P071：先修训练标签，再补薄弱的战场生物样本

摘要

战斗画面上站着双方的生物（兵种），程序要先框出每个生物的“身体”（战场上的角色形象），再判断它是哪一种（144 个类别）。上一轮（B087）发现几种生物的识别特别差，例如“驯鹰师”在训练集里只有两条身体样本。直觉是“缺图，多补点”。

本实验（内部编号 B088）在补图前先回头看原有标签，发现问题不只是缺图：驯鹰师的两条原始样本一条其实是剑盾单位，另一条被相邻天使严重遮挡；还有真正的驯鹰师被标成普通弩手。修正这些训练标签、补 6 个精标样本、用完全相同的条件重训一个候选后，验证集上的身份 Top1 和完整图联合指标都有提升。

在不改变模型、超参数和验证集的前提下，只修正训练标签并定向补少量样本，能否改善薄弱兵种的身份识别？

只从项目数据集（B13）里明确划为训练的录像取图；验证、测试、历史和封存来源一律不读像素。
从 6 个训练录像复用 72 张缓存候选图：先用已有检测器和身份模型自动初标，再逐张看概览、目标的原尺寸裁图和标准身体参考图。这不是 72 张全界面精标，也不算 6 个新独立来源。
选择页出现某个兵种选项，不能证明它真的被选上战场；没找到真实身体的候选段不强行补标签。

修订内容：

复审 74 条训练集里的弩兵家族身体：11 条身份纠正（9 条改为驯鹰师、2 条改为神弩手），2 条不可靠裁图从身份训练中隔离，其余 61 条保持。13/74 是定向挑出来的样本里的发现，不能当作整个训练集的错标率。
新增 6 个局部身体精标：3 驯鹰师、1 狡诈卧底、2 血色巫妖。
身体训练样本 4,588 → 4,592；144 类、28 个训练录像不变；715 条验证样本的图、标签、来源、顺序完全不变。原标注、权重、历史预测都保留，修订只作用于本次训练副本。

与 B087 完全相同的设置：同一个公开 ConvNeXt 初始化、同样的随机种子、增强、裁剪、优化器和训练策略。只训练一个候选，最多 30 轮、连续 6 轮不提升就停。用验证集选检查点。

完整图评估沿用 B087 的联合协议：54 张穷尽标注的验证图、两个验证录像，检测器置信度 0.40 产出同样的 707 个预测框，与参考框 IoU ≥ 0.5 一对一匹配。“联合正确”指框定位对且身份对。不按真值裁剪或过滤候选。

第 20 轮被选中，第 26 轮结束，训练 520.82 秒。检测器本身不变（689 个身体正确定位，定位精确率 97.45%、召回率 96.36%），所以完整图上的变化全部来自身份模型。

参考裁图上 17 个恢复、5 个退步；完整图上 17 个恢复、1 个退步。原先 14 个升级弩手的联合身份错误全部恢复，说明这次标签修正确实有效。

仍有 26 个参考框没被匹配、27 个已定位但身份错、18 个误检；联合 TP 662 / FP 45 / FN 53。身份错误同时算误检和漏检，不会从分母里消失。
完整图唯一新增退步：一个“侍从（升级）”被判成另一种生物。
剩余身份错误集中在树人升级 7 个、黄蜂升级 6 个等；树人框混入相邻单位，蜂类常混淆普通/升级，巫妖有强烈特效遮挡。这些都只作为复核线索，没有凭模型分歧去改验证真值。
黄蜂升级已有 38 例、8 个录像，错误不能简单归因于样本少。虫巢之母升级、地狱九头蛇变体的身体训练样本仍为 0。

验证集用于选检查点，不是独立测试；95.24% 只是这 715 个参考裁图上的结果，不是全系统 95% 验收。候选分数未校准，没有切换默认模型，也没有测 App 整帧时延。本轮没有重跑全套测试。

“识别差”的一部分根因是训练标签错，而不只是数据少。下一步先对蜂类和缺身体的变体做定向标签/框审核，在已准入的训练来源里补清晰身体、姿态和遮挡对照，然后冻结候选，再做来源隔离的完整图验证；不在同一验证集上追小幅调参。