目标检测测评汇总

官方划分上的分数

下表是各数据集规定的核心指标。基线和优化后用的是同一次实验、同一套类别对照。小数保留 4 位。

涨幅最大 · COCO mAP@[0.5:0.95]

+0.0165

0.3688 → 0.3852

VOC 2007 test · mAP@0.5

+0.0131

0.8282 → 0.8413

类别对不上时

交通标志、无人机没有对应类别

数据集	划分	指标	基线	优化后	差值
Pascal VOC	2007 test，4952 张	mAP@0.5	0.8282	0.8413	+0.0131
MS COCO 2017	val2017，5000 张	mAP@[0.5:0.95]	0.3688	0.3852	+0.0165
MS COCO 2017	val2017，5000 张	mAP@0.5	0.5847	0.6049	+0.0202
VisDrone	test-dev，1610 张	mAP@[0.5:0.95]	0.0327	0.0408	+0.0081
DOTA-v2	官方 val，593 张	旋转框 mAP	0.0106	0.0156	+0.0050
OpenImages	验证集，34413 张	mAP@0.5	0.0458	0.0458	+0.0000
Objects365	官方 val，80000 张	mAP@[0.5:0.95]	0.0492	0.0514	+0.0023
TT100K	官方 test	mAP@0.5	0.0000	0.0000	0
Anti-UAV300	可见光 test	mAP@0.5	0.0000	0.0000	0

OpenImages 的精确差值是 +0.00004，四舍五入后两边都是 0.0458。VisDrone 相对自己的基线大约提高了四分之一，绝对分仍然是 0.0408。DOTA 相对基线大约提高一半，绝对分是 0.0156。

实验在做什么

把冻结的检测器当成固定的识别器。它只能输出 COCO 里那 80 类的框。搜索的时候，每一版只改一件事：要么改一个数字，要么在图像处理或框筛选里加一步新的处理。子集上先比较，留下更好的版本，最后在官方划分上评一次。

基线

基线是没改过的默认设置：亮度 1、对比度 1、图像短边 800、长边 1333、分数门槛 0.05、重叠框抑制阈值 0.5。标注只用来算分，不参与改检测器。

输入和输出

输入：该数据集官方划分里的彩色图片，像素缩放到 0 到 1。
中间输出：每个框的位置、类别名、置信度。
最终输出：上表里的官方指标。对不上名字的类别按 0 分计入平均，不从平均里删掉。

允许对齐的名字

同一种东西的不同英文写法可以对上，例如 cell phone 和 mobile phone、dining table 和 dinning table。飞机不能改叫无人机，交通标志的编号也不能改成 COCO 里的类名。

搜索做到哪一步

VOC 搜了 20 轮，再在 2007 test 上评一次。
COCO 在子集上搜到第 14 轮后，用当时最好的版本评完整 val2017。
VisDrone、DOTA、Objects365 各搜了 3 轮，OpenImages 搜了 2 轮，然后各评一次完整官方划分。

每个数据集最后留下的改动

Pascal VOC +0.0131

基线 0.8282优化后 0.8413mAP@0.5 · 2007 test

20 个类都能对上 COCO 的名字，所以分数本来就高，优化是在这个高分上再抬一点。子集上曾到过 0.8527，报出的数是完整测试集的 0.8413。

图像短边改为 640，长边仍是 1333。
分数门槛从 0.05 降到 0.02。
原图检一次，左右翻转再检一次，框翻回原图坐标后合并。
重叠框用软抑制，这一步把 NMS 阈值设为 0.9，再按分数把重叠框压低。
用更大尺度再检一次，只把面积小于 96×96 的小框并进来。
靠得很近、类别相同的框，按分数加权合成一个框。
每张图最多保留 300 个框。
丢掉短边小于 8 像素的框。

MS COCO 2017 +0.0165 / +0.0202

mAP@[0.5:0.95] 0.3688 → 0.3852 mAP@0.5 0.5847 → 0.6049

检测器就是用 COCO 训练的，类别完全对得上。涨幅主要来自多看一次小目标、翻转再检一次，以及把更多低分框留下来。

图像短边改为 640。
分数门槛降到 0.02，重叠框阈值仍是 0.5。
更大尺度上只补小框，左右翻转再检一次，相近框按分数加权合并。

VisDrone +0.0081

基线 0.0327优化后 0.0408mAP@[0.5:0.95] · test-dev

航拍图里人和车很小、很密。能对上的是行人、自行车、小汽车、卡车、公交、摩托车。人群、厢式车、三轮车对不上，这几类按 0 分算进 10 类平均。选择在验证集上做，报出的数是 test-dev 的 1610 张。

短边保持 800。
分数门槛降到 0.02，每张图最多留 300 个框。
更大尺度上只补小框。

DOTA-v2 +0.0050

基线 0.0106优化后 0.0156旋转框 mAP · 官方 val 593 张

测试集标注不公开，所以用官方验证集。大图切成 1024 的块再拼回去。水平框转成四点框，按旋转框 IoU 0.5 算 18 类平均。飞机对上 plane，船对上 ship，卡车和公交对上 large-vehicle，小汽车对上 small-vehicle。其余类别按 0 分计入。

分数门槛降到 0.02。
图像短边放到 1200，长边仍是 1333。
更大尺度上只补小框。

OpenImages 几乎没变

基线 0.0458优化后 0.0458mAP@0.5 · 验证集 34413 张

用的是能下载到的 v5 验证集框标注。成组标注不当成单个物体。最后只把分数门槛降到 0.02，没有加新的处理步骤。大量细类和部件类对不上 COCO，平均分被这些 0 分拉低，这一处改动没有再抬高总分。

Objects365 +0.0023

基线 0.0492优化后 0.0514mAP@[0.5:0.95] · 官方 val 80000 张

365 类里只有一部分能对上 COCO。同一种东西的别名，例如餐桌、电视、吹风机、手提包，基线和优化后用的是同一张对照表，所以这 0.0023 是搜索本身带来的，不是改名字带来的。

短边保持 800。
分数门槛降到 0.02，每张图最多留 300 个框。
更大尺度上只补小框。

分数是 0 的两项

TT100K 0.0000

官方测试集有 221 种交通标志。冻结检测器的类别名单里没有这些标志代码，名字一个都对不上。框不会被改标成标志，所以 mAP@0.5 是 0。

Anti-UAV300 0.0000

要检的是无人机。检测器没有 drone、uav 这些类。飞机仍然叫飞机，不会改叫无人机。可见光测试集上 mAP@0.5 和召回都是 0。

还没跑的

Cityscapes：指标是 8 个实例类上的 mAP@[0.5:0.95]（person、rider、car、truck、bus、train、motorcycle、bicycle）。测试集标注不公开，准备用官方验证集。图片和精细标注还没到服务器上，所以没有分数。rider 不会当成 person。
TinyPerson、BDD100K：服务器上没有可用的官方数据包，没有跑。

结论

不训练网络，只改图像怎么送进去、框怎么留下来，能在检测器本来就会认的类别上把分数抬高。COCO 和 VOC 抬得最清楚，因为类别本来就对得上。

航拍和遥感图上，放大、多留框、专门补小目标，相对自己的基线有提高，绝对分仍然很低。

数据集里大量类别名字对不上时，这些类按 0 分进入平均。搜索改不了这件事。交通标志和无人机就是这种情况，结果保持为 0。

上表差值从大到小：COCO 的 mAP@0.5（+0.0202）、COCO 的 mAP@[0.5:0.95]（+0.0165）、VOC（+0.0131）、VisDrone（+0.0081）、DOTA（+0.0050）、Objects365（+0.0023）、OpenImages（约 0）。