DEV Community · Show DEV9/1 18:3962 分
三层后处理让0.844 mAP货架检测器在树莓派上实用
The Three Layers That Made My 0.844 mAP Shelf Detector Useful on a Pi 3
作者训练的货架空位检测模型在测试集上达到0.844 mAP50，但原始输出在实际部署中几乎不可用，直到添加了三个后处理层。硬件为树莓派3B（906MB内存），模型为YOLO11n导出至NCNN，单次扫描中位耗时8.5秒。方法仅检测空位单一类别，SKU归属由货架图（planogram）事后匹配，避免SKU识别需持续重训的问题。数据集合并自7个Roboflow Universe数据集，共11,667张图像，均过滤至CC BY 4.0许可。微调在Mac上使用Apple MPS本地完成，零云GPU成本。验证集指标：YOLO11n精度0.782，召回0.734，mAP50 0.792；YOLO11s更高。测试集（277张，1,255实例）精度0.82，召回0.786，mAP50 0.844。