当前位置：首页 » AI答疑

如何解决YOLOE在复杂场景中目标漏检的问题？

2025-08-27

1.4 K

背景介绍

在安防监控、工业质检等场景中，复杂的光线条件和密集目标可能导致YOLOE出现漏检。以下是基于官方文档的优化方案：

调整置信度阈值：通过--conf 0.001参数降低默认阈值（通常0.25），对低置信度目标也进行检测
增加最大检测数量：使用--max_det 1000突破默认100个检测框限制
组合提示模式：对关键目标采用文本+视觉双重提示（例：predict_text_prompt.py结合predict_visual_prompt.py）
模型微调：利用train_seg.py基于场景数据fine-tune预训练模型

若仍存在漏检，可：