样东西：战场上站着的一群群生物（游戏里称“兵堆”或“部队”，一堆同种生物共享一个数量），以及屏幕边上某个生物的属性面板（生物面板，显示攻击、防御、数量等）。要把面板读到的数值记到正确的兵堆上，程序得先回答：“面板说的是战场上哪一个？”本实验（编号 B028）是这件事的第一步：只把已有的检测器和身份分类器接起来，在 8 张截图上生成“这里有一个某物种的单位”的候选，不做绑定。

结果：8 张图共 71 个阈值以上的身份候选。随后人工逐张看图，只核对与面板相关的 13 个目标：参考中的 9 个场上单位都有候选且物种第一名正确；另有 3 个框其实是面板上的立绘，不是战场单位；9 个数量牌（显示兵堆数量的小牌子）的中心全部落在身体检测框之外。核心结论是“同物种不等于同一部队”，绑定还没解决。

要回答的问题

能否在同一帧里，为生物面板找到它对应的战场兵堆？这需要几件事分别做好：

战场上每个单位在哪（检测）；
它是什么物种（身份分类）；
它的数量牌在哪、是多少；
面板、当前高亮单位、选中单位、鼠标悬停目标不是同一个概念，要分开；
同物种的兵堆可能不止一个（双方各有，或一方多队），名字相同不能直接认定是同一个。

本轮只回答第一层：现成模型能给出什么样的候选。

数据与来源

8 张战场截图（原生分辨率 2560×1440），每张都有一个生物面板。这些是以前看过的开发材料，不是独立测试集。
另有一份手工参考（标出相关单位的大致位置），但运行器从不读取它，只在之后核对时使用。
没有训练、没有解码新视频、没有新 OCR、没有写数据库。

方法

检测器：一个先前实验选定的 FCOS 战场单位检测器，阈值固定 0.55，读整张原图。
身份分类器：一个先前实验选定的 ConvNeXt-Tiny 分类器（141 个物种类别），只读检测框裁出的小图（裁图底部去掉 10%，缩放到 224×224）。
加载模型前先检查原图、清单、OCR 记录是否一致，避免用到过期缓存。OCR 文本不进入模型。
输出每个框的位置、检测分数、裁图框和身份前 5 名。身份分数是未校准的 softmax，只代表“物种”猜测，不是部队实例编号；“已接受身份、阵营、队色、兵堆跟踪号”等字段全部留空。所有输出都标为模型候选。

已知风险（本步没有自动屏蔽）：面板立绘、界面头像和被遮挡的战场都可能被检测为单位。

设置

保留所有分数 ≥ 0.001、最多 100 个原始检测，再对 0.55 以上的框做分类；没有界面区域过滤。单次开发运行计时不是常驻速度测试。

结果

项目	数字
截图	8
低阈值原始检测	800
阈值以上身份候选	71（逐图 11/11/13/5/7/5/5/14）
从懒导入到 8 图写完	10.629 秒（首图解码+推理 1.184 秒）

人工同帧核对（独立助手逐张看原图和候选框，只核对 13 个相关目标）：

核对内容	结果
参考中的场上单位	9 个都有候选，物种 Top-1 全部匹配
额外的框	3 个是面板立绘（物种也认对了，但不是战场单位）
面板边缘的一个实际场上单位	身份保留未知，不能因为框与面板相交就排除
8 个面板的对应关系	5 个能找到可见对应；1 个对应清楚但面板质量阻断；2 个因数量矛盾拒绝绑定
数量牌	9 个数量牌中心全部位于身体检测框之外

作为背景，两个模型在各自原实验中的成绩：检测器测试集 AP50:95 = 70.67%，阈值 0.55 下精确率/召回率 95.39%/93.91%（只衡量框，不含身份）；分类器在参考裁图上 Top-1 = 59.28%、Top-5 = 82.63%。这些不能转述为本次组合的成绩。

失败与负结果

3 个面板立绘被当作战场单位检测出来——这只是明确检查到的例子，不是全部错误数。
2 个面板因为数量与候选兵堆矛盾，无法绑定。
数量牌都在身体框外，说明不能指望用身体框“顺便”拿到数量，需要单独定位数量牌再关联。

局限

只核对了 71 个候选中的 13 个，不能算作全部候选的准确率，更不是自动绑定成绩。
8 张图是已曝光开发材料，不代表完整战场覆盖。
分类器没有可靠的“未知类别”拒识能力。
面板是否是当前时刻的、属于我方还是敌方、跨帧跟踪，都没有解决；这些结果不能用来更新游戏状态。

结论与下一步

现成模型能为面板对应的场上单位给出不错的物种候选，但“同物种”远不等于“同一部队”。下一步：按原图审核可见单位与面板负例（把面板立绘排除出战场），关联全图 OCR 读到的数量牌坐标，再研究队色与实例对应。后续设计还规定：归属（我方/敌方）的证据链单独验证；跨帧锚点由专门的时序模块处理，单帧代码不偷偷读历史。