迁移主体，重建 Pose 头
原始模型的 COCO 17 人体点头被替换为 NABirds 11 鸟体点头，795/879 项权重成功迁移；backbone、neck 与可兼容检测分支继续微调。
Executive conclusion
结论：这是一版可复现、可继续优化的鸟类 Pose 基线
结论只使用本次本地训练、独立验证和官方测试集实测；没有把验证图片混入最终测试。
可用点不等于只看 mAP
全测试集按关键点 conf≥0.50 再审计后，90.5% 的真值可见点落在鸟框长边 10% 内；翼和尾明显弱于眼、喙。
先作为结构先验
该模型适合为后续鸟眼、鸟翼与局部清晰度判断提供坐标先验；是否直接用于生产，应结合 A7R6 PreviewImage 的域外实拍再验收。
最重要的限制
NABirds 是精心收集的单鸟照片，和暗光、强遮挡、运动模糊、远距离小鸟的 A7R6 实拍分布不同。官方测试成绩证明同域学习效果，不等同于相机工作流中的最终效果。
Chapter 01
先把 0–10 号点认清，再看模型是否预测正确
NABirds 给每张图定义固定顺序的 11 个部位中心点。它不是骨架，也没有眼—喙—翼之间的连线；左右点因视角和遮挡天然更稀疏。
21,519
训练图，官方训练集的 90%
2,410
按物种分层验证图
24,633
未参与调参的官方测试图
48,562
全部图片使用硬链接，避免重复 9.4GB
0 喙bill1 头顶crown2 后颈nape3 左眼left_eye4 右眼right_eye5 腹部belly6 胸部breast7 背部back8 尾部tail9 左翼left_wing10 右翼right_wing
图上符号怎么读
绿色空心环 G0–G10 是 NABirds 数据集真值，粉色实心点 P0–P10 是模型预测；白线表示两者接近，橙线表示鸟框长边 5%–10% 的轻度偏移，红线表示超过 10% 的明显错位，真值点上的红叉表示模型关键点置信度低于 0.50。绿色框是真值鸟框，粉色框是预测鸟框。
下面这张逐点表先这样读
可见率表示数据集有多少图片把该部位标为可见；PCK越高越好，分别要求误差不超过鸟框长边5%/10%；NME越低越好，0.040代表平均偏移约为鸟框长边4%。完整公式和好坏解释见“指标”章节。
| 特征点 | 全库真值可见率 | 严格命中 PCK@.05 ↑ | 宽松命中 PCK@.10 ↑ | 平均相对偏移 NME ↓ |
|---|---|---|---|---|
| 喙bill | 98.6% | 94.4% | 98.0% | 0.021 |
| 头顶crown | 97.7% | 93.8% | 98.6% | 0.023 |
| 后颈nape | 94.1% | 84.1% | 95.9% | 0.032 |
| 左眼left_eye | 52.1% | 96.8% | 98.7% | 0.013 |
| 右眼right_eye | 51.3% | 96.8% | 98.7% | 0.013 |
| 腹部belly | 82.1% | 63.4% | 91.6% | 0.049 |
| 胸部breast | 92.4% | 74.1% | 95.3% | 0.040 |
| 背部back | 80.8% | 73.6% | 94.0% | 0.042 |
| 尾部tail | 90.2% | 68.1% | 87.8% | 0.056 |
| 左翼left_wing | 59.7% | 46.5% | 77.6% | 0.078 |
| 右翼right_wing | 58.7% | 45.3% | 75.1% | 0.082 |
原始 NABirds 标点在哪里
parts/parts.txt 定义 0–10 的点名；parts/part_locs.txt 每行格式为 image_id part_id x y visible，其中 x/y 是原图像素坐标，visible 为 0/1；鸟框在 bounding_boxes.txt。
转换后的 YOLO 标点在哪里
yolo_pose/dataset/labels/{train,val,test}/<image_id>.txt。每行是 0 cx cy w h x0 y0 v0 … x10 y10 v10，坐标按整图归一化；缺失点 visibility=0，可见点=2。点名与顺序还写在 dataset/nabirds-pose.yaml。
不要把“数据集未标”误判成“模型漏点”
只有真值 visible=1 的点才参与准确率与本次错误分类。真值不可见时，模型即使给出一个坐标也没有可验证目标，因此图中不画，也不判对错。训练水平翻转使用 [0,1,2,4,3,5,6,7,8,10,9] 同步交换左右眼和左右翼。
Chapter 02
训练拼图只检查“标注有没有跟着变形”，不能判断模型对错
图中的蓝框和彩点是训练数据真值经过增强后的可视化，不是模型预测；batch 选择与训练效率结果放在其后。
先说结论：图1本身没有“预测正确/错误”
这张图只含 Ground Truth（数据集标注）。它用来发现旋转、缩放、Mosaic、水平翻转后，框和点是否仍贴在鸟身上。要判断模型对错，必须看后文同时出现绿色 G 真值、粉色 P 预测和二者偏移线的逐图审计。
蓝色矩形
增强后的真值鸟框，不是预测框。框住鸟说明框标注随几何变换保持对齐。
蓝底数字 0
类别编号：本数据集只有一类，0 = bird。它不是第0号关键点，也不是置信度。
彩色圆点
增强后的11个真值关键点。Ultralytics 拼图只用颜色区分，不写点号和点名，所以不能靠这张拼图认出每个部位。
灰区、倾斜和拼接
来自旋转后的填充、缩放和 Mosaic/批次排版。它们是训练增强效果，不代表原始照片损坏。
| Batch | 短测吞吐 | 峰值 MPS 内存 | 决策 |
|---|---|---|---|
| 16 | 12.86 img/s | 8.56 GB | 采用 |
| 24 | 13.62 img/s | 12.70 GB | 不采用 |
正式配置
12 epochs · 640 px · batch 16 · AdamW · cosine LR · MPS BF16 · workers 4 · mosaic 0.5，最后 2 轮关闭 mosaic。模型参数约 11.1M，COCO 17 点头在启动时替换为 NABirds 11 点头。
Chapter 03
OKS 看整套姿态，PCK 看每个点离真值有多远
两者都把鸟的大小纳入计算，但回答的问题不同：OKS 用于标准检测式 AP 评估，PCK/NME 更容易直接换算成像素误差。
OKS：关键点版的相似度
可把它理解成“关键点版 IoU”：预测点越接近真值，OKS 越接近 1；偏得越远，越接近 0。它对所有真值可见点的相似度取平均。
本次 Ultralytics：OKS = mean可见点 exp[−dᵢ² / (8·σᵢ²·A)]
A = 0.53 × 真值框宽 × 真值框高；σᵢ = 1/11
A = 0.53 × 真值框宽 × 真值框高；σᵢ = 1/11
dᵢ 是第 i 个预测点到真值点的像素距离，A 负责消除大鸟/小鸟的尺度影响，σᵢ 控制容忍度。
PCK 与 NME：距离版指标
本报告令 L 为真值鸟框长边，先计算每个可见点的归一化误差：
NMEᵢ = dᵢ / L
PCK@τ = 满足 NMEᵢ ≤ τ 的可见真值点比例
PCK@τ = 满足 NMEᵢ ≤ τ 的可见真值点比例
例如鸟框长边 400 px：PCK@0.05 要求误差≤20 px，PCK@0.10 要求误差≤40 px。PCK 越高越好；NME 越低越好。
“COCO 风格”不等于直接使用 COCO 人体17点容差
NABirds 是自定义11点，当前 nabirds-pose.yaml 没有提供鸟类专用 kpt_oks_sigmas；Ultralytics 8.4.115 因而对11点统一使用 σ=1/11。所以这套 OKS 适合本模型在同一配置下做内部比较，但不应直接与 COCO 人体 Pose 榜单横向比较，也还没有体现“眼应更严格、翼中心可稍宽松”的业务差异。
Metric dictionary
mAP50 和 mAP50–95 不是“正确点百分比”
AP 是把预测按置信度从高到低排列后得到的 Precision–Recall 曲线面积；本项目只有 bird 一类，所以 mAP 主要是在多个匹配阈值间取平均。
| 指标 | 本次结果 | 具体含义 | 怎样评价 |
|---|---|---|---|
| Pose mAP50 | 99.3% | 预测姿态与真值的 OKS≥0.50 即可匹配，再计算 AP。 | 同域很好，但门槛较宽。不是“99.3%的点完全正确”。 |
| Pose mAP50–95 | 82.1% | 在 OKS=0.50、0.55…0.95 十个阈值分别算 AP 后平均。 | 同域较强。高阈值更要求整套点位贴近真值，因此比 mAP50 低。 |
| Box mAP50 | 99.3% | 用框的 IoU≥0.50 判断匹配；IoU=交集面积/并集面积。 | 检出鸟很稳定。但不代表框边界非常准。 |
| Box mAP50–95 | 71.3% | 框 IoU 从0.50到0.95的十档 AP 平均。 | 边界精度仍有空间。从99.3%降到71.3%说明严格框阈值更难。 |
| PCK@0.05 | 76.9% | 点误差≤真值鸟框长边5%；整鸟漏检计错。 | 严格定位约四分之三通过。对眼部裁剪比 PCK@.10 更有参考性。 |
| PCK@0.10 | 92.6% | 点误差≤真值鸟框长边10%；整鸟漏检计错。 | 宽松定位很好。但400 px鸟框允许40 px误差，不足以证明眼点足够精细。 |
| 检出后平均 NME | 0.040 | 鸟框已经检出时，可见点平均偏移约为鸟框长边的 4.0%。 | 整体较低。平均值会掩盖翼和尾的长尾错误。 |
| 整图检测率 | 99.5% | box confidence≥0.25 时找到至少一只鸟的图片比例。 | 同域很好。仍有 115 张整鸟漏检。 |
Precision、Recall 与 confidence 的关系
Precision 问“模型报出的结果里有多少是真的”，Recall 问“真值目标里有多少被找到了”；AP 综合整条 Precision–Recall 曲线。confidence 是模型对某个框或点的自信程度，不是几何误差；把阈值调低会输出更多点、减少表面漏点，但也可能放进更多错位点。
Chapter 04 · visual audit
这四个百分比在回答：每个真值可见点最后落入哪种结果
分母是 211,126 个真值可见关键点，来自全部 24,633 张官方测试图。先看点的置信度，再看归一化距离；14张图用于把各类结果具体画出来。
75.7%
严格准确：点 conf≥0.50 且 NME≤0.05。它是右侧90.5%中的一部分，不应再与90.5%相加。
同域严格定位较好90.5%
达到当前可用线：点 conf≥0.50 且 NME≤0.10，其中包含左侧75.7%的严格准确点和14.8%的轻度偏移点。
宽松定位良好5.8%
明显错位：模型对点有足够信心并输出，但距离真值超过鸟框长边10%。这是比低置信更危险的错误。
需要重点减少3.3%
低置信未采用：整鸟已经找到，但该点 conf<0.50。模型可能仍有一个猜测坐标，本报告按部署规则视为漏点。
阈值与训练共同影响100% 分解 = 90.5% 可用点 + 5.8% 明显错位 + 3.3% 低置信漏点 + 0.4% 整鸟漏检造成的点缺失
其中：90.5% = 75.7% 严格准确 + 14.8% 轻度偏移
其中：90.5% = 75.7% 严格准确 + 14.8% 轻度偏移
为什么这里的 90.5% 不等于前面的 PCK@0.10 92.6%
前面的 PCK 只按坐标距离判断；这里增加了部署阈值：关键点 confidence 低于0.50，即使模型内部坐标碰巧接近，也归为“低置信未采用”。所以本节更严格，目的是把可信可用坐标与低置信猜测分开。
如果只是要鸟体大致结构
90.5% 的点在10%鸟框尺度内，且整图检测率 99.5%；作为 NABirds 同域结构先验，结果是好的。
如果要精确裁眼、裁翼
总体 75.7% 在5%尺度内，但左右翼只有约42%–44%达到这一档；结果好坏混合，不能只看总体平均。
如果要直接处理 A7R6
这些数来自 NABirds，同域好成绩不能证明逆光、模糊、小鸟和遮挡场景同样有效；目前尚未完成生产验收。
| 真值可见点 | 数量 | 精确 ≤.05 | 轻偏 .05–.10 | 明显错位 >.10 | 低置信漏点 | 整鸟漏检造成 |
|---|---|---|---|---|---|---|
| 喙bill | 24,278 | 94.3% | 3.6% | 1.6% | 0.1% | 0.4% |
| 头顶crown | 24,077 | 93.7% | 4.7% | 0.9% | 0.3% | 0.4% |
| 后颈nape | 23,169 | 84.1% | 11.6% | 3.6% | 0.3% | 0.4% |
| 左眼left_eye | 12,828 | 93.8% | 1.2% | 0.3% | 4.2% | 0.5% |
| 右眼right_eye | 12,650 | 93.7% | 1.3% | 0.4% | 4.2% | 0.4% |
| 腹部belly | 20,168 | 62.3% | 27.4% | 7.2% | 2.7% | 0.3% |
| 胸部breast | 22,801 | 73.9% | 20.8% | 4.0% | 0.9% | 0.4% |
| 背部back | 19,920 | 71.5% | 19.2% | 4.4% | 4.6% | 0.4% |
| 尾部tail | 22,170 | 67.3% | 19.1% | 11.1% | 2.2% | 0.3% |
| 左翼left_wing | 14,664 | 43.6% | 27.9% | 16.5% | 11.6% | 0.4% |
| 右翼right_wing | 14,401 | 42.2% | 26.4% | 17.6% | 13.5% | 0.4% |
全测试集的弱点集中在翼、尾和躯干中心
左右翼的明显错位率分别为 16.5% 与 17.6%，低置信漏点率为 11.6% 与 13.5%；眼和喙明显稳定。原因与部位面积大、形变强、遮挡多、左右翼真值可见样本少共同相关。
A · precise
准确案例：G 与 P 基本重合
这些图所有真值可见点都满足 NME≤0.05；注意未标出的点是数据集判定不可见，并非模型漏检。
B · moderate
轻度偏移：仍在 10% 鸟框尺度内
橙线把 5%–10% 的偏移显式画出，常见于背部、腹部和翼中心这类边界不尖锐的语义部位。
C · wrong
明显错位：点被输出，但落到了错误位置
红线对应 NME>0.10。这里把具体错误点列进图注；部分案例同时伴随预测框过大或抓到遮挡物，说明框错误会传导到 Pose。
D · missing
漏点与整鸟漏检是两种不同失败
前两张是鸟框存在但若干点低于 0.50；后两张是整只鸟没有达到 box conf 0.25，因此全部可见点都无法输出。
“标错”在本报告中指模型预测错，不代表 NABirds 真值错
红线和红叉都以数据集真值为参照。数据集本身仍可能存在人工标注噪声，但要确认真值错误必须回到原图与 parts/part_locs.txt 逐条复核；本次没有把预测与真值不一致自动归罪于数据集。
Decision & next step
下一步优先测 A7R6 域差异，而不是继续盲目堆轮数
当前基线已经回答“模型能否学会 11 个鸟体点”。后续投入应由真实 PreviewImage 上的失败模式决定。
建立实拍小测试集
从 A7R6 PreviewImage 中覆盖逆光、飞鸟、遮挡、小目标和模糊，人工标注约 300–500 张作为域外验收，不加入本轮训练。
先补翼、尾失败
本次全量审计已证明弱点主要在左右翼、尾和躯干中心。优先复核这些点的真值、遮挡与姿态分布，再做困难样本增量训练。
再决定高分辨率精修
如果 A7R6 错误主要来自小鸟像素不足，再从本轮 best.pt 以 896/960 px、低学习率精修；如果是域差异，则优先混入实拍标注。
指标解释边界
PCK 对鸟框尺度归一化，适合跨大小比较，但不能直接代表眼部是否清晰；关键点坐标可作为后续局部裁剪先验，清晰度仍需独立模型或成像指标判断。
Evidence
来源与审计范围
公开链接用于任务与数据定义；训练产物日期为 2026-08-19，逐图关键点审计与指标释义更新于 2026-08-20。
- Ultralytics Pose 任务文档
- Cornell Lab NABirds 数据集页面
- OKS 实现核对：本地 Ultralytics 8.4.115 的
models/yolo/pose/val.py与utils/metrics.py；确认自定义11点默认统一σ=1/11、面积系数0.53。 - 数据集真值：
parts/parts.txt、parts/part_locs.txt、bounding_boxes.txt；转换后标签：dataset/labels与dataset/nabirds-pose.yaml。 - 本地测量：训练
results.csv、官方测试evaluation-summary.json、全量逐图审计keypoint-audit-summary.json与 best.pt。 - 运行环境：Apple M5（10 核 GPU、34GB 统一内存），PyTorch 2.13.0，Ultralytics 8.4.115。