从业务目标开始

一页纸的目标#

五行内容回答了后续每一步都依赖的问题。定义项目目标指南会更深入地讲解同样的内容。下面是一个已填写的仓库示例，本课程将以此为基础：

把这页内容放在整个团队都能看到的地方。如果之后有利益相关者对某一行内容提出异议，先修改这页，再调整数据集。

选择能回答问题的最简单任务#

任务决定标注员要画什么，而这会决定大部分标注预算。沿着这棵决策树往下判断，在第一个能回答业务问题的任务处停下：

Ultralytics YOLO 支持七种任务。在规划数据集时，关键在于每种任务的标注成本；计算机视觉基础在其视觉任务课程中对此进行了深入比较。

把香蕉示意图当作价目表来看：检测已经能回答是否存在、位于何处以及有多少个，只有两个分割面板能提供大小和形状信息，但标注成本要高得多。如果业务只需要知道“有多少根香蕉”，检测就是合适的选择，使用多边形只会浪费预算。

编写标注人员能一致应用的类别定义#

只有当两名标注人员会把同一个对象标为同一类别时，这个类别才有用。为每个类别写一句定义，并指出一个容易混淆但不属于该类别的对象：

• forklift：动力叉车，包括货叉和门架。不包括手动托盘车。
• person：任何人类，包括部分可见、坐着或位于车辆驾驶室内的人。不包括倒影和海报上的人物。
• pallet：木质或塑料运输托盘，无论是否装载货物。不包括没有托盘底座的堆叠货箱。

然后有意识地选择类别粒度。粗粒度类别（“车辆”）成本更低，收敛也更快；细粒度类别（“轿车”“皮卡”）对下游任务更有用，但更难保持标注一致。先从业务需求出发。之后只需一行代码，就能把细粒度标签合并为粗粒度标签；但粗粒度标签无法拆分，除非重新标注。

把指标转化为可执行的验收测试#

选择与错误代价相匹配的指标：

• 漏检代价高（安全、缺陷）：针对该类别以召回率作为门槛。
• 误报代价高（自动拒收零件、向员工发送警报）：以精确率作为门槛。
• 每个类别同等重要（计数、库存）：以各类别的 AP 作为门槛，避免某个类别被平均值掩盖。

YOLO 性能指标指南介绍了各项指标。然后把测试写成代码，让“够不够好？”不再成为争论。这个脚本现在可以用预训练模型在 COCO8 演示数据集上运行，之后也可以使用你自己的检查点和留出集：

from ultralytics import YOLO

model = YOLO("yolo26n.pt")  # later: your fine-tuned runs/detect/train/weights/best.pt
metrics = model.val(data="coco8.yaml", classes=[0], verbose=False)  # 0 = person; later: your holdout YAML

precision, recall = metrics.box.mp, metrics.box.mr
print(f"person: precision={precision:.2f} recall={recall:.2f}")
print("PASS" if recall >= 0.95 and precision >= 0.85 else "FAIL: below the acceptance test")

                   all          4         10      0.939        0.8      0.848      0.387
person: precision=0.94 recall=0.80
FAIL: below the acceptance test

每一行的含义：

• classes=[0] 只对 person 进行评分，因此其他类别无法抬高结果。请使用你自己的安全类别 ID。
• 验证器输出行显示了 4 张图像和 10 个已标注的人。mp 和 mr 分别是精确率和召回率，计算时采用了能最好地平衡二者的置信度阈值（F1 最大值）。
• 预训练的 COCO 模型找到了 10 个人中的 8 个，因此召回率为 0.80：虽然精确，但还不够安全。这个 FAIL 正说明测试发挥了作用。在本课程中，FAIL 应促使你回头检查数据，而不是调整超参数。

写明 v1 不会处理什么#

没有完美的模型，所以要事先列出可接受的漏检情况：你不会承诺能处理的条件（浓雾、完全黑暗）、你能接受被混淆的相似对象，以及推迟到 v2 的长尾类别。这一行可以避免模型达到目标后仍被拿一条未写明的 100% 标准来评判，同时也能告诉数据采集团队目前哪些方面不必投入精力。