摘要

战场上的每支部队都画成一个生物形象（下文称“身体”）。识别流程分两步：先用检测器（YOLO）在整张截图上框出身体，再用身份模型判断每个框是哪一种生物（共 144 类）。上一轮的错误集中在蜂类的几个变体互相混淆，以及几种训练集里根本没有战场身体图片的类别。

本轮先不去补数据，而是先审核现有训练标签：逐张看了黄蜂、虫巢之母、九头蛇三个家族的全部 176 个训练身体，确认 7 条“大黄蜂”被误标成“吟诵蜂”，只改这 7 条，其余数据、种子和超参数全部不变，训练一个候选。结果：参考裁图上身份正确从 681 增到 689（共 715），但整图开发集没有净提升。按事先写好的规则选中新模型后，读取两段从未用于训练或验证的录像：联合精确率 90.73%、召回率 90.92%，仍未达到 95%。查看错误时又发现 11 条测试标签本身标错，单独作为“标注修订附表”记录，不替换主结果。

要回答的问题

  1. 蜂类混淆是不是训练标签本身有错？纠正后重训能否改善？
  2. 冻结模型后，在来源分离的留出录像上，整图“定位且身份正确”的比例是多少？

数据与来源

  • 训练：沿用上一轮的训练副本，6172 条训练条目、144 类；只修改 7 条标签（黄蜂 21→28、吟诵蜂 38→31），来自两段训练录像。
  • 验证：715 个参考裁图（54 张整图）。另看了验证集中这两个家族的全部 35 个裁图，没有确认到错标，715 行全部保持。
  • 补样尝试：在 6 段旧训练录像里，按用户确认过的选秀时间回查 79 张候选概览，没有找到可确认的“虫巢之母/地狱九头蛇”战场身体，新增为 0。选秀页上出现某生物，不等于它被选上场。
  • 留出验收：两段测试录像，75 张图、969 个身体；训练和验证录像与它们不重叠。这批录像曾用于历史检测评估，所以是“来源分离的工程留出集”，不是从未见过的盲测，也不是 10 局独立验收。

方法

  1. 逐裁图对照 9 个规范身体参考图审核三个家族；拿不准的保持待审，不删除样本。算法排名只用来排序和起草，不当真值。
  2. 用与上一轮完全相同的初始化、增强、种子和优化器训练一个候选。
  3. 事先写好替换规则：参考裁图、整图联合正确数和“最近 15 个明确预览目标”三项都不退步，且至少一项提高，才替换旧模型。先把选择写入文件，再读取测试图像。
  4. 测试沿用原检测阈值 0.40 和完整预测框，只评选中的一个模型，不根据测试结果再选模型或调参。

设置

最佳 epoch 为第 20 轮，训练 26 轮后结束，用时 506.36 秒。“联合正确”指一个参考身体既被定位到（检测框匹配），又被判对身份。

结果

开发集（相同分母）：

指标 旧模型 新模型
715 个参考裁图身份正确 681（95.24%） 689（96.36%）
54 张整图、707 个预测框：定位且身份正确 662 662
整图联合精确率 / 召回率 93.64% / 92.59% 93.64% / 92.59%
最近 15 个明确预览目标 13 13

裁图上 8 个恢复、0 个退步；整图上 2 个恢复、2 个退步，相互抵消。按规则仍选中新模型。

两段留出录像（969 个标注身体、971 个预测框）：

指标 原标签（主表） 标注修订附表
正确定位 938 938
定位精确率 / 召回率 96.60% / 96.80% 相同
定位且身份正确 881 892
联合精确率 / 召回率 90.73% / 90.92% 91.86% / 92.05%
定位正确后的身份正确率 93.92% 95.10%
漏定位 / 身份错 / 定位误报 31 / 57 / 33 31 / 46 / 33

逐录像：一段 589/633 联合正确，另一段 292/336（附表中为 303/336）。附表的 11 项变化全部来自标注审核，模型、框、阈值和分母都没变，不是训练收益。条件身份正确率 95.10% 不能代替联合结果。

失败与负结果

  • 整图开发集没有净提升。两个退步发生在同一时刻：一个“天使”被判成另一变体，一个美杜莎变体被判成魅魔变体。本轮停止重训，不再围绕这 715 项调种子或阈值。
  • 留出验收两版都没到 95%。
  • 测试标签错误。 部分“骑坐骑的骑士”标注对应的身体其实没有坐骑，是灰色人形、紫红翼幕、手持蓝色光体的另一种生物（魅魔家族）。扩大检查这两个家族的全部 46 个测试对象（包括模型判对的），对照规范图、全图和同场景的行动卡，确认 11 条应改；35 条保持。没有因为模型意见不同就改标。
  • 修订后 46 个身份错误里，三种训练中没有战场身体图片的类别合计 21 个；另一种只有 3 个身体样本/2 个来源。其余来自邻队遮挡、特效、动作姿态和普通/升级版混淆。

局限

  • 其余 923 个测试标注没有在本轮全部重新精标。
  • 本轮没有重跑检测器，也没有测整帧时延。
  • 测试录像对后续模型改动只能算回归集，需要另留新来源做验收。

结论与下一步

标签审核确实修正了蜂类混淆，但对整图结果帮助有限；真正的缺口是几种类别在训练里没有战场身体样本。下一步：一是把冻结的检测器加身份模型接入现有的单图读取工具，验证真实整图输出；二是定向寻找缺失类别在已准入训练录像里的战场身体，而不是从测试录像补训练；三是继续各界面字段和多局独立来源验收。