Python+BusterNet图像复制粘贴篡改识别毕设项目详解

简介：基于Python的图像复制粘贴篡改识别毕业设计项目，面向计算机相关专业正在准备大作业、毕业设计的学生，以及需要图像取证实战练习的开发者。项目包含完整源码与全部数据，经导师指导并获评审98分，源码均在本地编译调试通过，难度适中，可直接运行与二次开发。压缩包共27个文件，约486KB，以Python源文件及编译后的字节码文件为主，另含界面文件、配置信息、示例图片和说明文档；其中核心检测算法、图像粘贴模拟、篡改区域裁剪、可视化界面等模块相互独立又易于串联，配合项目说明可快速掌握从界面操作到算法实现的完整流程。目前已有64人学习下载，适合在图像真实性验证、司法取证等场景下进行课题参考，也可作为算法复现与扩展训练的起点，帮助深入理解复制粘贴篡改识别这一热门方向的项目组织与工程实现。

1. 图像复制粘贴篡改识别：这个毕设项目到底做了什么

图像复制粘贴篡改识别，是数字图像取证里最常被问到的一种场景：有人把一张图里的树、人、车牌复制一块，盖到同一个画面里的另一个位置，普通人肉眼很难看出来，但这张图的语义已经被悄悄改写了。这个毕设项目做的就是把这层「人眼看不出」变成「模型能标出」——它基于 Python 实现，核心是一个叫 BusterNet 的深度检测网络，配了 PyQt5 桌面界面、测试图片、真值掩膜和完整的后处理可视化流程。适合三类人：正在做图像取证或数字媒体安全方向毕设的本科生、想拿一个能跑通的 CV 项目练手的 Python 学习者、以及需要一套「图像复制粘贴篡改识别」基线方案去做扩展的从业者。和那些只丢一个光秃秃脚本的资源不同，这个下载包里除了源码，还有测试图、mask 真值和合成篡改图的工具，可以从数据准备一路跑到界面出结果，闭环是完整的。

2. 系统的整体结构与 BusterNet 核心流程：先从文件清单认识项目

2.1 复制粘贴篡改识别到底在检测什么：任务边界先说清楚

先说一个很多人混淆的点：图像篡改里有两类长得像但完全不同的任务。一类叫拼接检测（splicing），是把 A 图里的一块贴到 B 图里，检测的是「跨图拼接痕迹」；另一类叫复制移动检测（copy-move），是在同一张图里复制一块区域，盖到同一画面的另一个位置，检测的是「同图复制痕迹」。这个项目的标题写得很明确：图像复制粘贴篡改识别，对应的是后者，也就是 copy-move 检测。

为什么要区分这个？因为两类任务的检测思路完全不同。拼接检测靠的是相机噪声不一致、CFA 插值模式断裂这类全局线索；而复制移动检测靠的是「两张区域内容高度相似、但位置不同」这个特征，BusterNet 的双分支设计恰恰是围绕这个特征来的。如果你拿这个项目去做跨图拼接的检测，效果会很差，不是代码问题，是任务边界不匹配。

传统方法做 copy-move 检测，主流是两类：一是块匹配，把图像切成重叠小块，用 DCT 或 PCA 特征比较块与块的相似度；二是关键点匹配，用 SIFT 或 SURF 提取特征点，再找匹配对。这两类方法在无后处理的简单场景下效果还行，但一遇到缩放、旋转、JPEG 重压缩、亮度调整，匹配率就直线下降，而且块匹配的复杂度很高，一张 800×600 的图跑起来要好几秒。

BusterNet 的思路是完全不一样的。它用 VGG16 的前几层做共享特征提取，然后分出两个分支：一个叫 Manipulation Branch，负责把「被篡改过的区域」以像素级掩膜的形式标出来；另一个叫 Source Branch，负责定位「复制的源区域」在哪。两个分支共享底层特征，但各自输出自己的概率图，最后合并出完整的结果。这个设计的好处是，模型不是单纯在找「相似区域对」，而是学会了「哪些区域是篡改后留下的目标、哪些是原始来源」，语义性更强，对后处理的鲁棒性也明显好于手工特征方法。对于毕设来说，这个切入点既有论文可以深挖（BusterNet 是 CVPR 2019 的工作，引用链和实验对比都很好写），又有直观的可视化结果展示，评审时加分点很实在。

2.2 BusterNetCore.py：双分支网络是怎么搭出来的

下载包里有个核心文件叫 BusterNetCore.py，这就是整个检测模型的骨架。我拆项目第一件事就是打开这个文件看网络结构，确认它和 BusterNet 原始论文的双分支设计是否一致。从实际内容看，它保留了两分支的框架：共享一个特征提取主干，然后在主干之上分出篡改检测分支和源区域定位分支。简化后的结构大致是下面这样的。

# BusterNetCore.py 的核心结构（简化版，去掉了部分层细节） import torch import torch.nn as nn class BusterNetCore(nn.Module): def __init__(self): super(BusterNetCore, self).__init__() # 共享主干：用 VGG16 的前 13 层做特征提取 # 在实际代码里可以替换成 ResNet 等 backbone，但默认是 VGG 系 self.backbone = vgg16_features(pretrained=True) # 篡改检测分支：输出通道数为1的 mask，尺寸和输入图一致 self.manip_branch = nn.Sequential( nn.Conv2d(512, 256, 3, padding=1), nn.ReLU(inplace=True), nn.Conv2d(256, 64, 3, padding=1), nn.ReLU(inplace=True), nn.Conv2d(64, 1, 1) # 输出单通道概率图 ) # 源区域定位分支：结构类似，也输出单通道 mask self.source_branch = nn.Sequential( nn.Conv2d(512, 256, 3, padding=1), nn.ReLU(inplace=True), nn.Conv2d(256, 64, 3, padding=1), nn.ReLU(inplace=True), nn.Conv2d(64, 1, 1) ) def forward(self, x): feat = self.backbone(x) manip_mask = torch.sigmoid(self.manip_branch(feat)) source_mask = torch.sigmoid(self.source_branch(feat)) return manip_mask, source_mask

这段代码能帮你快速建立起对模型的认知：backbone 负责把输入图转成高维特征图，两个分支各自从特征图上恢复出像素级的掩膜。torch.sigmoid把输出压到 0 到 1 之间，代表每个像素属于「篡改区域」的概率。实际训练时还会加上一个融合分支把两个 mask 合并，但在推理时主要看manip_mask就够定位篡改区域了。

参数上有几个值得注意的地方。输入图像的尺寸会被缩放到固定大小，常见做法是 256×256 或 512×512，这会直接影响显存占用和推理速度；backbone的pretrained=True表示用 ImageNet 预训练权重初始化，对小数据集训练非常关键，否则从头训很难收敛；两个分支的卷积核数量和层数决定了模型的参数总量，项目里默认配置大约在几百万参数量级，GTX 1060 级别的显卡就能跑。如果显存不够，优先把输入尺寸降到 256，而不是动网络结构。

2.3 整个项目文件怎么分工：从入口到工具脚本一条线

拿到源码包先别急着跑，花十分钟把文件清单过一遍，你会对项目结构有很清晰的认识。主入口是 main.py，它负责初始化整个应用；main_ui.py 是 PyQt5 的界面逻辑，对应 main_ui.ui 这个界面布局文件；model.py 和 modelUI.py 负责模型加载和 UI 联动；pasteimage.py 和 cropimagecir.py 是数据准备工具，一个合成篡改图，一个做圆形裁剪；BusterNetCore.py 是网络结构；fileaddress.txt 是待检测图片的路径清单。下面这张表把它们串起来看：

注意.idea目录和__pycache__里的.pyc文件：前者说明这个项目是在 PyCharm 里开发的，直接用 PyCharm 打开最省事；后者是 Python 3.7 的编译缓存，说明项目基于 Python 3.7 开发。如果你本机装的是 Python 3.10 或 3.11，大概率要动一些依赖版本兼容的坑，我在第 5 章会专门说。

这个文件清单还有一层价值：它把「训练」和「部署」两条流程都覆盖了。pasteimage.py 和 cropimagecir.py 可以生成训练样本，BusterNetCore.py 定义模型，modelUI.py 做训练/推理的调度，main_ui.py 做最终可视化。就算你不打算重新训练，只用它来做纯检测演示，这条链也是完整的。

3. 把模型真正跑起来：main_ui.py 的启动与推理参数

3.1 环境准备：Python 3.7 与依赖安装

这个项目跑起来的第一个门槛在环境。看__pycache__里那串cpython-37.pyc就知道，项目开发时用的是 Python 3.7，依赖库的版本适配也大概率是按 3.7 锁定的。我建议你直接用 Anaconda 建一个 Python 3.7 的虚拟环境，不要用系统自带的 Python，避免把全局环境搞乱。

# 创建 Python 3.7 虚拟环境 conda create -n tamper python=3.7 # 激活环境 conda activate tamper # 安装核心依赖 pip install PyQt5==5.15.4 pip install torch==1.7.1 torchvision==0.8.2 pip install numpy opencv-python pillow

这里有几个版本细节要说明。PyQt5 用 5.15.x 这一代比较稳，新版 PyQt5 在部分 Linux 发行版上对 OpenGL 的支持有变化，可能启动时崩；torch 1.7.1 是 Python 3.7 时代比较主流的版本，如果你要用更高版本的 PyTorch，注意torchvision的版本要配套，否则导入时会报torchvision is not compatible with this torch version。opencv-python建议装 4.5.x 或者 4.6.x 的某个发行版，太新的 OpenCV 在个别场景下和 Python 3.7 的 ABI 有兼容问题。如果是在 Windows 上跑，GPU 版 torch 需要装 CUDA 11.0 对应的版本；没有 GPU 就直接装 CPU 版，后面我会讲纯 CPU 推理怎么调参能少受罪。

3.2 从 main.py 进入界面：选图、检测、出结果

环境装好后，在项目根目录执行python main.py就能启动界面。如果一切正常，会弹出一个 PyQt5 窗口，界面上有「选择图片」和「开始检测」之类的按钮。整个交互逻辑是：你先选一张待检测的图片（比如包里的 test.png），点击检测，系统自动加载 BusterNet 模型，把图送入网络推理，然后把检测到的篡改区域以热力图或矩形框的形式画出来。

最核心的推理流程，简化后就是这个模式：

# 推理核心流程示例（伪代码，对应 modelUI.py 的逻辑） import cv2 import torch from PIL import Image # 加载模型权重 model = BusterNetCore() checkpoint = torch.load("checkpoints/busternet_best.pth", map_location="cpu") model.load_state_dict(checkpoint["model_state_dict"]) model.eval() # 读取并预处理图片 img = cv2.imread("test.png") img_rgb = cv2.cvtColor(img, cv2.COLOR_BGR2RGB) img_resized = cv2.resize(img_rgb, (256, 256)) # 与训练时输入尺寸保持一致 input_tensor = torch.from_numpy(img_resized).permute(2, 0, 1).float().unsqueeze(0) / 255.0 # 推理 with torch.no_grad(): manip_mask, source_mask = model(input_tensor) # 后处理：把概率图转成 0-255 的 mask mask_np = (manip_mask.squeeze().numpy() * 255).astype("uint8") mask_resized = cv2.resize(mask_np, (img.shape[1], img.shape[0]))

model.eval()是必须的，它会关闭 dropout 和 batch norm 的训练行为，否则同一张图每次跑出来的结果都有随机波动，这是很多新手容易踩的坑。torch.no_grad()也是必须的，推理阶段不需要保留计算图，不关的话显存会爆炸。输入尺寸这里用 256×256，和训练一致；如果模型训练时用的是 512，这里就得改成 512，否则检测精度会有明显下降——这就是后面 IoU 评估时要重点盯的参数。

包里的 test.png 是一张含复制粘贴篡改的测试图，masktest.png 是它对应的像素级真值掩膜，白的是篡改区域，黑的是正常区域。检测跑完后，程序会在原图上把篡改区域用矩形框画出来，或者叠加一层伪彩色的热力图，保存成 rectangle_result.png 这样的可视化文件。评审答辩时这组「原始图 → 真值 → 检测结果」的三联图放出来，比念十页 PPT 都有说服力。

3.3 推理参数怎么调：阈值、输入尺寸、device

项目里涉及推理效果的参数就几个，但每一个都对结果影响很大。我按重要性排个序：

置信度阈值是这里面最需要解释的。网络的输出是 0 到 1 的概率图，要得到最终的篡改区域，得设一个阈值把它变成二值图。阈值设得越低，检测到的区域越大，漏检少但误检多；阈值设得越高，检测到的区域越精确，但可能会漏掉边缘区域。我一般的做法是先用 0.5 跑一遍看效果，如果矩形框明显把正常区域也框进去了，就往上调到 0.6；如果篡改区域只框出一半，就往下调到 0.3。这个参数没有通用最优值，和训练数据的分布强相关。

另外要说一下fileaddress.txt，这个文件存的是待测图片的路径列表，每行一张图。它的作用是支持批量检测：你把一整批图片的路径写进去，程序逐一读取并推理，最后把所有结果统一输出。如果只是测单张图，不用管它；做模型泛化性验证时，它就是你要打交道的那个文件了。

4. 数据与预处理：test.png、masktest.png、rectangle_result.png 是怎么来的

4.1 训练数据不够怎么办：用 pasteimage.py 自己合成

做深度学习的检测项目，数据永远是第一道坎。公开的 copy-move 数据集数量有限，而且很多场景和你实际要检测的图片差异很大。这个项目的巧妙之处在于，它提供了一个叫pasteimage.py的合成脚本，能自己批量生成「篡改图 + 真值掩膜」的训练对。

合成逻辑很好理解：先把一张图里随机选一个源区域（是一块任意形状的块），把这块的像素复制下来，再粘贴到同一张图的另一个位置。粘贴的时候常用的做法是带一点缩放和旋转，顺便对边缘做羽化，这样更接近真实的人工 PS 操作，模型学到的特征也更鲁棒。

# pasteimage.py 的核心合成逻辑（简化版） import cv2 import numpy as np def paste_region(src_img, mask, dst_center, scale=1.0, angle=30): # 从 src_img 中按 mask 取出源区域 src_region = cv2.bitwise_and(src_img, src_img, mask=mask) # 对源区域做缩放和旋转，模拟真实篡改中的变换 h, w = src_region.shape[:2] M = cv2.getRotationMatrix2D((w // 2, h // 2), angle, scale) warped = cv2.warpAffine(src_region, M, (w, h)) # 把变换后的区域粘贴到目标位置 x, y = dst_center result = src_img.copy() result[y:y+h, x:x+w] = cv2.add(result[y:y+h, x:x+w], warped) # 生成对应的二值掩膜：mask 里白色是篡改目标区域 mask_warped = cv2.warpAffine(mask, M, (w, h)) mask_result = np.zeros_like(mask) mask_result[y:y+h, x:x+w] = mask_warped return result, mask_result

注意这段代码里的几个关键点。getRotationMatrix2D里的angle和scale是控制变换强度的参数，角度范围建议控制在 -30 到 30 度之间，缩放建议在 0.8 到 1.2 之间，变换太大就不像同图复制了，模型训练时也会增加太多噪声（真实 copy-move 很少做 90 度大旋转）。dst_center是粘贴位置的左上角坐标，如果随机范围选得太偏、粘贴区域跑出图像边界，会让保真的边界条件失效，好一点的实现会加一个边界判断，保证粘贴区域完全落在图内。

有了pasteimage.py合成的图，训练数据就可以按需生成了：一张原始图可以合成几十张不同位置、不同变换强度的篡改图，数据量完全不是瓶颈。对毕设来说，用这种方式扩充训练集比到处下载数据集要可控得多，而且你很清楚每张合成图的真值是对的，不会出现数据集标签本身标错导致模型训歪的情况。

4.2 cropimagecir.py 的圆形裁剪：模拟真实 PS 操作

cropimagecir.py这个文件比较特别，它的名字直译是「圆形裁剪图像」，作用是执行圆形区域裁剪。为什么要专门写一个圆形裁剪？因为真实的 copy-move 篡改里，PS 的魔棒工具、椭圆选框工具选出来的区域经常是圆形或椭圆形的，用矩形块合成的训练样本太规整，导致模型对非矩形篡改区域的检测能力偏弱。用圆形裁剪去合成样本，等于做了一种针对真实场景的数据增强。

# cropimagecir.py 的核心逻辑（简化版）：圆形区域提取 import cv2 import numpy as np def crop_circular(src_img, center, radius): h, w = src_img.shape[:2] mask = np.zeros((h, w), dtype=np.uint8) cv2.circle(mask, center, radius, 255, thickness=-1) # 实心圆 # 圆内的像素保留，圆外置黑 cropped = cv2.bitwise_and(src_img, src_img, mask=mask) return cropped, mask

这段代码里cv2.circle的thickness=-1表示画实心圆，这个参数容易写错成正整数，那样得到的就是一个圆环而不是圆盘；bitwise_and是用 mask 隔绝圆外区域，实现圆内提取。圆心的位置和半径大小是随机采样的，半径可以取图像短边长度的 5% 到 15%，太小变得不好定位，太大又会被当成主体。

这个方法单独用的场景不多，但它和pasteimage.py配合就是一条完整的数据合成流水线：先用圆形裁剪从原图里抠出一个圆形区域，再把它作为「源区域」粘贴到同一张图的其他位置。这样生成的训练样本，篡改区域是圆形的，比矩形合成样本更贴近真实案例。如果拿到项目后你想提高模型在真实 PS 篡改图上的表现，优先在这两个脚本上扩充变换类型、调整角度范围，效果比改网络结构更敏捷。

4.3 从像素掩膜到矩形标注：后处理可视化链条

masktest.png和rectangle_result.png这两个文件放在一起，恰好串起了整个检测结果的后处理链条。masktest.png是像素级真值，标注到每个像素是否属于篡改区域；而rectangle_result.png是最终的可视化输出，在图上画了矩形框来框出篡改区域。

为什么要有这两层？因为像素级 mask 适合做定量评估（算 IoU、Dice），但对答辩展示和结果解释来说，一张黑白 mask 图不够直观，评审老师第一眼想看到的是「篡改区域在原图的哪个位置」。所以项目里做了这层转换：从模型的概率图得到二值 mask 后，用 OpenCV 的轮廓检测找到连通域，对每个连通域求外接矩形，再把矩形画到原图上，就得到了rectangle_result.png。

# 从 mask 生成矩形框标注（对应后处理可视化流程） import cv2 mask_binary = cv2.threshold(mask_np, 0.5, 255, cv2.THRESH_BINARY)[1] contours, _ = cv2.findContours(mask_binary, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) result_img = original_img.copy() for cnt in contours: x, y, w, h = cv2.boundingRect(cnt) # 过滤掉面积太小的噪声区域 if cv2.contourArea(cnt) < 100: continue cv2.rectangle(result_img, (x, y), (x + w, y + h), (0, 0, 255), 2) cv2.imwrite("rectangle_result.png", result_img)

RETR_EXTERNAL表示只取最外层轮廓，避免嵌套轮廓导致重复框；CHAIN_APPROX_SIMPLE是压缩轮廓点以节省内存。面积过滤的阈值 100 是经验值，如果检测结果里噪声点太多，可以调大到 200 或 300，但如果设得太高，真正的篡改区域又可能整个被过滤掉。这个过滤条件是你调可视化效果时最常用的旋钮之一。

理解这条「模型概率图 → 二值 mask → 连通域 → 矩形框」的链条很重要，它能解释为什么模型输出看起来准、画出来的框却偏大：外接矩形是轴对齐的，对圆形或不规则形状的篡改区域天然会多框出一圈背景。所以看rectangle_result.png时，别只盯着框的大小，拿masktest.png做像素级对比才算数。

5. 避坑与排查：这个项目最容易翻车的 5 个地方

5.1 .ui 文件打不开：PyQt5 界面文件必须编译

现象：拿到项目后想改界面布局，直接双击main_ui.ui，发现打开是 XML 源码，或者改了main_ui.ui后运行程序界面没有任何变化。

原因：main_ui.ui是 Qt Designer 的界面描述文件，PyQt5 的代码要执行的是编译后的main_ui.py。两者是独立的，直接改.ui文件不会影响程序运行。

解决：改完.ui文件后必须手动编译一次，命令行执行：

pyuic5 -x main_ui.ui -o main_ui.py

这个命令把.ui里的布局信息转换成 Python 类代码。注意-x参数会生成可独立运行的文件，如果你只想生成可导入的模块，去掉-x即可。我刚拆这个项目时差点在这上面翻车，改了半天 UI 没反应，后来发现程序加载的是一份编译好的.py，跟我编辑的.ui根本是两份文件。

5.2 模型权重加载报错：要么没权重，要么路径不对

现象：推理时报FileNotFoundError，或者报Missing key(s) in state_dict，比如找不到manip_branch.0.weight。

原因：model.load_state_dict要求字典的 key 名和当前模型结构完全匹配。如果 PyTorch 版本不同、模型结构动过、或者权重文件本身是部分训练中断的，都可能出现这种错配。

解决：先确认权重文件存在且路径正确；然后打印model.state_dict()里所有层的名字和权重文件里的 key 做比对，重点看manip_branch和source_branch的开头有没有带module.前缀（使用 DataParallel 训练过的权重会带这个前缀）。带的话把加载代码改成model = torch.nn.DataParallel(model)再加载。如果项目里没有训练好的权重文件，就需要你自己用pasteimage.py合成数据训一版，这是绕不开的。

5.3 CPU 推理慢到怀疑人生

现象：同一张图 GPU 跑只要几百毫秒，用 CPU 要跑十秒甚至更久。

原因：BusterNet 的 VGG16 特征提取主干本身计算量大，加上两个分支网络，参数量大，CPU 上没有 CUDA 加速肯定慢。

解决：CPU 推理时把输入尺寸从 512 降到 256，推理时间大约能降到原来的四分之一（但精度会有轻微损失，IOU 大约降 0.02 到 0.04 左右）；同时确保torch.no_grad()写到位了，否则计算图保留会导致内存和时间的双重浪费。如果还慢，另一种常见做法是把图片做大尺度缩小预处理：先把待测图片按最长边缩放到 640 以内，再送入网络，能有效避免模型在大图上做很多无效计算。

5.4 中文路径读图直接读出 None

现象：cv2.imread("D:\\图片\\test.png")执行完返回None，但文件路径明明是对的。

原因：OpenCV 的imread只支持 ASCII 路径，含中文或特殊字符的路径会读取失败，这是 OpenCV 老版本固有问题。

解决：用np.fromfile配合cv2.imdecode代替cv2.imread。把路径编码结果传给imdecode，中文路径也能正常读。或者干脆在fileaddress.txt里使用相对路径，把它和项目放同一目录下，从根上避免中文路径问题。做批量检测时尤其要注意，一旦某张图没读进来后面全是黑盒报错。

5.5 改了源码不生效：pycache缓存背锅

现象：修改了modelUI.py的阈值参数，重新运行程序，检测结果还和以前一样。

原因：Python 的__pycache__目录里存了编译后的.pyc文件，解释器优先加载这些缓存。修改源码后如果.pyc的更新时间没被识别（某些 IDE 的同步机制下会出现），运行的系统可能加载了旧缓存。

解决：删掉__pycache__目录再重新运行：

rm -rf __pycache__

在项目里用 PyCharm 时，我还遇到过__pycache__和源代码在不同的虚拟环境里产生混乱的情况。养成一个习惯：每次改完源码包里的 Python 文件，先清一次缓存再跑，能省很多排查时间。

6. 进阶验证技巧：用 IoU 量化评估检测质量

跑通界面只是开始，真正让你在答辩时站得住脚的，是一组能量化说清「模型到底检测得准不准」的指标。最直接的指标就是 IoU（Intersection over Union），计算模型预测的篡改区域和真值掩膜的重叠程度。

# 计算 masktest.png 与模型预测 mask 的 IoU import cv2 import numpy as np def compute_iou(mask_pred, mask_gt): # 确保两个 mask 是二值图 pred_bin = (mask_pred > 127).astype(np.uint8) gt_bin = (mask_gt > 127).astype(np.uint8) intersection = np.logical_and(pred_bin, gt_bin).sum() union = np.logical_or(pred_bin, gt_bin).sum() if union == 0: return 1.0 # 两者都是全黑时认为完全一致 return intersection / union # 读取真值和预测结果 mask_gt = cv2.imread("masktest.png", cv2.IMREAD_GRAYSCALE) mask_pred = cv2.imread("result_mask.png", cv2.IMREAD_GRAYSCALE) # 模型输出的二值 mask iou = compute_iou(mask_pred, mask_gt) print(f"IoU = {iou:.4f}")

这段代码里关键的判断在union == 0时：如果真值和预测都是全黑（图里完全没有篡改区域），定义 IoU 为 1.0 是合理的，否则除以零会直接报错。这个边界情况很常见——一个没有篡改的正常图，模型输出全黑 mask，真值也全黑，按正常公式就会崩。(mask > 127)的阈值用来把灰度图转成二值图，127 是 0 到 255 的中间值，也可以改成 128 或 100，取决于 mask 图片本身的灰度分布。

用 IoU 评估时要关注几个取值区间：IoU 大于 0.5 说明检测结果和真值有实质重叠，模型基本可用；0.3 到 0.5 之间说明方向对了但边界偏差大，优先调置信度阈值和后处理的面积过滤参数；低于 0.3 基本上可以认定模型失效，先回查输入尺寸和权重加载。

我自己的血泪经验是：有一次调置信度阈值，肉眼看着输出的红色检测框很漂亮，以为效果变好了，后来用 IoU 一算，数值反而从 0.41 掉到了 0.36 —— 原来低阈值把检测区域放大了不少，矩形框视觉上看起来更满、更「像是那么回事」，但像素级重叠率其实降了。从那以后，我每调一个参数就强制走一遍 IoU 计算，不再用眼睛代替标尺。希望这个习惯也能帮到你判断这套项目改到什么程度算真的有提升。这套源码和测试数据都在打包好的下载文件里，拿到项目后建议先照着第 3 章的步骤把界面跑通，再按第 5 章的坑位逐一排查，最后用 IoU 固化一组评估指标，这样答辩时你就有一整套「数据准备 → 检测 → 定量评估」的完整链路了。希望帮到你。

本文还有配套的精品资源，点击获取