1. 项目概述：从一次模型选型的困惑说起

最近在复现一个经典的目标检测项目时，我被一个看似简单的问题卡住了：团队里两个实习生分别用YOLOv5和Faster R-CNN训练了模型，在测试集上，一个模型的AP50高达0.85，另一个的APr（平均召回率）是0.78。老板问哪个模型更好，用于实际部署该选哪个？我一时语塞，因为这两个指标根本不在一个评价维度上。这个经历让我意识到，很多刚入行CV（计算机视觉）的朋友，甚至一些有经验的工程师，对AP50和APr这两个目标检测领域最核心的评价指标，可能都存在理解上的模糊或混淆。它们名字相似，都带着“AP”（Average Precision，平均精度）的影子，但背后的计算逻辑、关注重点和应用场景却截然不同。用错了评价标准，就像用尺子去称重量，不仅会误导模型选型，更可能让整个项目方向跑偏。今天，我就结合自己踩过的坑和项目中的实际案例，把AP50和APr掰开揉碎了讲清楚，让你下次看到评估报告时，能一眼看穿模型真正的“实力”所在。

简单来说，AP50是一个在固定、宽松的判定标准下衡量模型“找得准不准”的指标，它更关注模型在理想匹配条件下的精度表现；而APr则是一个动态、严格的指标，它衡量的是模型“找得全不全”的能力，尤其关注模型在不同召回率要求下的稳健性。理解它们的区别，是进行有效的模型对比、调优和最终业务落地的第一步。无论你是正在学习目标检测的学生，还是面临模型部署的工程师，理清这两个指标，都能让你在技术讨论和决策中更有底气。

2. 核心概念基石：交并比、精确率与召回率

在深入AP50和APr之前，我们必须先夯实三个最基础的概念：交并比、精确率和召回率。它们是所有目标检测评价指标的“原子”，理解不透彻，后续的一切比较都是空中楼阁。

2.1 交并比：判断“是否找到”的黄金标准

交并比，简称IoU，是衡量预测框与真实标注框重叠程度的指标。计算公式非常简单：IoU = 交集面积 / 并集面积。它的值在0到1之间，IoU为1表示完全重合，为0表示没有重叠。

在目标检测中，我们首先要用IoU来判定一个预测框是否“正确”地找到了一个真实目标。这里就引入了第一个关键参数——IoU阈值。通常，我们会设定一个阈值，比如0.5。如果一个预测框与某个真实框的IoU大于等于0.5，我们就认为这个预测是“正确”的，称之为True Positive；反之，如果IoU小于0.5，或者它匹配到的真实框已经被其他更高置信度的预测框占用了，那这个预测就是“错误”的，属于False Positive。

注意：IoU阈值的选择不是绝对的，它直接定义了“什么叫作检测正确”。0.5是一个在PASCAL VOC数据集上沿用已久的经验值，被认为是一个比较宽松的标准。在一些对定位精度要求极高的场景，如自动驾驶中的车辆检测，可能会使用0.7甚至0.9作为阈值。

2.2 精确率与召回率：精度与覆盖率的永恒博弈

在通过IoU筛选出TP和FP之后，我们就能计算精确率和召回率了。这是机器学习中一对经典的、相互制衡的指标。

• 精确率：在所有被模型认为是“目标”的预测中，到底有多少是真正的目标。公式为P = TP / (TP + FP)。它衡量的是模型的“准头”。精确率低，意味着模型有很多误报，把背景或无关物体当成了目标。
• 召回率：在所有真实存在的目标中，模型成功找出了多少。公式为R = TP / (TP + FN)。它衡量的是模型的“查全率”。召回率低，意味着模型漏检了很多本该被找到的目标。

这两者通常此消彼长。提高置信度阈值，模型只输出最肯定的预测，误报（FP）减少，精确率会上升，但同时一些不确定的正样本会被过滤掉，导致漏检（FN）增加，召回率下降。反之，降低阈值，模型变得“激进”，能找出更多目标（召回率上升），但也会混入更多错误预测（精确率下降）。

2.3 置信度阈值与排序：绘制PR曲线的关键

模型在推理时，不仅会输出预测框的位置，还会为每个框附上一个置信度分数，表示模型对这个框包含目标且类别正确的确信程度。当我们对测试集所有图片的预测结果进行统计时，会得到成千上万个预测框，每个框都有其置信度。

评估的第一步，就是按照置信度从高到低对所有预测框进行排序。然后，我们动态地调整一个“置信度阈值”：从最高的置信度开始，逐步降低这个阈值。每设定一个新的阈值，高于此阈值的预测框才会被计入当前的TP和FP，从而计算出一对当前的精确率和召回率。当阈值降到最低时，所有预测都被纳入，此时召回率最高（通常为1，如果模型对每个真实目标至少有一个预测的话），但精确率往往很低。

将这个过程所有阈值下的点连接起来，就得到了精确率-召回率曲线。这条曲线下的面积，直观地反映了模型在不同召回率水平上保持高精确度的能力。而这个面积，就是平均精度最原始的雏形。

3. AP50详解：固定门槛下的精度考核

现在，让我们聚焦到AP50。这里的“50”指的就是IoU阈值为0.5。AP50的计算可以理解为：在严格固定IoU=0.5这个匹配标准下，计算得到的平均精度值。

3.1 AP50的计算步骤拆解

1. 按类别计算：目标检测通常是多类别的。AP50首先需要针对每一个独立的类别进行计算。比如在COCO数据集的80个类别中，你需要分别计算“人”、“车”、“狗”等每一个类别的AP50。
2. 收集预测与真值：对于当前类别，收集测试集上所有针对该类别的预测框（带有置信度）和所有该类别的真实标注框。
3. 匹配与判定：将预测框按置信度降序排列。依次处理每个预测框，为其寻找IoU>=0.5且未被匹配过的真实框。找到则记为TP，否则记为FP。同时，每个真实框只能被匹配一次，这确保了计算的公平性。
4. 计算PR序列：随着处理预测框的增多，我们可以动态计算当前的累积TP和FP，从而得到一列随着召回率增加而变化的精确率值。这是一个离散的数据序列。
5. 绘制PR曲线与插值：直接连接这些离散点得到的PR曲线是锯齿状的。为了得到更平滑、更能反映模型性能的指标，PASCAL VOC 2007之后的标准采用了插值法。对于每一个召回率水平r，我们取所有召回率>=r的点中，精确率的最大值。公式化表达为：P_interp(r) = max_{r'>=r} P(r')。这相当于把曲线“抹平”了，保证了曲线是单调递减的。
6. 计算面积：计算这条插值后的PR曲线下的面积，这个面积值就是该类别的AP50。
7. 均值处理：对于多类别数据集，通常报告所有类别AP50的均值，即mAP50，作为模型整体性能的一个概括。

3.2 AP50的核心特点与适用场景

AP50最大的特点是标准统一且相对宽松。因为IoU阈值固定为0.5，它只要求预测框和真实框有超过一半的重叠就算正确。这带来了以下特点：

• 侧重分类能力：AP50对边界框的定位精度要求不高，更侧重于评估模型“有没有把物体找出来并分对类别”。一个预测框只要大致罩住了目标，即使歪斜一些，也可能被算作正确。
• 对“拥挤”场景不敏感：在目标密集、互相遮挡的场景下，只要预测框和某个真实框的IoU能过0.5，就算成功。它不严格区分预测框是否精准地框住了某个特定实例。
• 历史沿袭与通用对比：由于PASCAL VOC竞赛的深远影响，0.5的IoU阈值成为了一个广泛接受的基准。这使得AP50成为了不同模型、不同论文之间进行“苹果对苹果”对比的通用货币。当你看到某篇论文说模型在COCO上达到50%的mAP时，如果没有特别说明，通常指的就是mAP50。

适用场景：

• 模型初筛与快速对比：当你需要快速从多个模型中选出一个表现较好的，或者阅读论文想了解SOTA模型的基线性能时，看AP50是最直接的方式。
• 对定位精度要求不高的应用：例如，某些内容审核场景，只需要知道图片里是否有违规物体（如武器），大致位置即可，不需要像素级精准定位。
• 学术研究基准：作为领域内公认的基准指标，用于衡量模型核心检测能力的进步。

实操心得：在内部模型测试报告中，我通常会同时给出AP50和更严格的AP（如AP75）值。如果两个模型AP50接近，但一个的AP75显著更高，说明后者的定位精度更好，在需要精细框的场景下潜力更大。不要只看AP50一个数。

4. APr详解：面向召回率的稳健性评估

APr，即Average Precision at Recall，中文常译为“在特定召回率下的平均精度”，或者更常见的是指代平均召回率。但这里需要仔细辨析，因为“APr”这个缩写有时会造成歧义。在更严谨的语境下，尤其是在COCO评估体系中，我们通常不直接说“APr”，而是讨论AP@[R]或AP-R这类指标，其核心思想是：衡量当召回率达到某一水平r时，模型的平均精度表现。

然而，另一种广泛流传且非常实用的理解，是将“APr”视为以召回率为横坐标的另一种平均精度计算视角，它尤其关注模型在低召回率区域的性能。为了彻底讲清楚，我们分两种主流理解方式来剖析。

4.1 理解一：固定召回率阈值下的AP

这是最直接的理解。例如，AP@R=0.5表示：计算当召回率被固定为0.5时，模型所能达到的精确率。注意，这里不是计算曲线下面积，而是取曲线上一个特定的点。

计算方法：

1. 同样先得到某个类别的PR曲线。
2. 在这条曲线上，找到召回率等于0.5（或最接近0.5）的点。
3. 读取该点对应的精确率值，这个值就是AP@R=0.5。

这种指标的意义在于：它考核的是模型在达成特定覆盖率（召回率）时的精度保障。例如，在安防监控中，我们可能要求系统至少检测出90%的异常事件（高召回率），然后在此基础上看它的误报率（精度）是多少。AP@R=0.9就能衡量这一点。

4.2 理解二：关注低召回率区域的综合性能（常见对比语境）

当人们将AP50与APr并列对比时，这里的“APr”往往指的是一种侧重于模型在“高置信度预测”下表现的评价方法。它源于这样一个观察：在PR曲线上，置信度最高的那些预测点位于曲线左侧（低召回率区域）。一个稳健的模型，其高置信度预测应该是非常可靠的，即低召回率时，精确率应该非常高，PR曲线应该从接近（1，1）的点开始。

在这种情况下，APr可以理解为对PR曲线左端（低召回率部分）性能的一种强调或重新加权。一种具体的实现方式是计算平均召回率，但更常见的做法是观察AP在不同IoU阈值下的表现，因为更严格的IoU阈值（如0.75）会天然地过滤掉定位不准的预测，使得模型必须依靠更高精度的预测才能被记为TP，这变相考核了高置信度区域的性能。

COCO数据集的标准评估指标完美地体现了这种思想。COCO主要报告以下几种AP：

• AP：在IoU阈值从0.50到0.95，步长0.05的区间上（即0.50， 0.55， ..., 0.95），计算得到的平均精度的平均值。这相当于综合考核了从宽松到极端严格共10个不同定位精度要求下的模型性能。
• AP50：就是IoU阈值为0.5时的AP。
• AP75：IoU阈值为0.75时的AP。
• APs, APm, APl：针对小、中、大不同尺度目标的AP。

在这里，AP（有时被不太严谨地泛指为APr的对比对象）因为平均了多个高IoU阈值，所以它对模型在定位精度上的要求极高。一个模型如果AP值高，说明它不仅能把物体找出来，还能把框标得非常准。而AP50只反映了宽松标准下的性能。

4.3 APr（或严格AP）的核心特点与适用场景

无论采用上述哪种理解，APr（或严格AP）的核心特点都是标准动态或严格，更关注模型的稳健性与定位精度。

• 强调高置信度预测的质量：它要求模型“说有把握的，说有把握的必须对”。这对于减少误报、提升系统可信度至关重要。
• 对定位误差零容忍：在高IoU阈值下，框的轻微偏移就会导致TP变FP，因此它直接鞭策模型优化回归头的精度。
• 综合性能的试金石：像COCO的AP指标，能全面反映模型在不同难度任务上的表现，避免模型通过“投机取巧”（例如，只擅长检测大目标或只满足于粗略定位）来获得高分数。

适用场景：

• 高精度定位需求：自动驾驶（车辆、行人检测）、工业质检（缺陷定位）、医疗影像（病灶分割前的检测）等，框的准确性直接影响后续决策。
• 误报成本极高的场景：例如，在自动驾驶中，一个误报的“行人”可能导致紧急刹车，带来危险。这就需要模型在非常有把握时才报警，即要求低召回率（高置信度阈值）下仍有高精度。
• 模型能力深度评估：在学术研究或高端产品研发中，AP（IoU@[.5:.95]）是比AP50更具说服力的“硬核”指标，它代表了模型更全面的技术水平。

踩坑记录：我们曾有一个项目，模型在AP50上超越了竞品，但在实际部署到生产线进行精密零件瑕疵检测时，效果却不如对方。后来复盘发现，竞品模型的AP75远高于我们。AP50的“宽松”掩盖了我们模型边界框回归不精确的问题，而实际场景需要极高的定位精度来引导机械臂操作，AP75才是更相关的指标。

5. AP50与APr的直观对比与模型选择指南

理解了各自的计算和内涵，我们可以从多个维度对它们进行直接对比，这能帮助我们在不同场景下做出正确的选择。

如何根据对比结果选择模型？

假设你有模型A和模型B：

• 情况一：A的AP50 > B的AP50， 但A的AP75 < B的AP75。
  • 解读：模型A更擅长“发现”目标，但在“精确定位”上不如模型B。
  • 选型建议：
    • 如果业务是图像内容分析、物体计数、存在性判断（如监控中是否有人），选A。
    • 如果业务是自动驾驶、机器人抓取、像素级分析的前序步骤，选B。
• 情况二：A的AP50与B相当，但A的AP (COCO标准) 显著高于B。
  • 解读：在宽松标准下两者打成平手，但在综合的、更严格的评估下，模型A更强大、更稳健。
  • 选型建议：无脑选A。更高的综合AP通常意味着更好的特征提取和回归能力，泛化性能往往也更优。
• 情况三：A的AP50远高于B，但AP75也略高于B。
  • 解读：模型A全面领先。但需要结合推理速度、模型大小、功耗等其他工程指标进行最终权衡。

6. 实战：如何计算并可视化AP50与APr

理论说得再多，不如动手算一遍。这里我以一个小型示例，演示如何用Python从零开始计算AP50，并解读COCO评估工具给出的AP系列指标。

6.1 手动计算AP50示例

假设我们有一个类别“猫”，在测试集上有5个真实框（GT）。模型预测了6个框，我们已按置信度排序：

我们按顺序处理，并累积计算TP和FP：

1. 处理D1：TP=1， FP=0。 Precision=1/1=1.0， Recall=1/5=0.2。
2. 处理D2：TP=2， FP=0。 Precision=2/2=1.0， Recall=2/5=0.4。
3. 处理D3：TP=2， FP=1。 Precision=2/3≈0.667， Recall=2/5=0.4。
4. 处理D4：TP=3， FP=1。 Precision=3/4=0.75， Recall=3/5=0.6。
5. 处理D5：TP=4， FP=1。 Precision=4/5=0.8， Recall=4/5=0.8。
6. 处理D6：TP=4， FP=2。 Precision=4/6≈0.667， Recall=4/5=0.8。

我们得到一组（Recall， Precision）点：(0.2， 1.0)， (0.4， 1.0)， (0.4， 0.667)， (0.6， 0.75)， (0.8， 0.8)， (0.8， 0.667)。

接下来进行插值。我们取一系列召回率点，例如从0.0到1.0，步长0.1。对于每个点r，取所有召回率>=r的点中，精确率的最大值。

• r=0.0: max(1.0， 1.0， 0.667， 0.75， 0.8， 0.667) = 1.0
• r=0.1: max(1.0， 1.0， 0.667， 0.75， 0.8， 0.667) = 1.0
• r=0.2: max(1.0， 1.0， 0.667， 0.75， 0.8， 0.667) = 1.0
• r=0.3: max(1.0， 0.667， 0.75， 0.8， 0.667) = 1.0
• r=0.4: max(1.0， 0.667， 0.75， 0.8， 0.667) = 1.0
• r=0.5: max(0.667， 0.75， 0.8， 0.667) = 0.8
• r=0.6: max(0.75， 0.8， 0.667) = 0.8
• r=0.7: max(0.8， 0.667) = 0.8
• r=0.8: max(0.8， 0.667) = 0.8
• r=0.9: 无点召回率>=0.9， 精确率视为0。
• r=1.0: 同上，为0。

最后，计算插值后PR曲线下的面积（近似为矩形面积求和）：AP50 = (0.1*1.0 + 0.1*1.0 + 0.1*1.0 + 0.1*1.0 + 0.1*1.0 + 0.1*0.8 + 0.1*0.8 + 0.1*0.8 + 0.1*0.8 + 0.1*0) = 0.8

这个简单的例子展示了AP50的计算全流程。在实际中，我们会使用成熟的库（如pycocotools）来处理大量数据。

6.2 使用COCO API评估并理解输出

对于实际项目，强烈推荐使用官方的COCO评估工具。安装后，你可以这样使用：

from pycocotools.coco import COCO from pycocotools.cocoeval import COCOeval # 加载标注和结果 cocoGt = COCO(annotation_file) # 标注文件路径 cocoDt = cocoGt.loadRes(result_file) # 模型预测结果文件路径 # 创建评估对象 cocoEval = COCOeval(cocoGt, cocoDt, 'bbox') # 执行评估 cocoEval.evaluate() cocoEval.accumulate() cocoEval.summarize()

运行summarize()后，你会看到类似下面的输出：

Average Precision (AP) @[ IoU=0.50:0.95 | area= all | maxDets=100 ] = 0.382 Average Precision (AP) @[ IoU=0.50 | area= all | maxDets=100 ] = 0.580 Average Precision (AP) @[ IoU=0.75 | area= all | maxDets=100 ] = 0.419 ...

• 第一行AP @[ IoU=0.50:0.95 ]：这就是常说的COCO AP，也是我们理解的“严格AP”或广义上可与AP50对比的“APr”综合体现。它计算了IoU从0.5到0.95（步长0.05）共10个阈值下AP的平均值，是核心指标。
• 第二行AP @[ IoU=0.50 ]：这就是AP50。
• 第三行AP @[ IoU=0.75 ]：这就是AP75，可以看作是“APr”思想下一种具体的、更严格的指标。

通过对比这三行，你就能清晰地看出模型在宽松、严格以及综合标准下的性能差异。

7. 调优策略：针对不同指标的优化侧重点

了解了指标差异，我们就可以有的放矢地优化模型。提升AP50和提升严格AP（APr）的策略有共通之处，但侧重点不同。

7.1 提升AP50的核心策略

AP50对定位精度容忍度高，因此优化重点在于提升分类的准确性和召回率，确保模型能不遗漏目标，并且正确分类。

• 数据层面：
  • 加强数据增强：特别是针对目标尺度和外观变化的增强，如Mosaic、MixUp、随机缩放、色彩抖动等。这能极大地提升模型对不同形态目标的“发现”能力。
  • 处理类别不平衡：如果某些类别样本极少，模型很难学会检测它们，会直接拉低该类的AP50。可采用过采样、类别权重损失（如Focal Loss）来缓解。
• 模型层面：
  • 优化分类头：确保分类网络有足够的容量和判别能力。可以尝试更复杂的分类网络结构，或调整分类损失函数的参数。
  • 调整先验框：针对你的数据集目标大小，重新聚类生成合适的Anchor尺寸，让模型在初始阶段就更容易匹配到目标，从而提高召回率。
  • 降低置信度阈值：在推理或NMS阶段，适当降低置信度阈值，可以让更多预测框进入评估，可能提升召回率，从而影响AP50（但需平衡精度）。

7.2 提升严格AP（APr）的核心策略

严格AP要求极高的定位精度，因此优化重点必须转向让边界框回归得更准。

• 数据层面：
  • 标注质量是生命线：模糊、不精确的标注是提升AP75的最大障碍。在关键项目上，投入资源进行标注质检和修正，回报率极高。
  • 增强定位相关的数据增强：如小范围的随机平移、缩放，模拟目标位置的微小变化，让模型对位置扰动更鲁棒。
• 模型层面：
  • 优化回归头：这是重中之重。可以尝试：
    • 使用更光滑的回归损失函数，如Smooth L1 Loss、CIoU Loss、DIoU Loss等。这些损失函数能更好地处理框的几何关系，尤其是IoU Loss系列，直接优化IoU本身，对提升高IoU指标有奇效。
    • 增加回归头的深度或宽度，给予其更强的拟合能力。
  • 改进特征对齐：使用如Deformable Convolution（可变形卷积）来让特征提取更好地适应目标形状，有助于生成更精确的候选框。
  • 后处理优化：
    • 调整NMS参数：传统的NMS可能会抑制掉一些定位准确但置信度稍低的框。可以尝试Soft-NMS或DIoU-NMS，它们对框的抑制更柔和，能保留更多定位准确的预测。
    • 框精炼：添加一个额外的框精炼网络，对初步预测的框进行微调。
• 训练技巧：
  • 多尺度训练：让模型在不同输入尺度下训练，能提升其对尺度变化的适应性，有助于精准定位不同大小的目标。
  • 更长的训练周期：边界框回归通常需要比分类更长的训练时间来收敛到精细的位置。

7.3 平衡AP50与严格AP的联合优化

在实际项目中，我们往往需要兼顾两者。

1. 分阶段训练：前期可以侧重提升AP50，确保模型具备了强大的目标发现能力。在后期，固定主干网络，专注于微调回归头和相关参数，以提升定位精度。
2. 损失函数加权：调整分类损失和回归损失在总损失中的权重。适当增加回归损失的权重，可以引导模型更关注定位精度。
3. 集成不同模型：在模型层面，可以训练两个侧重不同的模型（一个召回率高，一个定位精度高），然后通过加权框融合等方式进行集成，往往能取得综合性能的提升。

8. 常见问题与排查技巧实录

在实际工作中，围绕AP50和APr会产生很多具体问题。这里我记录了几个最典型的案例和排查思路。

问题1：模型训练时Loss下降得很好，但验证集的AP50和APr都很低，怎么办？

这是典型的过拟合或训练-验证数据分布不一致。

• 排查步骤：
  1. 检查数据泄露：确保训练集和验证集没有重叠的图像或高度相似的图像。
  2. 可视化验证集预测：直接看模型在验证集图片上的预测结果。是根本检测不到目标（召回低），还是框乱飞（精度低）？如果是前者，可能是训练数据不够多样，模型泛化差；如果是后者，可能是回归头训练不稳定。
  3. 对比训练集和验证集的标注分布：查看两个集合中目标尺度的分布、类别分布是否差异巨大。差异大则需要重新划分数据集或进行数据重采样。
  4. 简化模型：如果模型参数量巨大而数据量有限，尝试减小模型规模，或增加Dropout、权重衰减等正则化手段。
  5. 使用更激进的数据增强：在训练集上使用更强力的数据增强，模拟更多样的场景，提升泛化能力。

问题2：AP50很高，但AP75极低，甚至为0。这说明什么？

这说明你的模型是一个“分类巨人，定位矮子”。它很擅长判断有没有物体以及是什么物体，但完全学不会精确地框出物体位置。

• 根本原因：回归头训练失败或能力不足。
• 解决方案：
  1. 检查回归目标：确认你的代码中，回归目标（通常是基于Anchor的偏移量）计算是否正确。一个常见的错误是偏移量计算公式有误，导致回归头在学习一个无意义的映射。
  2. 调整回归损失：尝试换用IoU系列损失（如GIoU、DIoU），它们直接优化框的重叠面积，对回归更友好。
  3. 降低回归损失的学习率：有时分类损失收敛过快，压制了回归损失的学习。可以为回归头设置更大的学习率，或使用分层的学习率策略。
  4. 审视Anchor设计：如果Anchor的尺寸和形状与你的目标差异极大，回归头需要学习一个非常复杂的变换，可能导致学习困难。重新聚类生成适合你数据集的Anchor。

问题3：使用COCO评估工具时，AP值正常，但AP50和AP75都为0，可能是什么原因？

这是一个典型的结果文件格式错误或评估参数设置错误。

• 排查步骤：
  1. 检查预测结果JSON格式：确保你的结果文件是严格的COCO结果格式。每个预测字典必须包含image_id，category_id，bbox（格式为[x， y， width， height]），score。bbox的坐标必须是绝对像素值，且x， y是框左上角的坐标。
  2. 检查category_id：确保预测结果中的category_id与标注文件中的category_id完全对应。COCO的id是从1开始的，如果你错误地用了0，会导致类别不匹配，评估结果为0。
  3. 检查评估初始化：在创建COCOeval对象时，第三个参数是iouType，对于目标检测必须是‘bbox’。如果你错误地传入了‘segm’（实例分割），也会得到全0的结果。
  4. 打印中间结果：在调用evaluate()之前，可以检查一下cocoEval.params.imgIds和cocoEval.params.catIds，看是否成功加载了需要评估的图像和类别。

问题4：在业务中，我应该更看重AP50还是AP75？

这完全取决于你的业务需求。

• 选择AP50的场景：你的业务逻辑是“发现即胜利”。例如：监控场景统计人流量，只要框到人即可，大小位置不敏感；内容过滤中识别违规物品，只要识别出物品存在即可触发审核。
• 选择AP75的场景：你的业务逻辑对位置敏感。例如：自动驾驶中，车辆框的精度直接影响距离估计和路径规划；工业质检中，缺陷框的精度决定维修或切割的路径；图像裁剪或美化中，需要精准框出人脸或主体。
• 最稳妥的做法：同时关注AP50和AP75（或COCO AP）。AP50告诉你模型的“基础检测能力”，AP75告诉你模型的“精细程度”。两者差距大，说明模型有明显的短板。一个优秀的、可部署的模型，通常两者都应该在一个可接受的范围内。你可以为你的业务设定一个最低可接受的AP50（保证召回）和一个最低可接受的AP75（保证精度），只有同时达标的模型才进入下一轮筛选。

理解AP50和APr的差异，绝非纸上谈兵。它直接关系到你如何评估模型、如何定位问题、以及最终如何选择一个真正符合业务需求的模型。下次当你看到评估报告时，不妨多花一分钟，看看AP50和AP75这两个数字背后的故事，它们会告诉你这个模型真正的性格与能力所在。