检测模型在整体 mAP 上很漂亮，卡车和公交车却几乎检不出来——这是目标检测里最经典的长尾困境：稀有类被多数类淹没。直接"多标点数据"当然对，但成本最高。这篇按性价比排一套完整方案，从类别定义到训练策略，附每步的成本收益评估。
第一步永远是重审类别定义
动手改训练之前先问一个问题：这些类别真的需要分开吗？如果下游任务只关心"是不是大型车辆"，卡车和公交车合并成一个类，问题直接消失——这是成本最低、见效最快的解法。合并的前提是与业务确认分类需求真实存在，而不是数据集历史遗留的划分。
即便不能合并，也可以把稀有类的子属性（车型、颜色）从类别体系挪到属性预测头里，让检测头只负担主类别。
数据层面：三个递进手段
Repeat Factor Sampling（RFS） 是首选：按类别频率计算重复采样因子，让稀有类在训练中被更频繁地抽到。MMDetection 原生支持，配置改动几行，通常带来几个点的稀有类 AP 提升。RFS 不够时上 ClassAwareSampler，强制每个 batch 至少含 N 个稀有类样本，防止某些 batch 完全无稀有类导致梯度缺失。
Copy-Paste 增强 是性价比最高的一条：把稀有类实例（带框或掩码）抠出来贴到其他图的背景上，成倍扩充"位置+背景+尺度"的组合。没有分割掩码时 bbox 抠图粘贴也有效。
补真实数据的三个来源：KITTI、Cityscapes、UA-DETRAC 等公开集里有大量车辆类；从自有视频抽帧（稀有类在视频里连续出现，抽帧成本低）；用当前模型定位误检漏检区域做主动学习式定向补采。3D 渲染合成数据留作最后手段——每类只有几十张的极端场景才值得，且要验证域差距。
训练层面：损失函数的真实分工
一个普遍误区是把 Focal Loss 当长尾解药。它解决的是前景/背景不平衡和难易样本问题，对类间不平衡作用有限——稀有类漏检是"被轿车抢走"而非"被背景淹没"时，调 focal 的 γ 基本无效。真正的类间武器是 Seesaw Loss 和 Equalization Loss：前者动态抑制多数类对稀有类的梯度压制，后者放宽多数类对稀有类梯度的惩罚。稀有类比多数类少 100 倍以上时值得一试。
两阶段微调是最实用的一招：第一阶段全量数据正常训练收敛；第二阶段冻结骨干和颈部，只在均衡采样子集上微调检测头。稀有类的梯度在长训练中被多数类"洗掉"的风险由此规避。
评估必须分开看
只看 mAP 是长尾问题的根源。三件事必须做：按类报告 AP，稀有类的 recall 单独盯；看混淆矩阵确认稀有类是不是被系统性误判成多数类（长尾偏差的典型指纹）；有硬指标时把"卡车漏检率 < X%"写进训练目标，而不是事后补救。
执行顺序清单
按性价比排序：① 重审类别定义（成本极低，可能直接解决）→ ② RFS（配置级改动）→ ③ Copy-Paste 增强 → ④ 定向补真实数据 → ⑤ Seesaw/两阶段微调 → ⑥ 合成数据。前两步解决一半以上的实际案例，多数团队的问题不是方案不够先进，而是跳过了便宜的直接上了贵的。
评论0