理解分數和判定條件
把測量值、樣本和接受標準放在一起閱讀。
閱讀結果時，確認三件事：測量了什麼、使用哪些樣本、什麼表現算可接受。只看一個分數，很容易誤解。
教學中的檢測指標
偵測器既要認對類別，也要把框放對位置。
| 術語 | 直觀含義 |
|---|---|
| Precision（精確率） | 模型給出的檢測中，有多少是正確的 |
| Recall（召回率） | 參考標註中的物體，有多少被模型找到 |
| IoU（交併比） | 預測框與參考框重疊的程度 |
| AP（平均精度） | 對精確率—召回率曲線的彙總 |
| Detection mAP 50-95 | 對類別和 0.50 至 0.95 的匹配 IoU 閾值取平均 AP，越高越好 |
Duplicate-box overlap 控制推論時如何抑制重複框，與計算 AP 時使用的匹配閾值不同。
條件讓分數有判斷依據
應根據模型用途，在檢視結果之前選擇標準。即使沒有設定判定條件，仍可能得到有用的測量值。
穩健性的 Maximum allowed degradation 是相對百分比。例如從 0.80 降至 0.64，分數減少 0.16，相當於基線的 20%。這滿足 20% 上限，因為允許等於上限。
評估可以完成但不滿足條件。完成描述計算進度，條件描述結果是否符合要求。
閱讀穩健性比較
Baseline 是原始輸入的分數，變換後分數來自同一批經過改變的輸入。
| 指標方向 | 下降率公式 |
|---|---|
| 越高越好 | (baseline − transformed) / abs(baseline) × 100 |
| 越低越好 | (transformed − baseline) / abs(baseline) × 100 |
正值表示變差，負值表示這次比較中變好。兩邊都為零，下降率為零；基線為零而另一邊變化時，相對百分比不可用。
使用儲存的下降率。介面分數可能經過四捨五入，用顯示值重新計算可能得到不同百分比。
遇到 N/A 時
展開結果並閱讀原因。沒有判定條件，與無法測量，是不同情況。缺少預測或樣本範圍不匹配，也可能導致不能比較。先調查原因，再下結論。
安全帽教學只覆蓋 100 張 Validation 圖片和 Fog 強度 3。評估自己的模型時，應使用有代表性的資料、相關條件和具體樣本。