带过几届做目标检测方向的同学之后，我发现“基于深度学习的飞机识别目标检测系统”这个题目，最容易出问题的地方根本不在模型本身。绝大多数人一上手就去搜最新的检测器，把权重跑通，看着屏幕上蹦出几个框就以为稳了，结果到了中期检查才发现：数据是自己随手爬的几百张图，标注框歪歪扭扭，验证集和训练集来自同一段视频，mAP 报出来 0.95，一换场景立刻崩到 0.3。这篇文章就按我看到的真实推进顺序来讲，从选题的真实工作量、数据怎么准备、模型怎么选和怎么调、指标怎么算才有说服力，一直到系统怎么封装成能演示的东西，把这些环节里最容易翻车的地方一个个拆开说。不管你是刚开题、还是已经卡在训练不收敛的阶段，下面这些内容应该都能直接拿去用。
1. 先把题目拆开看：飞机检测的真实工作量在哪
1.1 这个题目的本质是一套工程链路，不是一次模型训练
很多人把它理解成“找个模型 + 找个数据集 + 训练 + 出图”，实际交付物是一整条链路：能拿到可用的飞机图像、能标出符合规范的框、能训出一个在新场景下不退化的权重、能把它封装成别人点两下就会用的界面，最后还要能写成一份有实验支撑的文档。这五件事里，模型的代码量反而是最少的——调库就行，剩下的全是脏活累活。
我给这类题目的经验配比大致是：数据采集与标注 40%，模型训练与调参 20%，系统封装与联调 25%，文档与实验整理 15%。如果你把 70% 的时间花在琢磨换哪个检测器上，最后一定会在中期之后开始赶工期。检测器这个层面，2020 年之后的成熟方案已经足够解决单类别飞机检测，真正的差距全在数据质量和场景适配上。
还有一点要提前想清楚：这个题目是单类别检测，别觉得单类别就简单。单类别的坑在于背景抑制。飞机停在停机坪上，周围有廊桥、行李车、油罐车、地勤人员、跑道标线、机棚阴影，这些东西形状上都有可能被网络误认为飞机。你如果没有在训练集里放足量的“含机场背景但没有飞机”的负样本图，模型上线后误检率会高得离谱。
1.2 两种完全不同的图像场景，混着训会互相拖累
飞机识别的图像来源基本分两大类，这两类的成像特性差异极大：
| 场景类型 | 典型视角 | 目标特征 | 主要难点 |
|---|---|---|---|
| 遥感/航拍俯视 | 正上方或近垂直 | 尺寸极小、成排密集、长宽比接近 1 | 目标只有十几像素、云层遮挡、尺度跨度大 |
| 机场地面侧视 | 平视或斜俯 | 尺寸中等偏大、长宽比大、遮挡多 | 金属反光、机身被建筑或廊桥切割、逆光 |
| 空中飞行 | 仰视小目标 | 极小、运动模糊 | 天空背景单一、目标对比度低、抖动模糊 |
把这三类混在一个模型里训，网络会学到一个“平均特征”，结果每类都不精。我的建议是先锁定一个主场景，把它做到 mAP 稳定，再加第二个场景做泛化性讨论——这样论文里反而多了一节“跨场景泛化分析”，是加分项，不是减分项。如果你打算做遥感俯视这一类，那输入分辨率和切片推理就是绕不开的核心；如果做地面侧视，那遮挡和反光处理、负样本配比才是重点。方向不一样，后面的所有技术选择都不一样，这一步必须在开题阶段就定死。
1.3 “创新点”怎么找：别硬吹，从工程组合里挖
这类题目被问得最多的一句就是“你的创新点是什么”。硬凑一个自研网络结构，在单类别、数据量有限的任务上大概率训不出效果，反而给自己挖坑。我的经验是从三个方向找实打实能拿出对比数据的点：
- 场景适配的工程改进：比如针对密集停放的飞机，改 NMS 策略（改用 soft-NMS 或调 IoU 阈值），用前后对比的 PR 曲线证明密集场景漏检率下降。
- 小目标专项处理：加浅层检测头、提高输入分辨率、切片推理，用同一份测试集做消融，表格一摆就很清楚。
- 系统层面的完整闭环：把检测、跟踪、计数、导出统计报表串起来。飞机检测 + 停机位占用统计，这种组合在答辩现场明显比“又一个 YOLO 训练”有说服力。
这三个方向都不需要你发明新算子，但都需要你做实验、留数据、能画出曲线。能拿出对比实验的工程改进，价值远高于一个训不收敛的“自研模块”。
2. 数据这一关：标注规范定不好，后面全是返工
2.1 图像来源的三条路，成本和质量的权衡
第一条是公开数据集。航拍目标检测领域有几个公开集合可以直接用，格式多为带角度信息的标注框或者水平框，转成 YOLO 格式需要写个脚本做格式映射。这类数据质量稳定、场景多样，但缺点是大家都能拿到，你的实验里如果全靠它，答辩时容易被问“你和别人的区别在哪”。
第二条是地图类影像的合法获取。如果只是教学研究用途，从公开的地图服务截图不违规，但要注意服务条款里对批量抓取的限定，别写个脚本狂拉几十万张。我的建议是控制在千张量级、做好来源说明，用在论文的“数据来源”一节。
第三条是自己拍摄。找机会去机场外围的观景台、航空展、飞行俱乐部开放日拍素材，这类图像的真实感最强，光照和角度最贴近落地场景，缺点是要花时间，而且标注工作量比想要的大很多。
实际推进时我一般建议公开数据集打底（占六到七成）+ 自采补充（占三到四成），自采部分专门覆盖你锁定的那个主场景，这样既保证了数据量，又能讲清楚场景适配的思路。
2.2 边界框的标注规范：这五条不写清一定会返工
标注这件事最怕中途改标准。前三百张按一种规则标，后三百张换了一种规则，网络就学了个四不像。开标之前把下面这几条写成书面规范，贴在旁边照着做：
- 框要贴紧机身外轮廓，包含机翼和尾翼。俯视图里机翼展开很宽，很多人只框机身，导致网络学到的“飞机”是一个细长条，换到翼展不明显的小机型就失效。
- 遮挡超过 60% 的目标直接不标，遮挡 30% 到 60% 的照标。低于 30% 遮挡的必须标全。这个阈值定下来就别改。
- 极小目标设下限。遥感图里小于 8×8 像素的目标，标注一致性极差（不同人框出来差异巨大），建议直接丢弃，并在论文里写明“忽略面积小于 N 像素的目标”，这是标准做法，不用心虚。
- 密集停放时，相邻飞机的框不要重叠。停机坪上飞机挨得很近，机翼可能交叠，这时候以机身主体和机翼的视觉可分界为准，宁可留一条窄缝也不要让两个框产生大比例重叠，否则 NMS 阶段会把其中一架直接抑制掉，造成系统性漏检。
- 负样本图（无飞机的机场图）必须单独标注为背景。这一步经常被跳过，但它直接决定线上误检率，后面第 2.4 节会展开。
标注工具用哪个都行，labelImg、LabelMe、X-AnyLabeling 这类能导出 YOLO 格式的就够。YOLO 格式是每张图一个同名 txt，每行是类别 cx cy w h，后四个值全部用图像宽高归一化到 0 到 1。这一点务必交代所有参与标注的人，坐标写成绝对像素值是新人最常犯的错，一错整批数据报废。
2.3 数据集划分：随机划分是让指标虚高的头号元凶
这是我见最多、后果最严重的坑。绝大多数人用train_test_split随机切 8:2，觉得没问题。问题在于如果你的图像里有大量来自同一段视频的连续帧、或者同一次拍摄的近似重复图，随机划分会让高度相似的图同时出现在训练集和验证集里，验证集本质上是训练集的复印件，mAP 自然高得离谱。等到换一份真实场景测试，直接掉一半。
正确做法是按场景分组划分（Group Split）：把图像按来源分成若干组（同一个机场、同一次拍摄、同一段视频、同一个公开数据集的子集算一组），整组进训练集或整组进验证集/测试集。这样验证集才有“新场景”的意义。数量上建议训练集 : 验证集 : 测试集 = 7 : 1.5 : 1.5，测试集单独封存，只用一次，中途调参一概不许碰它。
再补充一个细节：训练集内部的近似重复图要去重。用感知哈希（pHash）或者简单的图像相似度做一次粗筛，把汉明距离极小的图删掉冗余项。这一步能显著降低模型对重复场景的过拟合，同时让划分更干净。
2.4 负样本与增强：决定误检率和泛化性的隐藏变量
负样本这块我单独拎出来讲。假设你训练集有 3000 张图、8000 个飞机框，然后测试时给一张空旷的跑道图，模型硬是在跑道尽头画了个框置信度 0.6。原因就是它从来没见过“没有飞机的机场”。解决办法是把无目标的机场背景图（跑道、停机坪、机库、天空）按正样本数量的 5% 到 10%的比例塞进训练集，对应生成为内容为空的标注文件。这个比例太低没用，太高会拉低召回率，8% 左右是我试下来比较均衡的位置。
数据增强这块，除了 Mosaic、HSV 抖动、随机缩放这些标配，有两条要注意场景合理性：
- 俯视遥感图，水平翻转、垂直翻转、90 度旋转全都合理，因为卫星视角没有固定上下方向，可以放心用，等价于把数据量放大四倍。
- 地面侧视图，上下翻转绝对不能用。飞机倒过来是物理上不存在的样本，网络会学到错误的形状先验。水平翻转可以用，但要确认没有文字或机身编号依赖方向。旋转角度也要限制在很小的范围。
还有一个经常被忽略的点：尺度增强要与你的目标尺度分布匹配。如果你的真实部署场景中飞机大小变化很大（远机位和近机位），那 random scale 的范围就要开得宽（比如 0.5 到 1.5）；如果场景固定，范围收窄反而收敛更快。
3. 模型与训练：为什么选单阶段检测器，以及小目标怎么救
3.1 单阶段与两阶段的选择逻辑
这个选择经常被答辩老师追问，答“因为 YOLO 快”只能算及格。完整逻辑应该落在使用需求上。你这个系统最终的形态是“上传图片立刻出框”或者“视频流实时标框”，这是在线推理场景。两阶段检测器（如 Faster R-CNN 这一类）需要先出候选区域再逐一分类回归，精度在中等目标上确实稳，但推理链路长、帧率上不去，做实时视频演示很吃力。
单阶段检测器把定位和分类一次性回归出来，速度快，端到端部署链路也短，导出成 ONNX 之后在普通笔记本上跑视频流完全可以接受。更关键的是，当前主流单阶段方案在单类别、目标特征单一（飞机的外形轮廓很有辨识度）的任务上，精度差距已经被压得很小了。飞机不是猫狗那种细粒度分类任务，不需要极高的特征区分度，所以牺牲的那点精度换来的部署便利性完全是划算的。
如果老师坚持要对比实验，那就把两阶段方案当一个对照组训一版，用表格给出精度、参数量、单帧耗时的对比，说明选型依据。这比空口争论有用得多，而且这一节本身就能写进论文的第四章。
3.2 版本与规格选择：别一上来就选最大的
主流方案都有 n/s/m/l/x 这样的规格划分，本质是深度和宽度的缩放。新手最常见的错误是直接上最大的那个，觉得精度最高，然后在 8G 显存的机器上 batch size 只能设到 2，训练一轮好几个小时，三天没跑完一百轮，最后被迫中断。
我的建议路线是：先用最小规格跑通全流程，把数据管线和评估脚本验证无误，这个阶段用三百到五百轮、小分辨率（比如 640），一两个小时就能出结果，虽然精度不高但足以验证“标注格式对不对、标签路径对不对、评估指标算得对不对”。确认无误后，再换中等规格、提高分辨率正式训练。显存不够时的优先级是：先降 batch size（最低到 4，再低 BN 层统计会不稳），再降输入分辨率，最后才换更小的规格。
还有一个容易被忽略的设定：从零训练还是加载预训练权重。你的数据集规模通常在几千张量级，远小于通用检测数据集的规模，从零训练几乎必然过拟合且收敛慢。加载在通用数据集上预训练的骨干权重做迁移学习是标准做法，收敛速度和最终精度都会好很多。这一步不用纠结，直接加载。
3.3 小目标的三个救命手段，按投入产出排序
飞机检测里最硬的技术难点就是小目标。俯视图里一架远处的飞机可能只有 12×10 像素，网络下采样 32 倍之后特征图上连一个格点都占不满，怎么可能检测出来。我按实操中的性价比排个序：
第一，提高输入分辨率。这是最简单直接的手段。从 640 提到 1024 或 1280，小目标在特征图上的有效响应立刻变大，mAP 提升往往有 5 到 10 个点。代价是显存和耗时同步上升，大致是面积倍数关系——640 到 1280 是四倍计算量，所以显存要提前算好。这是性价比最高的一招，优先做。
第二，增加浅层检测头。常规检测器在三个尺度上做预测（下采样 8、16、32 倍），小目标主要靠最浅那一层。再加一个下采样 4 倍的检测头（业内常说的 P2 层），能让更小的目标有专属的预测尺度。代价是参数量和计算量增加，而且浅层特征语义信息弱，需要配合更好的特征融合。这一招效果明显但改动量大，适合作为中期之后的优化项。
第三，切片推理（Tiling Inference）。训练时不动，只在推理阶段把大图切成有重叠的小块，逐块检测再按坐标映射回原图，最后统一做一次 NMS 合并。这个方法对大分辨率遥感图的增益非常显著，而且完全不改训练流程，属于“便宜好用”。需要注意的是块与块之间的重叠区域要设到 20% 左右，否则跨块的目标会被切断成两个半截框；合并时的 NMS IoU 阈值要相应调高一点，避免同一目标被切出的两个框互相抑制。
这三种手段我建议按顺序推进：先调分辨率，看指标天花板在哪；不够再加切片推理，这条路几乎零训练成本；最后如果还有余力再做检测头改造。每一步都要单独记录指标变化，形成消融表格，这才是论文里最值钱的部分。
3.4 训练参数的实操取值与两个关键阶段
超参这块不用搞得太玄，主流方案的默认配置已经调得不错，重点盯住几个真正影响结果的：
| 参数 | 建议取值 | 说明 |
|---|---|---|
| 初始学习率 | 0.01（SGD）/ 0.001（AdamW） | 迁移学习场景下不要太大，否则预训练特征被冲掉 |
| 学习率调度 | 余弦退火或线性衰减 | 末期学习率降到初始值的 1% 左右 |
| warmup | 3 到 5 轮 | 小数据集上很关键，能避免开局 loss 爆炸 |
| batch size | 显存允许的最大值，且为 8 的倍数 | 低于 4 时 BN 统计不稳 |
| 训练轮数 | 200 到 300 轮 | 观察验证集 mAP 曲线，连续 30 轮不涨就是收敛了 |
| 权重衰减 | 5e-4 | 抑制过拟合 |
有两个阶段特别值得单独说。一是热身阶段，前几轮学习率从极小值线性爬升，这一步能显著降低小数据集上开局就崩的概率。二是关闭 Mosaic 增强的最后阶段，Mosaic 把四张图拼成一张，能极大提升小目标的出现频率，但拼出来的图像分布和真实图像不一致。惯例是在最后 10 到 15 轮关掉它，让模型在接近真实分布的图像上再收敛一次，通常能带来一两个点的稳定提升。这个细节很多教程不讲，但实测有效。
训练过程中盯三条曲线就够了：训练 loss、验证集 mAP@0.5、验证集 mAP@0.5:0.95。如果训练 loss 一直降但验证 mAP 平了甚至掉了，那是过拟合，早点停；如果两边都平在高位不动，那是欠拟合或者学习率太小，考虑加大模型或提高学习率；如果 loss 出现 NaN，先查标注文件里有没有坐标越界或者 w/h 为 0 的脏数据，十有八九是这个原因。
4. 指标与实验设计：让数字经得起追问
4.1 mAP 到底怎么算，别只会报一个数字
答辩现场被问“你的 mAP 是多少”时，只答一个 0.92 是很危险的，因为对面很可能追问“是 mAP@0.5 还是 mAP@0.5:0.95”。这两个差得非常多，前者宽松，后者严格，同一模型上差 20 个点很正常。
先把概念捋清楚。检测框和真实框的交并比（IoU）超过阈值才算命中。对某一个类别，把所有预测按置信度从高到低排序，逐个累加，能画出一条“查准率-查全率”曲线（PR 曲线），曲线下的面积就是这一类别的平均精度 AP。mAP@0.5 就是 IoU 阈值取 0.5 时的 AP；mAP@0.5:0.95 是把阈值从 0.5 到 0.95 每隔 0.05 取一次，算十个 AP 再平均，严格得多。单类别任务的 mAP 就等于该类别的 AP，不用做类别平均。
除了这两个核心指标，下面这几个也一定要报，因为它们讲的是不同的故事：
- 查准率 P：报出来的框里有多少是真的。P 低说明误检多，实际使用中会频繁误报。
- 查全率 R：真实的飞机里有多少被找到了。R 低说明漏检多，实际使用中会漏掉停着的飞机。
- F1 分数：P 和 R 的调和平均，一个综合参考值。
- 单帧推理耗时 / FPS：在什么硬件上、什么输入分辨率下测的，必须写清楚，否则数字没有意义。
4.2 置信度阈值不是拍脑袋定的，要按使用目标反推
模型输出的是每个框的置信度，你最终要设一个阈值，高于它的才显示。这个阈值的选法取决于你的系统要解决什么问题，两种取向完全不同：
如果系统用于停机位占用统计，那漏检的代价大（少算一架飞机，统计就错了），应该把阈值压低一点（比如 0.25），宁可多报几个让后面人工复核，也不能漏。这时候你会看到 P 下降、R 上升，这是预期内的，不是模型变差了。
如果系统用于自动告警或计数报表直接对外，那误报的代价大，阈值应该抬高（0.5 以上），保证报出来的都是真的，漏几个可以接受。
具体怎么定？在验证集上把阈值从 0.1 扫到 0.9，画一张 P、R、F1 随阈值变化的曲线，根据你的业务取向在曲线上取点。这一步是把“技术指标”翻译成“业务决策”的关键过程，写进论文里是很漂亮的一节，也特别能体现你对系统的理解深度，比单纯堆一个高 mAP 有意义得多。
同样地，NMS 的 IoU 阈值也要针对场景调。密集停放的飞机挨得很近，默认 0.45 的阈值容易把相邻两架中置信度低的那架抑制掉，造成系统性漏检。把阈值提到 0.6 甚至 0.7，能让密集场景的召回明显改善，代价是重复框会多一点，可以用置信度阈值配合过滤。
4.3 消融实验怎么排，才能让整篇文档立得住
实验章节的说服力全靠对比。我建议按这个顺序组织，每一步只改一个变量，其余保持完全一致（同一份数据划分、同样的轮数、同样的随机种子）：
| 实验编号 | 配置 | 目的 | 预期观察 |
|---|---|---|---|
| 基线 | 中等规格 + 640 分辨率 | 确立参照点 | 得到基础 mAP |
| 实验二 | 基线 + 1024 分辨率 | 验证分辨率对小目标的作用 | mAP@0.5:0.95 明显上升 |
| 实验三 | 实验二 + 增加浅层检测头 | 验证小目标专项改进 | 极小目标召回上升 |
| 实验四 | 实验三 + 切片推理 | 验证推理端优化 | 高分辨率图上增益显著 |
| 对照一 | 两阶段检测器 | 支撑选型依据 | 精度接近但耗时长 |
| 对照二 | 轻量规格 | 说明精度与速度的权衡 | 速度快但小目标差 |
这张表填满，你的技术章节基本就够扎实了。每一行都要配一张定性可视化图：同一张测试图在不同配置下的检测结果并排展示，尤其是那些基线漏检、改进后检出的样例。定性图比定量表更能打动人，答辩时投出来一目了然。
还要留一份“失败样例分析”。把测试集里检测错的图挑二三十张出来分类：哪些是极小目标漏检、哪些是密集场景互相抑制、哪些是把机棚误认为飞机、哪些是强反光导致框偏。做一张分布饼图，再针对占比最高的那一类说明后续改进方向。这一节几乎是答辩提问的必答题，提前准备好，能答得非常从容。
4.4 三个让指标失真的陷阱
第一个是测试集污染。调参过程中反复用测试集看效果，本质上就是在测试集上过拟合，最后的数字不可信。规范做法是只在验证集上调，测试集在全部实验定稿后跑一次，跑完就不许再改模型。
第二个是图像切片带来的泄漏。如果你用切片方式扩增训练数据，同一张大图切出来的小块必须整组进同一个划分，绝不能一部分进训练一部分进验证。这个错误极其隐蔽，指标能虚高十几个点。
第三个是近似重复图。前面提过的 pHash 去重一定要做。另外视频抽帧的话，相邻帧间隔要拉开（比如每 30 帧取一张），否则训练集里全是一模一样的画面。
5. 从权重到可演示系统：封装环节的坑比训练还多
5.1 推理封装的基本骨架
训练完拿到权重只是第一步，要变成一个能点的系统，最少要有这几层：模型加载层（一次加载常驻内存，别每次推理都重新加载）、预处理层（缩放、归一化、通道顺序）、后处理层（置信度过滤、NMS、坐标还原到原图尺寸）、展示层。
坐标还原这一步特别容易错。预处理时你把原图缩放或者 letterbox 填充了，输出框的坐标是在缩放后图像上的，必须按比例映射回去。如果用了 letterbox（保持长宽比、四周填灰边），还要先减掉填充偏移再除以缩放比例。这块写错了，框会整体偏移或者大小不对，而且“看起来像那么回事”，很容易蒙混过去直到答辩现场被指出来。
导出成 ONNX 是个好习惯，能脱离训练框架独立部署，推理速度也稳。导出时注意固定输入尺寸（动态 shape 会引入额外开销），并确认后处理里的 NMS 是在框架内做还是自己写——如果是自己写，务必用和训练时一致的 IoU 阈值逻辑，否则线上效果和验证集对不上。
5.2 界面开发里最经典的一个坑：推理阻塞主线程
用 PyQt 这类桌面框架做界面，最常见的翻车是这样的：点了“开始检测”按钮，界面直接卡死白屏，几秒后才出结果，视频模式下更是卡成幻灯片。原因是推理被写在了主线程里，主线程被占满，界面重绘事件根本排不上。
正确做法是把推理放进独立的线程（QThread 或者工作线程 + 信号槽），主线程只负责界面刷新，通过信号把结果传回来。视频流的话再加一个帧队列，读帧线程、推理线程、显示线程分开，队列长度设个上限（比如 5 帧），队列满了就丢旧帧，保证界面永远跟得上。这个改动不大，但体验差别是天壤之别，也是演示环节能不能加分的关键。
还有几个界面层的细节值得注意：
- 图像格式转换。OpenCV 读出来是 BGR，界面框架一般要 RGB，忘了转会导致颜色整体偏蓝。另外 QImage 构造时如果直接引用 numpy 数组的内存，数组被回收后图像会花屏，必须确保数据生命周期或者显式拷贝一份。
- 中文路径。读取含中文的路径在某些环境下会失败，统一用编码处理或者干脆把素材放英文目录。
- 结果导出。检测完能导出带框的图片和一份 CSV（文件名、框坐标、置信度、数量统计），这个小功能在演示时特别加分，显得系统是完整的。
5.3 打包分发与演示兜底
用 PyInstaller 这类工具打包时，两个坑几乎必然遇到。一是权重文件没被打进去，运行时报找不到模型，需要在打包配置里显式声明数据文件，并且代码里用相对路径解析（打包后运行时的工作目录会变，硬编码绝对路径必挂）。二是体积巨大，深度学习框架打进去动辄几个 G，如果只是答辩演示，其实可以不带打包，直接在配好环境的机器上跑，省下大量折腾时间。
演示一定要有兜底方案。现场网络不可靠、摄像头可能没权限、投影分辨率可能不对，所以准备三份素材：一段提前录好的本地视频、一组覆盖典型场景的图片集、一段纯图片批量处理的演示。先播本地视频，稳定出结果，再现场试摄像头，这个顺序能避免开场就翻车。另外提前把置信度阈值调到偏保守的位置，宁可少框几个也别在投影上画出明显的误检框，观众对误检的敏感度远高于漏检。
6. 交付前的自检与答辩问答准备
6.1 一份能救命的上线前检查清单
在最终定稿前，我会按这份清单逐条过一遍，每一条都是实际踩过的：
- 标注文件全部检查过一遍，没有坐标超出 [0,1] 范围的行，没有宽或高为 0 的行，类别索引从 0 开始且与配置一致。
- 训练集、验证集、测试集按场景分组划分，做过哈希去重，图片与标签文件名一一对应，没有孤儿文件。
- 训练集里包含比例合适的纯背景负样本图，且对应的标签文件为空文件（不是缺失文件）。
- 所有报出的指标都标注了硬件、输入分辨率、batch size、置信度阈值和 NMS 阈值。
- 测试集只在最终定稿时跑过一次，中间调参全部在验证集上完成。
- 系统在断网环境下能跑通，模型权重、素材、配置文件都在本地。
- 换一台没装过开发环境的机器上试跑过一次，确认依赖清单完整。
6.2 答辩最可能被问的六个问题，答案要提前想好
“为什么选这个检测器，不用其他方案？”答使用场景决定的：需要在线推理和实时演示，单阶段方案在单类别任务上精度够用、部署链路短。附一句对比实验的结论。
“你的 mAP 是多少，怎么算的？”先说清楚是 mAP@0.5 还是 mAP@0.5:0.95，说清测试集规模和划分方式，再说硬件和输入分辨率。数字前面的定语比数字本身重要。
“小目标怎么处理的？”按分辨率提升、浅层检测头、切片推理三层答，每层给出对应的指标变化。
“数据集多大，从哪来的？”说清来源构成、标注规范、划分方式，重点讲你为了场景适配补了哪些数据，这比报一个总数有说服力。
“误检怎么控制？”从负样本配比、置信度阈值按业务取向调整、NMS 阈值针对密集场景调整三个角度答，能说出 PR 曲线上的取点逻辑就很完整了。
“这个系统的实际价值在哪？”别硬吹，从具体环节讲：停机位占用统计、航拍影像的飞机计数、机场周边空域的目标筛查，都是可以落地的小切口，说清一个就够。
最后分享一个我觉得最实用的经验：这类题目拉开差距的地方，从来不是模型多先进，而是你有没有把一条链路完整走通、把每个选择的理由说清楚。我见过用最普通的方案、但数据做得极干净、实验表填得极完整、演示极其流畅的作品，评分远高于那些堆了一堆新模块但连测试集划分都说不清的作品。把力气花在数据规范和实验记录上，剩下的都是水到渠成的事。
