训练指标解读
这个功能解决什么问题
训练不是按下「开始」就万事大吉——你需要一边看着指标曲线，一边判断模型到底有没有在学、学得好不好、是不是在死记硬背。看不懂指标，就不知道该不该停止、要不要调参、能不能注册成模型版本。
本页解释 VortLab 训练监控页里出现的各项指标的含义，帮你判断训练效果。
指标图表的三个标签页
训练监控页的右侧详情面板提供指标图表，分为三个标签页：Loss、Accuracy、Learning Rate。横轴都是训练轮数（epoch），每轮记录一个数据点。
Loss 标签页
Loss（损失）衡量模型预测与真实标签的差距，越低越好。这个标签页默认展示两条曲线：
- 训练损失（train_loss）：训练过程中的损失值，正常情况下应稳步下降。
- 验证损失（val_loss）：验证集上的损失值。如果训练损失还在降，但验证损失开始上升，往往意味着过拟合。
根据任务类型，还会附加显示对应的专项损失曲线：
- 分割任务：额外显示
Seg Loss (train)和Seg Loss (val)，即分割分支的损失。 - 姿态（关键点）任务：额外显示
Pose Loss (train)/Pose Loss (val)（姿态损失）和KObj Loss (train)/KObj Loss (val)（关键点目标损失）。
Accuracy 标签页
Accuracy（精度）标签页展示模型在验证集上的识别质量，默认包含四条曲线：
- Precision（精确率）：在所有被预测为正的样本中，真正是正样本的比例。越高说明误检越少。
- Recall（召回率）：在所有真正的正样本中，被正确预测出来的比例。越高说明漏检越少。
- mAP50：IoU 阈值为 0.5 时的平均精度。
- mAP50-95：IoU 从 0.5 到 0.95（步长 0.05）的平均精度，是更严格的综合指标。
任务类型附加的精度曲线：
- 分割任务：额外显示
Mask Precision、Mask Recall、Mask mAP50、Mask mAP50-95。 - 姿态（关键点）任务：额外显示
Keypoint Precision、Keypoint Recall、Keypoint mAP50、Keypoint mAP50-95。
Learning Rate 标签页
展示学习率随训练轮数的变化曲线。VortLab 默认使用余弦退火调度，学习率会从初始值逐步衰减到接近 0，这条曲线用来确认调度策略是否符合预期。
关键指标说明
| 字段 | 类型 | 必填 | 默认值 | 说明 |
|---|---|---|---|---|
mAP50 | 指标 | 可选 | — | IoU 为 0.5 时的平均精度，衡量检测质量，越高越好。相对宽松的指标。 |
mAP50-95 | 指标 | 可选 | — | IoU 从 0.5 到 0.95 的平均精度，更严格的综合指标，越高越好。训练详情中的「最佳 mAP」即取自它的历史最高值。 |
Precision | 指标 | 可选 | — | 精确率，预测为正的样本中真正为正的比例，高表示误检少 |
Recall | 指标 | 可选 | — | 召回率，真正的正样本被正确预测出来的比例，高表示漏检少 |
train_loss | 指标 | 可选 | — | 训练损失，应稳步下降，表示模型在持续学习 |
val_loss | 指标 | 可选 | — | 验证损失，若它随训练损失下降则正常；若开始上升则可能过拟合 |
如何判断训练效果
如何判断训练效果
- 好的训练：训练损失和验证损失同步下降，mAP50 和 mAP50-95 同步上升，说明模型在稳步学习并泛化。
- 过拟合：训练损失继续下降，但验证损失开始上升，说明模型在死记训练数据，泛化能力变差。这时可以考虑减少轮数、增加数据或加正则化。
- 欠拟合：训练损失和验证损失都降不下来，mAP 也上不去，可能轮数不够、学习率太小，或数据本身特征不足。
什么是 mAP
- mAP（mean Average Precision，平均精度均值）是目标检测最核心的评价指标，综合了 Precision 和 Recall 在不同置信度阈值下的表现。
- mAP50 相对宽松，mAP50-95 更严格，后者更能反映模型在高质量匹配下的水平。
- 不同任务类型、不同数据集的 mAP 基线差异很大，没有绝对标准。一般来说，mAP50-95 达到 0.5 以上已经是一个不错的模型。
- mAP 取值范围是 0~1，监控页上「最佳 mAP」会以百分比形式展示（如 62.3%）。
最佳 mAP 是什么
- 训练详情面板（项目工作区训练页）显示的「最佳 mAP」，是整个训练过程中所有轮次里 mAP50-95 的最大值，代表模型在验证集上的最佳表现。
- 它取的是检测框（box）这一路的 mAP50-95，即使对分割或姿态任务也是同一口径，便于跨任务横向比较。
- 这个值仅出现在项目训练页的详情面板；全局「训练总览」的只读详情弹窗展示的是最后一轮的指标值，不是最佳值。
数据来源
指标数据来自训练输出目录里的 results.csv 文件，由 Ultralytics 在每轮训练结束时写入一行。VortLab 解析这个文件后渲染成曲线，每一行对应一个轮次（epoch）的数据点。所以曲线的密度等于实际完成的轮数。