基于深度学习的飞机识别目标检测系统全流程实战

做目标检测的毕业设计里，“飞机识别”这个题目每年都会被大量选中，原因很实在：目标形态相对规整、公开数据不算难找、检测框画出来视觉冲击强，答辩现场一张航拍图里十几个框同时冒出来，效果比跑一堆折线图直观得多。但真正动手之后你会发现，难点从来不在“会不会调用检测框架”，而在三件事：数据怎么组织、指标怎么讲清楚、系统怎么在别人电脑上跑起来。我带过几届做这类题目的同学，也自己从头复现过几套流程，见过太多人在标注上耗掉一个月、在mAP上卡住两周、最后答辩时因为环境没配好当场翻车。这篇就把“基于深度学习的飞机识别目标检测系统”从选题拆解、数据构建、模型选型、训练调参、工程部署到答辩问答，按我实际做下来的顺序完整讲一遍，参数和代码都给到能直接抄的程度，适合正在做毕设的同学，也适合想快速搭一套可演示检测系统的朋友参考。

1. 先把题目翻译成人话：这套系统到底由什么组成

1.1 从答辩现场倒推：评委真正想看的三样东西

很多人做毕设的思路是“先把模型跑通再说”，结果做到第七周才发现自己讲不清楚为什么选这个模型。我建议反过来：先想清楚答辩那二十分钟要呈现什么。按我的经验，评委的关注点基本集中在三块——一个能点开就用的演示界面（证明你真的把它做成了系统，不是跑了个脚本）、一组自洽的指标曲线（证明你知道模型好不好、为什么好）、一段能自圆其说的技术选型解释（证明这些决定是你做的，不是抄的）。

把这三样拆开看，对应到工程上就是三个交付物：一个加载权重就能推理的服务入口、一份训练日志与评估报告、一份包含对比实验的说明文档。反过来推工作量的分配，我的建议是数据与标注占四成、训练与调参占三成、工程与演示占两成、文档与答辩准备占一成。这个比例和大多数人的直觉是反的——大家往往把八成精力压在“选哪个模型”上，而实际上换模型的收益远小于把标注质量提上去。

还有一个现实问题：毕设的时间窗口通常是八到十二周，中间还要穿插开题、中期检查、论文撰写。所以选题定位必须在可交付的范围内做深，而不是在不可控的方向上做全。飞机识别这个题目的好处是收敛性好，坏处是容易做得太平——如果只是“拿公开数据 + 微调一个现成模型 + 跑个网页”，创新性会显得单薄。后面我会给三个难度档位，你可以按自己的时间余量挑一个。

1.2 三个子系统拆解：数据管线、模型、推理服务

我把整套系统拆成三条相对独立的流水线，这样任何一条出问题都不会把整个项目拖死。

数据管线负责从原始图像到训练可用的张量：采集或下载、去重、清洗（模糊图、无目标图、重复帧）、标注、切图、格式转换（常见是转成检测框架要求的 txt 或 json 标注）、增强策略配置。这条线最脏最累，但决定上限。

模型部分包含骨干网络、特征融合结构、检测头、损失函数、训练策略。这部分反而是标准动作最多的，公开实现一大把，照着改配置就能跑。

推理服务负责把权重变成一个能交互的东西：模型导出、推理引擎、预处理与后处理、可视化画框、Web 或桌面界面、性能统计（单帧耗时、吞吐）。这部分是“系统感”的来源，也是最容易在答辩现场出问题的地方。

三条线之间用明确的接口隔开：数据管线输出固定格式的标注目录，模型部分只认这个目录；模型部分输出权重文件，推理服务只认权重加固定的输入输出约定。这样做的好处是，当你在第七周发现某个模型效果不行想换一个时，只需要替换中间那一段，前后两端不用动。我见过不少同学把预处理逻辑写死在训练脚本里，换模型时全部推倒重来，时间就是这么没的。

1.3 难度档位怎么挑：三档方案的工作量与风险对照

选题不是一个点，是一个区间。下面这张表是我按实际带项目的经验整理的三个档位，你可以对着自己的周数挑。

我的建议是大部分人走进阶档。基础档在现在这个时间点确实偏薄，答辩时很难撑住“你到底做了什么”的追问；挑战档听着漂亮，但跟踪和计数一旦出问题，演示效果会比单纯检测更难看——框乱跳比框少几个更致命。进阶档的好处是：多类别和小目标是“看得见的难点”，你能拿数据说话，同时链路还没有长到不可控。

选档位时还有一个隐藏变量：你手上有没有可用的算力。单卡显存 8G 和 24G，能做的事情差一个量级。如果你只有一张入门级显卡，那就老老实实走基础档并把工程化做扎实；如果有实验室的服务器可用，进阶档的小目标实验才跑得动。这一点在选择之初就要确认，别到第五周才发现跑一次完整训练要二十小时。

2. 数据集这一步，决定了你后面八成的痛苦

2.1 数据来源的三条路和各自的坑

做飞机检测，数据来源无非三条路，每条都有自己的麻烦。

第一条是公开的航拍或遥感检测数据集。这是最省事的路子，图像质量稳定、标注规范、类别定义清楚，缺点是类别体系未必合你的意，而且目标尺度分布偏单一——遥感图像里的飞机往往只有十几到几十像素，和你想要的那种“机场停机坪上大飞机”的观感差别很大。用这类数据要注意两点：一是确认使用许可，论文里要写清楚来源与用途；二是注意数据划分，很多公开集自带划分，但你最好自己重新按场景划分，避免同一架飞机出现在训练集和验证集里造成虚高。

第二条是自己收集图像再标注。优点是类别、场景、尺度都能按你的设想来，缺点是工作量巨大。我的经验值是：一个熟练的标注者，标注一张含 10 个目标的图大约需要 3-5 分钟，500 张图就是 25-40 小时。更麻烦的是“找图”本身——你需要保证场景多样性（不同光照、不同背景、不同拍摄角度），否则模型学到的只是背景纹理。这里要特别注意素材的合规性，只用允许使用的公开素材，注明来源，别去碰来源不明的图库。

第三条是用合成数据补充。做法是把飞机模型渲染到不同背景上，自动生成带精确标注的图像。这条路对补小目标、补稀有角度特别有效，但合成图和真实图之间存在域差异，直接混着训练可能反而拉低效果。我的做法是先用真实数据训练，再用少量合成数据做微调或者只用来扩充验证集，观察指标变化再决定要不要合入。

实际操作中，最稳的组合是“公开数据集打底 + 自采数据补场景”。公开数据保证基础量，自采数据保证你的系统在自己的演示场景里表现好。

2.2 类别体系怎么定：宽口径还是细粒度

类别设计是一个被严重低估的决策点，它直接决定你的标注成本、指标表现和答辩难度。

宽口径就是只分“飞机”一类。好处是标注快、类别不均衡问题不存在、mAP 好看，坏处是技术深度不够，评委很容易问“这和通用目标检测有什么区别”。

中等粒度是按大类分，比如客机、货机、直升机、小型固定翼。这是我认为性价比最高的方案：类别之间有明显的形态差异（直升机有旋翼、客机机身细长），模型能学到真实的判别特征，指标也不会因为类间差异过小而难以提升。

细粒度是按具体型号分。这条路在毕设周期内基本不现实——型号之间的差异往往集中在机头形状、发动机数量、翼尖小翼这些局部细节，需要高分辨率图像和极大样本量，而且标注本身就需要专业知识。

还有一个细节：要不要加“背景类”或者“忽略类”。我的建议是加一个忽略标记，用来处理严重遮挡和极小目标，这些样本在训练时不参与损失计算。不加的话，模型会被迫去拟合那些根本看不清的目标，反而拉低整体精度。

2.3 标注规范：框贴边、遮挡、截断这三件事必须先说清楚

标注质量决定模型上限，这句话不是夸张。我见过两个同学用同一份数据、同一套代码，只因为一个人把框画松了、一个人画紧了，最终 mAP 差了 6 个点。所以在开始标注之前，先把规则写成一页纸，所有人（包括你自己）照着执行。

我用的规则大致是这样：检测框紧贴目标可见轮廓的最小外接矩形，不留额外边距，也不切进目标内部；遮挡面积超过 40% 的目标标为忽略，20%-40% 的正常标注但在备注里记一笔；图像边缘被截断的目标，只要可见部分大于原尺寸的三分之一就标，框按可见部分画；最小框边长不低于 8 像素，更小的直接忽略，因为在这个尺度上标注的一致性极差，标了也是噪声；同一目标只标一次，重叠的两个框视为错误。

提示：标注一致性比标注精度更重要。与其纠结某个框差了两个像素，不如保证同一批数据里不存在“有人标机翼、有人标机身”这种系统性分歧。建议先标 30 张让第二个人复核一遍，把分歧点讨论清楚再开始批量标注。

还有一件事：标注前先做去重和清洗。视频抽帧得到的连续帧几乎一模一样，全部标进去等于把同一张图重复几十次，训练时会严重过拟合。我的做法是先算图像感知哈希，相似度超过阈值的只保留一帧；再人工过一遍，剔除严重模糊、过曝、几乎无目标的图。这一步花两小时，能省后面两天。

2.4 大图切图与小目标：重叠率怎么算才不漏

航拍或遥感图像动辄几千像素见方，直接缩到网络输入尺寸（比如 640）会让原本 20 像素的飞机变成 4 像素，基本等于消失。所以必须切图。

切图的核心参数是切片尺寸和重叠率。切片尺寸一般取网络输入的 1-2 倍，比如输入 640 就用 1024 或者 1280 的切片；重叠是为了避免目标正好被切在边界上，一般取切片尺寸的 10%-25%。

具体算一下：原图 8000×6000，切片 1024，重叠 200 像素，那么步长是 1024-200=824。横向切片数 = ceil((8000-1024)/824)+1 = ceil(8.47)+1 = 9+1 = 10；纵向 = ceil((6000-1024)/824)+1 = ceil(6.04)+1 = 7+1 = 8。总共 80 张切片。重叠率 200/1024 ≈ 19.5%，处于合理区间。

切完之后还有两个必须处理的细节。第一，切片边缘的目标要重新裁剪标注框，超出切片范围的部分直接截断，截断后面积小于原框 30% 的直接丢弃。第二，推理时要反向拼回原图并做跨切片 NMS——同一个目标可能同时出现在相邻两张切片里，不做跨片去重就会画出双框。这个坑我在第一次做遥感检测时踩得很深，验证集指标很好，但可视化结果里飞机全是双框，答辩演示时非常难看。

3. 模型选型：为什么大多数人最后都落到一阶段检测器

3.1 两阶段与一阶段的本质差别，用一个类比讲透

检测算法大致分两派。两阶段的思路是“先粗筛候选区域，再逐个精修分类”，好比你先在人群里扫一眼圈出可能的目标，再挨个走近确认；一阶段是“一次前向直接把位置和类别都吐出来”，像撒一张网，每个网格点自己判断这里有没有东西。

两阶段的优势在于精度，尤其是小目标和密集目标，因为候选区域机制给了它“再看一眼”的机会；劣势是速度慢、结构复杂、部署麻烦。一阶段速度占优、结构简洁、工程链路短，代价是在极端小目标和严重遮挡场景下略吃亏。

对毕设来说，选择的关键不是“谁更先进”，而是你的演示形态。如果你要做视频流实时检测，一阶段几乎是必选；如果你只做图片批量检测、追求指标好看，两阶段也完全可以。我个人的倾向是一阶段，理由是工程链路短意味着出错的地方少，而且现在一阶段的多尺度特征融合做得已经相当成熟，小目标的差距被大幅缩小了。

3.2 结构三件套：骨干、颈部、头部各管什么

不管哪一派，现代检测器的骨架都能拆成三段，我用身体部位打个比方。

骨干网络相当于眼睛，负责从原始像素里提取特征，浅层看边缘纹理，深层看语义。选骨干时看两个数：参数量和计算量。参数量大不一定好，因为你的数据量可能撑不起那么大的模型；计算量直接决定推理速度。毕设场景下，中等规模骨干 + 预训练权重是最稳的，从零训练基本不现实。

颈部相当于脖子，负责把不同层级的特征融合起来。浅层特征分辨率高、位置信息准但语义弱，深层特征语义强但位置粗糙，颈部就是把两者对齐合并。常见做法是自顶向下的通路加横向连接，让大目标和小目标都有合适的特征图去响应。这一块对小目标检测的提升最明显，如果你的题目里小目标占比高，颈部结构值得多花时间。

头部相当于嘴巴，负责在特征图上输出类别置信度和框的偏移量。头部设计里最关键的是正负样本分配策略——哪些位置算正样本、哪些算负样本、怎么给它们分配监督信号。早期靠 IoU 阈值硬分配，现在多用动态分配，让模型自己学着挑合适的正样本。这个改动听起来抽象，但对收敛速度和最终精度的提升相当实在。

3.3 轻量化与否：先算清楚你的帧率预算

很多人在选型时纠结“要不要上轻量模型”，其实这个问题可以量化。先确定你的演示需求：如果是图片上传，单张几百毫秒完全无感，那就用大模型换精度；如果是视频实时，你需要至少 15-20 帧每秒才有流畅感，倒推回来，单帧预算就是 50-65 毫秒，扣除预处理和后处理约 10 毫秒，模型前向必须在 40-55 毫秒内完成。

我的建议是：训练用中等或大型，部署时再考虑轻量化。训练阶段优先保证精度上限，等指标稳定了，再用剪枝、量化或者直接换小模型做对比实验。这样你的论文里就有一组“精度-速度权衡”的表格，比只报一个模型分数有说服力得多。

3.4 迁移学习：预训练权重怎么用才不白费

从零训练一个检测器，在你的数据量级下几乎必然过拟合。所以一定要用预训练权重。但“用了”和“用对了”是两回事。

我常用的策略是分阶段解冻。第一阶段只训练头部和颈部，骨干完全冻结，学习率设大一些（比如 1e-3），跑 3-5 个 epoch，让新加的层先适应你的数据分布；第二阶段解冻骨干的后半部分，学习率降到原来的十分之一，再跑 10-20 个 epoch；第三阶段如果数据量足够、指标还在涨，可以全网络微调，学习率再降一个量级。

这么做的道理很简单：骨干的浅层学的是边缘、纹理这类通用特征，冻住它既省显存又防止被小数据集带偏；深层和头部是任务相关的，必须放开训。一次性全解冻最常见的后果是——前几个 epoch 损失猛涨（因为大梯度把预训练特征冲掉了），然后缓慢恢复，白白浪费时间和算力。

注意：如果你的数据和预训练数据域差异极大（比如预训练用自然图像、你用的是俯视航拍），冻结阶段可以短一些，甚至直接从中等学习率全量微调，因为浅层特征也需要适配。判断依据是看冻结阶段验证集指标是否很快饱和——饱和了就说明该解冻了。

4. 训练过程：参数别拍脑袋，学会算显存和看曲线

4.1 显存怎么估算：一个能落地的粗算方法

显存溢出是新手最常见的拦路虎。与其反复试错，不如先算一笔账。

训练显存大致由三部分构成：模型状态（参数、梯度、优化器动量）、激活值（前向过程中保存的中间结果，反向传播要用）、临时缓冲（各种中间张量）。

模型状态好算：参数量 × 4 字节（单精度）× 倍数。用带动量的优化器时，倍数约等于 4（参数 1 + 梯度 1 + 两个动量 2）。比如 2500 万参数的模型，模型状态约 2500万 × 4 × 4 ≈ 400 MB。这部分不大。

真正吃显存的是激活值，它和批量大小、输入分辨率、网络深度都成正比，粗略估算可以按“单个样本的激活占用 × 批量”来算。经验上，输入 640、中等规模模型、单样本激活在 200-400 MB 区间。那么批量 16 就是 3-6 GB，加上模型状态和框架开销，8 GB 显存大概能撑批量 8-12。

实操建议：先用批量 2 跑起来，观察显存占用，再线性往上加。加的时候注意留 15% 余量，因为验证阶段和某些数据增强操作会额外占用。显存不够时，优先降批量而不是降分辨率——分辨率一降，小目标直接没了，指标掉得比降批量狠得多。批量降下去影响的是训练稳定性，可以用梯度累积补回来：批量 4 累积 4 步，等效批量 16，只是训练慢一些。

4.2 学习率、预热与退火：三个必须一起考虑的旋钮

学习率是最敏感的参数。我的起手配置是这样：用带动量的随机梯度下降时，基础学习率 0.01，动量 0.937，权重衰减 5e-4；用自适应优化器时，学习率 1e-3，权重衰减调到 5e-2 量级（自适应优化器对权重衰减更敏感，两者不能混用同一套数值）。

学习率还要跟批量挂钩。经验法则是批量翻倍、学习率翻倍，但只在批量变化不大时成立。批量从 8 加到 32，学习率从 0.005 提到 0.02 是合理的；再往上加，收益递减且容易震荡。

预热是前 3-5 个 epoch 把学习率从很小线性升到目标值。这一步在检测任务里几乎是必需的，因为训练初期正负样本分配还不稳定，大学习率容易把模型带进坏区域。退火是训练后段把学习率降下来，让模型在损失曲面的低处精细收敛，常用的有余弦退火和分段下降。我用余弦退火居多，配合预热，曲线比较平滑。

4.3 训练曲线怎么看：三个信号判断训练健康度

训练日志里我主要盯三条线。

训练损失：整体应该单调下降，允许有小幅波动。如果前几十步就掉到很低然后不动了，多半是标签有问题或者学习率太小；如果持续震荡甚至上升，先查学习率是不是太大，再查标注框有没有越界。

验证集指标：这是判断过拟合的核心。健康的形态是验证指标跟着训练损失一起涨，涨到某个点后趋缓。如果训练损失还在降但验证指标开始掉，就是过拟合了，处理手段按性价比排序是：加数据增强、加数据量、加正则（权重衰减、Dropout）、减模型容量。千万别一上来就减模型，通常加增强就够了。

学习率曲线：这条线很多人不看，但它能解释很多现象。比如验证指标在某几个 epoch 突然跳变，回头一看正好是学习率下降的节点，那就说明之前的震荡是学习率偏大导致的。

还有一个小技巧：固定一组验证图片，每几个 epoch 可视化一次检测结果。曲线看不出来的问题，看图一眼就明白——比如框整体偏大、某类目标完全不响应、背景被误检成目标。我在调一个密集小目标场景时，指标一直在涨但可视化里明显漏检，最后发现是置信度阈值设太高，指标算的是排序质量，可视化看的是固定阈值下的表现，两者不是一回事。

4.4 指标怎么讲：mAP 不是一个数，是一族数

答辩时最常被问的就是“你的mAP多少”。这个问题如果只答一个数字，很容易被追问到答不上来。正确的讲法是分清几个层次。

我建议报告里至少给三组：mAP@0.5、mAP@0.5:0.95、分面积档的 AP。这样评委问“小目标怎么样”时你有数据，问“框画得准不准”时你也有数据。另外别忘了报误检率和漏检率这两个业务口径的指标，它们比 mAP 更贴近“这个系统能不能用”的直觉。

还有一点要提前想好：你的指标在什么数据上算的。如果验证集和训练集来自同一批视频的相邻帧，指标会虚高得离谱。划分数据时按场景或按来源划分，别按帧随机划分，这个细节在论文里写清楚，反而是加分项。

5. 从权重到能点开的系统：工程化这一关

5.1 导出与推理加速：先跑通再优化

训练完得到权重，下一步是让它脱离训练框架独立运行。标准路径是：训练框架导出为通用中间格式（ONNX 是最通用的选择），再用推理引擎加载。这么做的好处是部署环境不需要装整套训练框架，启动快、依赖少，答辩时在别人电脑上跑也不容易出问题。

导出时有几个细节必须注意。输入尺寸要固定或者显式声明动态轴，否则某些引擎会拒绝加载；后处理如果写在模型里，导出时要确认这些算子被正确支持，遇到不支持的算子就把它移到模型外面用普通代码实现；导出后必须做数值对齐验证，用同一张图分别跑原模型和导出模型，比较输出的最大绝对误差，正常应该在 1e-4 量级，差太多说明某处精度丢了。

加速方面，半精度推理几乎是无脑收益——显存减半、速度提升明显、精度损失通常在 0.1-0.3 个点以内，完全可接受。再往上是算子融合和量化，收益更大但坑也更多，毕设阶段如果时间紧，半精度就够了，别为了追求极致速度把演示搞崩。

5.2 后处理调参：置信度阈值和 NMS 阈值怎么定

模型输出是一堆候选框，要经过两步过滤才能变成最终结果。

置信度阈值决定“多确信才保留”。调低的后果是误检满地，调高是漏检严重。我的做法是先在验证集上画精度-召回曲线，找到平衡点，比如精度 0.85 对应召回 0.8 的那个阈值；然后根据演示场景微调——演示图里目标少而大，可以把阈值提到 0.4 以上让画面干净；目标密集，就降到 0.2 保证不漏。

非极大值抑制的 IoU 阈值决定“多重叠才认为是同一个目标”。默认 0.45-0.5，密集小目标场景要降到 0.3-0.4，否则相邻的两架飞机会被合并成一个框；反过来，如果你检测的是会重叠的目标（比如编队），阈值要提高到 0.6 以上。

调这两个参数时一定要在验证集上量化评估，不要只凭肉眼。我见过调完之后画面确实好看了，但召回掉了十几个点，答辩被问到就尴尬了。

5.3 一个能跑的最小演示服务

下面这段是我常用的最小可用版本，用轻量的 Web 框架加推理引擎，几十行就能跑起来。核心是预处理要和训练时完全一致——这一点是新手翻车的头号原因。

import cv2 import numpy as np import onnxruntime as ort from flask import Flask, request, jsonify app = Flask(__name__) session = ort.InferenceSession("aircraft.onnx", providers=["CPUExecutionProvider"]) INPUT_NAME = session.get_inputs()[0].name SIZE = 640 def letterbox(img, size=SIZE, pad=114): h, w = img.shape[:2] r = min(size / h, size / w) nh, nw = int(round(h * r)), int(round(w * r)) canvas = np.full((size, size, 3), pad, dtype=np.uint8) top, left = (size - nh) // 2, (size - nw) // 2 canvas[top:top + nh, left:left + nw] = cv2.resize(img, (nw, nh)) return canvas, r, left, top def nms(boxes, scores, iou_th=0.45): idx = scores.argsort()[::-1] keep = [] while idx.size: i = idx[0] keep.append(i) if idx.size == 1: break xx1 = np.maximum(boxes[i, 0], boxes[idx[1:], 0]) yy1 = np.maximum(boxes[i, 1], boxes[idx[1:], 1]) xx2 = np.minimum(boxes[i, 2], boxes[idx[1:], 2]) yy2 = np.minimum(boxes[i, 3], boxes[idx[1:], 3]) inter = np.maximum(0, xx2 - xx1) * np.maximum(0, yy2 - yy1) area_i = (boxes[i, 2] - boxes[i, 0]) * (boxes[i, 3] - boxes[i, 1]) area_j = (boxes[idx[1:], 2] - boxes[idx[1:], 0]) * (boxes[idx[1:], 3] - boxes[idx[1:], 1]) iou = inter / (area_i + area_j - inter + 1e-9) idx = idx[1:][iou <= iou_th] return keep def infer(img_bgr, conf_th=0.3, iou_th=0.45): canvas, r, left, top = letterbox(img_bgr) blob = canvas[:, :, ::-1].transpose(2, 0, 1)[None].astype(np.float32) / 255.0 out = session.run(None, {INPUT_NAME: blob})[0] out = out[0] if out.ndim == 3 else out boxes, scores = [], [] for row in out: conf = row[4] if conf < conf_th: continue cx, cy, bw, bh = row[0], row[1], row[2], row[3] x1, y1 = cx - bw / 2, cy - bh / 2 x2, y2 = cx + bw / 2, cy + bh / 2 boxes.append([x1, y1, x2, y2]) scores.append(conf) if not boxes: return [] boxes = np.array(boxes, dtype=np.float32) scores = np.array(scores, dtype=np.float32) keep = nms(boxes, scores, iou_th) result = [] for i in keep: x1 = (boxes[i, 0] - left) / r y1 = (boxes[i, 1] - top) / r x2 = (boxes[i, 2] - left) / r y2 = (boxes[i, 3] - top) / r result.append([float(x1), float(y1), float(x2), float(y2), float(scores[i])]) return result @app.route("/detect", methods=["POST"]) def detect(): file = request.files["image"] img = cv2.imdecode(np.frombuffer(file.read(), np.uint8), cv2.IMREAD_COLOR) return jsonify({"boxes": infer(img)}) if __name__ == "__main__": app.run(host="0.0.0.0", port=5000)

这段代码里有三个地方最容易出错。第一，通道顺序：OpenCV 读进来是 BGR，训练时如果是 RGB，就必须翻转，忘了翻转的表现是“能跑但指标暴跌”。第二，归一化方式：除以 255 还是用均值方差标准化，必须和训练一致。第三，坐标还原：letterbox 加了 padding、做了缩放，反算时必须先减 padding 再除缩放比，顺序反了框就全飘。这三个坑每一个我都踩过，排查起来都是半小时起步。

5.4 演示保底：永远准备一个不依赖网络的版本

答辩现场的网络、电源、投影分辨率都是不可控因素。我的习惯是准备三级保底。

第一级是本地服务正常运行，用本机或自带设备跑，不依赖外网。第二级是离线结果预生成，把典型图片的检测结果提前跑好、画好框存成图片，万一服务起不来，直接展示这些结果。第三级是截图和录屏，放进演示文稿，任何情况下都能讲。

听起来有点小题大做，但真出问题时这三级能救场。演示流程也要排练：先点哪张图、说什么话、指标怎么引出来，控制在 3-5 分钟，别现场算指标，把数字提前记在讲稿里。

6. 踩坑实录与速查表

6.1 训练侧的五个典型故障与排查顺序

训练不顺利是常态，关键是有章法地排，别乱改。我按出现频率列一下。

排第一位的永远是“把标注框画到图上看一眼”。我遇到的标签类问题，九成都能靠这一步定位——框整体偏一半说明坐标中心点和角点搞混了，框全挤在角落说明没做归一化，框乱飞说明宽高顺序反了。这个检查只要两分钟，比盲改参数高效得多。

6.2 推理侧的三个隐形坑

训练指标漂亮、部署效果拉胯，问题基本出在这三处。

预处理不一致。前面提过通道顺序和归一化，这里补一个：缩放方式。训练用 letterbox（保持长宽比、补边），推理时如果直接用 resize 拉伸，形变会让小目标检测精度明显下降。验证方法是拿训练集里的一张图，分别用训练管线和推理管线处理，把输入张量打印出来逐元素对比，差异应该是零。

后处理坐标还原错。这个坑特别隐蔽，因为画面看上去“差不多对”，只是框整体偏移了几个像素。判别方法是拿一张人工标好的图，跑推理后算 IoU，低于 0.9 就说明还原有问题。

导出后精度掉。表现是同一张图，原模型和导出模型的输出差异超过 1e-3。常见原因是某个算子在导出时被近似了，或者动态轴设置不当导致 shape 对不上。解决办法是逐个算子二分定位，把可疑的后处理挪出模型图。

6.3 答辩高频问答：提前把答案写成三句话

这些问题几乎每场都会出现，提前准备好短答案，别现场组织语言。

• 为什么选这个模型：先说场景约束（实时性、算力），再说对比结论（我试过另外两个结构，在同样数据上这个的 mAP 高 X 个点、速度快 Y 毫秒），最后说工程因素（导出顺利、依赖少）。
• mAP 多少算合格：别给绝对数字，给相对结论。“在公开数据上主流方法大概在这个区间，我的结果接近但略低，差距主要在小目标档，原因是数据量有限。”
• 小目标怎么处理：切片 + 多尺度特征 + 针对性增强，三句话说完，附一张分面积档的 AP 表。
• 数据哪来的：说清来源、数量、划分方式、许可情况。这题答不好会被质疑合规性。
• 创新点在哪：别硬吹算法创新。稳妥的说法是“在特定场景下做了针对性优化，并完成了从数据到部署的完整链路验证”，然后把对比实验拿出来。

7. 排期、交付物和我自己的几点体会

7.1 一份能按时交付的八周排期

排期最怕前松后紧。我按实际带项目的节奏给一份参考，其中标注和训练是两座大山，必须并行推进。

两个提醒：数据在第 4 周必须冻结，之后只允许修 bug，不允许再加类别或者大规模增删样本，否则前面所有实验全部作废；演示系统在第 7 周必须能跑，别留到最后一周，因为联调一定会遇到意想不到的问题。

7.2 交付物清单：这些东西决定你答辩的底气

除了论文，我建议手上一定要有这几样：一份完整可复现的训练配置（超参、数据版本、随机种子），一份指标汇总表（含对比实验和消融），一份推理耗时统计（不同批量、不同精度），一段演示录屏，以及一份故障排查记录。最后这个很多人不做，但它其实是你“真的动手做过”的最好证据，答辩时拿出来讲两个具体问题怎么解决的，比空泛地说“我做了大量实验”有说服力得多。

7.3 我踩过之后才明白的几件事

第一件，数据的边际收益远大于模型。我曾经花了整整一周换结构、调损失，指标涨了 0.8 个点；后来补了 300 张难例样本重新训，涨了 4 个点。从那以后我的顺序就固定了：先看错检漏检的图，判断是数据问题还是模型问题，再决定往哪投入。

第二件，指标和观感经常不一致。mAP 衡量的是排序质量，而人眼看的是固定阈值下的结果。所以我每次调完参都会固定一组图看一眼，两边都过了才算过。

第三件，把不确定性提前消掉。模型能不能导出、服务能不能在别人电脑上跑、显存够不够，这些都应该在第一周就验证一遍，而不是留到最后。我见过太多项目卡在最后一步——模型训得很好，但部署环境装不上依赖，最后只能拿录屏答辩，效果打了对折。

第四件，记录比记忆可靠。每一次实验改了什么、结果如何，当天就记下来。等到写论文时你会发现，那些没记下来的实验等于没做，因为你根本说不清哪个配置对应哪个结果。我现在习惯用一个简单的表格，一行一次实验，字段是日期、改动、关键指标、结论，一页纸能记二十次，回溯起来极快。

这套流程往下还能延展：加时序做跟踪与去重计数、加分类头做机型细分、把服务改成流式处理接摄像头、用半精度加批处理压延迟。方向很多，但骨架就是上面这些——数据扎实、指标讲清、系统能跑。把这三件事做到位，一个飞机识别的检测系统就已经站得住了。