微调把“通用鸟类”变成专用定位器
总验证 mAP50–95 从 29.63% 升至 69.88%，相对增幅 135.8%。mAP50 与 Recall 同时大幅上升，说明收益不是单纯调高置信度。
Executive decision
三条结论决定下一轮顺序
所有量化提升来自同架构、同输入和同测试口径；YOLO26m 的数字单独标为估算，不与本机实测混写。
Big Bird 决定当前下限
Big Bird 的中位目标短边只有 40.8 px，35.3% 小于 32 px；固定阈值下有 2,093 个 FN，是主要召回缺口。
更大模型不能修复错误 GT
高置信好框被偏移 GT 判错、倒影语义未定义、孔雀羽斑触发大量小框，这些问题应先通过标签协议、hard negatives 和后处理解决。
推荐决策：
先完成一次“数据修复版 YOLO26s”受控复训，再让 YOLO26m 使用完全相同的清洁数据和预算。否则 m 的增益会被标签噪声与域差异淹没，无法判断容量是否真正有用。
本地实测人工复核条件化估算边界与风险
Chapter 01
原始模型到微调模型：提升在哪里
原始 yolo26s.pt 只保留 COCO class 14（bird），没有把其他 79 类折叠成鸟；标签映射到 class 14 后使用相同 960 px、batch 8、MPS 和测试清单。
| 评估域 | Precision | Recall | mAP50 | mAP50–95 |
|---|---|---|---|---|
| 全量验证 | 78.71→94.92+16.22 pp | 68.89→90.18+21.29 pp | 74.98→96.30+21.32 pp | 29.63→69.88+40.25 pp |
| GBDD | 76.77→97.45+20.68 pp | 73.30→96.19+22.89 pp | 75.77→99.10+23.33 pp | 24.19→76.70+52.50 pp |
| IBERBIRDS | 70.47→95.99+25.52 pp | 66.19→91.78+25.60 pp | 68.67→98.44+29.77 pp | 20.94→75.67+54.74 pp |
| NABirds | 91.61→97.27+5.66 pp | 92.34→95.66+3.32 pp | 95.49→98.54+3.05 pp | 54.41→71.47+17.06 pp |
| Big Bird | 63.51→81.22+17.71 pp | 48.71→70.28+21.57 pp | 54.10→79.22+25.12 pp | 27.77→42.42+14.65 pp |
框精度改善大于“有没有鸟”
全验证 mAP50 提升 21.32 pp，而 mAP50–95 提升 40.25 pp。后者更大，说明训练显著改善了框的位置与大小，而不只是找到了更多鸟。
推理时间 12.94 → 13.23 ms/张，差 +0.30 ms；架构和 9.5M 融合参数均未变化，这个差异应视为运行波动。
NABirds 为什么只小幅提升？
原始 COCO bird 已很适合清晰、单主体、长焦构图，mAP50 基线即 95.49%。微调剩余收益集中在严格框定位：mAP50–95 仍提高 17.06 pp。
Chapter 02
四个数据集为什么表现不同
“鸟种多”并不自动意味着检测难。真正影响本任务的是目标像素、每图实例数、空图比例、拍摄视角、背景纹理和框协议。
| 域 | 测试图 | 空图 | GT / 每图 | 中位像素 | 中位短边 | P10 短边 | <32 px | 匹配框中位 IoU |
|---|---|---|---|---|---|---|---|---|
| GBDD | 13,834 | 0 (0.0%) | 14,073 / 1.02 | 0.051 MP | 157.4 px | 102.1 px | 0.0% | 0.890 |
| IBERBIRDS | 292 | 0 (0.0%) | 292 / 1.00 | 0.786 MP | 74.6 px | 26.6 px | 17.1% | 0.899 |
| NABirds | 3,249 | 0 (0.0%) | 3,249 / 1.00 | 0.694 MP | 311.0 px | 171.0 px | 0.0% | 0.875 |
| Big Bird | 1,230 | 150 (12.2%) | 7,052 / 5.73 | 1.049 MP | 40.8 px | 18.5 px | 35.3% | 0.787 |
GBDD：低像素但目标巨大
中位图仅 0.051 MP，鸟框却占画面约 38.4%，识别线索被放大；图源广使外观覆盖强。短板是框只标头、整群框、坐标偏移和同图漏标等协议噪声。
IBERBIRDS：小飞鸟、简单背景
17.1% 目标短边 <32 px，但多为单只飞鸟和天空/远景，几何匹配好；292 张 test 太小且全为正图，Precision 与稳定性不能代表真实图库空景。
NABirds：最像长焦主体照
中位目标短边 311 px、每图一只，原始模型已有很强先验。逆光、枝叶遮挡、倒影与框松紧差异主要伤害 mAP50–95，而不是 mAP50。
Big Bird：航拍、密集、极小
平均 5.73 个 GT/切片，35.3% 短边 <32 px；俯拍外观与地面长焦相反。它还是唯一含明确空图的 test，因此同时暴露召回、定位与真实背景误报。
跨域总分的边界：
GBDD 有 13,834 张，IBERBIRDS 只有 292 张；直接平均或合并会让大域主导结果。报告因此同时给出分域指标、固定阈值错误数和尺度切片，不把总分当作现代无反部署结论。
Chapter 03
当前 FP 和 FN 到底是什么
案例筛选固定使用全验证集 F1 峰值 conf=0.304，IoU≥0.5 计 TP；预测最低保留到 0.001，用于判断模型是“看见但没过阈值”还是“完全没有候选”。
| 域 | 图像 | TP | FP | FN | Precision | Recall | FP/图 | FN：低置信 / 定位 / 无候选 |
|---|---|---|---|---|---|---|---|---|
| GBDD | 13,834 | 13,694 | 617 | 379 | 95.7% | 97.3% | 0.045 | 328 / 45 / 6 |
| IBERBIRDS | 292 | 278 | 29 | 14 | 90.6% | 95.2% | 0.099 | 14 / 0 / 0 |
| NABirds | 3,249 | 3,111 | 114 | 138 | 96.5% | 95.8% | 0.035 | 112 / 26 / 0 |
| Big Bird | 1,230 | 4,959 | 1,142 | 2,093 | 81.3% | 70.3% | 0.928 | 1,681 / 320 / 92 |
FN 主要是阈值问题
GBDD、IBERBIRDS、NABirds、Big Bird 的低置信 FN 分别为 328、14、112、1,681，占各域 FN 的 86.5%、100%、81.2%、80.3%。先做目标域校准通常比直接换模型更划算。
Big Bird 仍有真实特征失败
除 1,681 个低置信 FN 外，Big Bird 还有 320 个定位 FN 和 92 个无候选 FN；已匹配框中 11.5% 的 IoU 低于 0.65，解释了 mAP50 与 mAP50–95 的巨大差距。
FP 不能只看“背景”
固定阈值下，重复/一鸟多框、框偏差、漏标实例和真实硬负样本都会记为 FP。Big Bird 150 张空图中 12 张发生误报，空图误报率 8.0%；其他三域没有空图，无法测真实 no-bird 风险。
口径提醒：
本表是固定部署阈值下的贪心 IoU50 计数，用于错误分析；Ultralytics 主表 Precision/Recall 是曲线最优点，mAP 又对置信度和多个 IoU 阈值积分，因此数值不应逐项强求相等。
Chapter 04
14 组失败案例：每一类需要不同药方
青色为 GT/匹配，绿色为 TP，红色为阈值以上 FP，黄色为 FN，紫色为阈值以下候选。案例来自四域 test，不是训练图。
硬负样本：不是鸟，却长得像鸟
人工复核
水面高光成为航拍假鸟
观察：空标 Big Bird 切片上，模型把一个高光小斑点以 0.59 置信度报成鸟。尺度、亮度和孤立轮廓都接近远距离白色水鸟。
对应动作：补水面高光、泡沫、漂浮物和水草空图；按相机/水体分组做 hard-negative mining。
树洞比真鸟更像鸟
观察：同图真鸟仅 0.35，树干黑色结疤却得到 0.53。圆暗主体、亮边和“停栖位置”形成背景捷径。
对应动作：加入树洞、树瘤、断枝和深色叶团负样本；必要时用框后 bird/no-bird 复核器。
语义与标签：指标失败不一定是视觉失败
人工复核
倒影是否算第二只鸟
观察：模型正确框出实体鸟，也把清晰倒影以 0.53 报为鸟；GT 只标实体。视觉上合理，任务语义却未定义。
对应动作：冻结规则：倒影统一标 ignore 或 hard negative；不要让不同来源采用不同口径。
高置信好框被偏移 GT 判错
观察：预测框以 0.91 覆盖完整鸟体，但 GT 明显向右下偏移，IoU=0.497，刚好低于 0.5。它更像标签注册问题，而非模型定位失败。
对应动作：抽审低 IoU 高置信样本；统一“可见鸟体紧框”协议，并修复坐标/EXIF/转换链路。
极小飞鸟：看见了，但阈值不让它通过
人工复核
纯天空中的小飞鸟
观察：候选框 IoU=0.897，但置信度 0.279，略低于 0.304。几何是对的，属于校准型 FN。
对应动作：召回优先部署可先降低阈值；训练侧补短边 16–64 px 的真实飞鸟和尺度分层采样。
雾岩背景吞掉目标对比
观察：目标约 31×26 px，候选置信度 0.262、IoU=0.580；岩壁纹理与雾降低了轮廓可分性。
对应动作：固定 1280/分块推理做受控对比；加入真实薄雾、岩壁和低对比飞鸟，不用纯高斯噪声代替。
遮挡与曝光：目标并不小，信息仍可能不足
人工复核
树枝遮挡下的临界置信度
观察：鸟体尺寸较大，框 IoU=0.874，但枝干切割轮廓、叶片遮挡和逆光让置信度停在 0.301。
对应动作：收集真实枝叶遮挡正样本并标 visible_fraction；不要把拍虚或被挡鸟改成无鸟。
强逆光产生多组低置信重叠框
观察：大鸟被高光、雾化耀斑和叶片切割；最高候选 0.293，其余重叠框更低。
对应动作：补晨昏逆光、镜头耀斑和过曝目标域样本；部署层合并包含关系强的重叠候选。
纹理与低信息目标：单类检测也会学错尺度
人工复核
孔雀眼状羽斑触发 144 个框
观察：模型把重复眼状羽斑当作大量微型鸟，最高置信度接近 0.79，却没有形成完整鸟体框。
对应动作：加入孔雀、火鸡等完整体态与羽纹 hard cases；限制 max_det 并增加包含关系抑制，但根治仍靠数据。
草地低像素小鸟
观察：候选 IoU=0.808、置信度 0.229。目标信息量很低，模型已定位但不敢确认。
对应动作：提高小目标采样权重，按短边分桶报告召回；在目标域验证集上单独校准 tiny-bird 阈值。
实例分离：遮挡和群鸟让一个框代替多只鸟
人工复核
枝条后只剩碎片化鸟体
观察：严重遮挡样本的最佳候选仅 0.018；这是接近真正的特征失败，而非阈值问题。
对应动作：增加真实枝条/芦苇遮挡鸟；若可辨认部分太少，使用 ignore，不用合成 CutOut 粗暴覆盖。
三只鸟被合并成一个群框
观察：模型给整组一个 0.63 大框，三个实例候选分别只有 0.278、0.014 和 0.002。
对应动作：增加相互重叠和相邻个体样本；降低会制造拥挤拼图的 Mosaic，比单纯放大模型更直接。
Big Bird：尺度与密度同时超出常规照片域
人工复核
同一切片一只检出、一只消失
观察：边缘处一只鸟以 0.62 检出，另一只极小目标没有任何重叠候选，说明最小尺度已跌出稳定表征范围。
对应动作：对短边 <32 px 目标做 oversampling；比较固定 1280、重叠 tiles 与 P2 检测头。
70 只密集群落仅匹配 26 只
观察：该切片 70 个 GT，固定阈值下 26 TP、44 FN、7 FP；大量候选几何正确但置信度低，且个体互相遮挡。
对应动作：按原始航次和密度分层采样；保留高 max_det，做密集场景专门验证，并避免把群落与普通单鸟无权混合。
Chapter 05
怎样继续提升 PR 与 mAP
优先级按“能解释当前错误、改动可回滚、可做受控对照”排序；不要同时换数据、模型、分辨率和阈值。
P0
先修标签与 ignore 协议
人工复核高置信低 IoU、每图多框、GT 空框和 0.1–0.3 临界候选；统一可见鸟体紧框、群鸟逐实例、倒影/雕塑/照片中的鸟、极端遮挡与边缘截断规则。目标是先消除“好预测被坏 GT 判错”。
P0
做两轮 hard-negative mining
从现代无反空景和未标图库中收集水面高光、树洞、枝叶、石块、飞机、飞虫、倒影、羽毛眼斑和传感器污点。每轮优先标 300–800 个最高置信 FP；以空图误报率和 FP/千图验收 Precision。
P1
把尺度和密度显式放进采样器
按 GT 短边 <32、32–64、64–160、>160 px 分桶；Big Bird 另按 1、2–10、>10 实例分层。提高 tiny/dense 抽样但保留真实空图。先比较固定 1280 或重叠 tiles，再决定 P2。
P1
目标域阈值与后处理校准
在现代无反独立 val 上画 PR 与 FP/千图曲线；召回优先可测试 0.15–0.25，精度优先测试 0.35–0.55。对包含关系强的一鸟多框和群框增加可解释的合并/抑制规则。
P1
用清洁数据短程精修 YOLO26s
从当前 best.pt 开始，960、batch 8、20–30 epoch、lr0 1e-4–2e-4；Mosaic 0.10–0.20 并在最后 5 epoch 关闭，MixUp 设 0。只有在标签统一后，才受控测试更高 box loss 权重。
P2
最后才做容量对照
保持清洁数据、拆分、增强、阈值选择和墙钟预算一致，比较 YOLO26s、YOLO26m 与 s-P2。成功标准不是总 mAP 单点，而是 Big Bird tiny/dense recall、目标域 FP/千图和 mAP50–95 同时改善。
建议验收面板 = 分域 AP50 / AP50–95 + 目标短边分桶 Recall + 空图 FP/1000 + 每事件漏检率 + IoU P10/P50 + 推理延迟
Capacity forecast
YOLO26m 可能怎样，但现在仍是估算
官方 COCO 规格可用来约束方向，不能直接映射到本项目。以下区间由官方 s→m 缩放、本机 s 实测和当前错误结构共同推断。
| 项目 | YOLO26s | YOLO26m | 差异 / 对本项目的含义 |
|---|---|---|---|
| 融合参数 | 9.5M | 20.4M | 2.15×；更强特征容量，但也更容易记住标签噪声 |
| FLOPs @640 | 20.7B | 68.2B | 3.29×；960 成本同样按像素平方放大 |
| 官方 COCO mAP50–95 | 48.6 | 53.1 | +4.5 pp；这是 COCO，不是四鸟域保证 |
| 本项目同数据估算 | 实测 P/R/mAP50/mAP95 = 94.9/90.2/96.3/69.9 | P +0.5–1.5 pp；R +1.5–3.5 pp；mAP50 +0.3–1.5 pp；mAP50–95 +1.5–3.5 pp | Big Bird 可能获得更大收益；GBDD/IBER/NAB mAP50 已接近饱和 |
| Big Bird mAP50–95 估算 | 42.4（实测） | 45–49（同数据） 47–52（先修数据） | 容量主要帮助密集/小目标；语义 FP 和错 GT 不会自动消失 |
| M5 同课程墙钟 | 训练约 19.5 h（实测） | 约 45–65 h，batch 2–4（估算） | 需要先做 100–500 batch 内存烟雾测试；不能按 T4 比例直接承诺 |
| 960 MPS 推理 | 13.23 ms/张（实测） | 约 22–35 ms/张（估算） | 实际受 MPS 图优化、batch 与后处理影响 |
我对 m 的判断：
它最可能改善 Big Bird 的低置信小鸟、密集群落和严格 IoU；对倒影、树洞、孔雀眼斑、群框协议和偏移 GT，容量越大反而可能更自信地犯错。
推荐实验顺序：
A0 当前 s → A1 清洁数据 s → A2 A1 + 1280/tiles 或 P2 → A3 同一 A1 数据训练 m。只有 A3 相对 A1 的增益才是“模型容量收益”。
Chapter 06
当前数据集还有哪些提升空间
四套公开集已经提供很强的外观覆盖，但没有建立一个完整的现代无反部署分布。
空图严重不足
GBDD、IBERBIRDS、NABirds test 均为 0 空图；Big Bird test 只有 150 张空切片。需要至少 1,000–2,000 张项目相机真实空景和困难负样本，才能可信衡量 Precision。
框协议跨源不统一
头部框、全鸟框、整群框、倒影、遮挡和边缘鸟口径混杂。应记录 bbox_protocol、ignore、visible_fraction、truncated 和审计状态。
缺少失败属性
给 val/test 增加目标短边、密度、逆光、曝光、离焦、运动模糊、遮挡、飞行/停栖和背景类型，才能判断每轮训练究竟修好了什么。
现代无反仍未进入闭环
优先补 2,000–5,000 张项目机身/镜头原图与工作 JPEG，覆盖连拍、RAW 转换、背景虚化、羽毛高频、逆光、远鸟与空景；按拍摄事件隔离 train/val/test。
采样比例应由错误驱动
覆盖阶段 112k GBDD 大量主导特征；下一轮不应继续按下载量混合。建议让目标域与 hard negatives 占 40%–60%，Big Bird tiny/dense 约 20%，其余公开域做保底覆盖。
测试集需要扩容和冻结
IBERBIRDS test 仅 292 张且无空图。建立 ≥1,000 张现代无反固定 test，按事件、机身/镜头、场景、尺度和质量分层；合成增强永不进入黄金 test。
最有价值的新数据不是随机再下 50,000 张鸟图：
而是当前模型最自信的假阳性、最接近阈值的真鸟、完全无候选的遮挡鸟，以及同一连拍中清晰/虚焦/运动模糊的真实配对。它们直接对应 PR 与 mAP 的剩余误差。
Evidence
来源、方法与不确定性
指标、逐图错误与案例来自本机可复核产物；模型规模和 COCO 结果引用官方资料；m 的项目区间明确为估算。
- 四套鸟类数据集训练 YOLO26s：既有训练与分域报告
- Ultralytics YOLO26 官方模型与性能表
- YOLO26 官方训练配方
- GBDD1433-2023 官方仓库
- IBERBIRDS Zenodo 数据记录
- NABirds 官方页
- Big Bird · LILA BC
- 本地严格基线：原始 YOLO26s 仅保留 COCO bird 类；标签映射为 class 14，single_cls=false。
- 本地误差审计：18,605 张四域 test；960 px；conf≥0.304；IoU≥0.5；低置信候选保留至 0.001。
- 案例由 70 张自动排序候选中人工复核选出 14 组；“原因”是基于图像与预测关系的工程判断，不是因果实验。
重要边界：
本报告没有实际训练 YOLO26m，也没有现代无反目标域黄金测试集。YOLO26m 的指标、墙钟和延迟区间只能用于排期和实验设计，不能作为交付承诺。