YOLOv8-v12转COCO评估指标后，评估指标偏低原因分析与修正方法

《------往期经典推荐------》

一、AI应用软件开发实战专栏【链接】

二、机器学习实战专栏【链接】，已更新31期，欢迎关注，持续更新中~~
三、深度学习【Pytorch】专栏【链接】
四、【Stable Diffusion绘画系列】专栏【链接】
五、YOLOv8改进专栏【链接】，持续更新中~~
六、YOLO性能对比专栏【链接】，持续更新中~

《------正文------》

引言

上一篇文章《YOLOv8-v12的评估指标转为COCO指标详细过程【附源码】》详细介绍了如何将YOLO在验证集上的评估结果转为COCO评估格式评估结果。但是细心的小伙伴会发现YOLO评估指标mAP50在转换成COCO评估指标后，COCO评估结果比YOLO评估结果低了1个多点。
这主要是由于YOLO默认的评估指标（如mAP@0.5、mAP@0.5:0.95）与COCO官方指标（如AP、AP@[0.5:0.95]）的计算逻辑存在差异。这种差异源于两者在PR曲线采样策略、交并比（IoU）阈值设定及多任务评价维度上的不同设计。例如：YOLO默认采用线性插值法生成PR曲线，而COCO评估工具（pycocotools）则优先匹配真实数据点，导致同一模型在不同框架下指标波动。

本文将对YOLO的PR曲线采样策略中的插值方法改为COCO使用的最接近采样点的真值点，使其原始评估指标与转换成COCO评估指标后的结果更加接近。但是由于还有其他计算差异，评估指标也不能完全一致。

一、AP差异的原因

1. PR曲线采样策略不同

   • YOLOv8-v12：在计算AP时，若某个召回率（Recall）采样点没有对应的精确率（Precision）真值，YOLO会通过线性插值左右两个临近的真值点生成估算值。
   • pycocotools：遇到同样情况时，直接选择最接近采样点的真值点的精确率值，避免插值引入误差。
   • 影响：当PR曲线波动较大时（尤其是小目标检测场景），插值法会平滑曲线，导致AP偏高或偏低，而pycocotools的“真值优先”策略更符合实际数据分布。

2. 适用范围差异
   pycocotools是COCO官方评估工具，其方法被广泛认可为标准化指标计算方式，而YOLO的默认实现可能因插值导致横向对比偏差。

二、修改方法：使YOLOv8-v12的AP计算接近pycocotools

通过调整YOLOv8-v12的AP计算逻辑，将采样策略从线性插值改为“搜索最近真值”模式。以下是关键代码修改步骤：

1. 修改AP计算函数
   在YOLOv8-v12的验证代码中，找到AP计算部分（位于ultralytics/utils/metrics.py）的compute_ap函数中，原始代码如下：
   
   将插值方法"interp"替换为搜索最近真值方法searchsorted,修改代码如下：
   
   添加的代码内容：

    elif method == "searchsorted":
        q = np.zeros((101,))
        x = np.linspace(0, 1, 101)  # 101-point interp (COCO)
        inds = np.searchsorted(recall, x, side='left')
        try:
            for ri, pi in enumerate(inds):
                q[ri] = precision[pi]
        except:
            pass
        q_array = np.array(q)
        ap = np.mean(q_array[q_array > -1])
   

注意：确保在调用AP计算时，设置method='searchsorted'，禁用插值逻辑。

三、修改前后结果对比

YOLO修改前评估结果

YOLO修改AP计算逻辑前评估结果如下,mAP50为0.817。

YOLO修改后评估结果

YOLO修改AP计算逻辑后评估结果如下,mAP50为0.81。

YOLO转COCO评估结果

可以看到，YOLO在修改AP计算逻辑中的采样方法之前mAP@0.5为0.817，与COCO结果0.805相差了0.012。但是修改了AP计算逻辑中的采样方法之后mAP@0.5为0.81，与COCO结果0.805相差了0.005。修改后YOLO评估结果与COCO评估结果更加接近，但是由于还有一些其他计算方式的差异，导致结果还是有些许差异。

总结

通过调整采样策略和参数，可以略微修正YOLOv8-v12的AP计算结果可与pycocotools的评估结果。建议在模型对比时统一使用pycocotools作为评估工具，并关注小目标检测场景下的模型结构优化。

好了，这篇文章就介绍到这里，喜欢的小伙伴感谢给点个赞和关注，更多精彩内容持续更新~~
关于本篇文章大家有任何建议或意见，欢迎在评论区留言交流！