# 004、目标检测结果解析与应用：坐标转换、置信度筛选与目标分类

昨天深夜调试时遇到一个诡异问题：模型在测试集上mAP挺漂亮，但实际部署到游戏画面里，检测框总是飘忽不定，时而套住怪物，时而框住背景里的树枝。熬到凌晨三点才发现，原来YOLO输出的坐标格式和游戏屏幕坐标系根本对不上。今天咱们就彻底拆解这个环节——目标检测结果解析，这是模型落地最关键也最容易踩坑的一步。

## 一、YOLO输出到底长什么样？

拿YOLOv5举例，模型原始输出是个形状为`[1, 25200, 85]`的张量（以640x640输入为例）。这个25200是哪来的？其实是三个检测层网格数的总和：80x80 + 40x40 + 20x20 = 25200。每个预测框包含85个值：前4个是坐标和尺寸，第5个是框内存在物体的置信度，后80个是COCO数据集的类别概率。

```python
# 原始输出示例 - 别直接拿来用！
raw_output = model(frame)  # 形状 [1, 25200, 85]
# 第一个预测框的数据结构：
# [x_center, y_center, width, height, obj_conf, class1_prob, class2_prob, ...]
```

这里第一个坑：这些坐标都是归一化值，相对于输入图像的尺寸。如果你用640x640训练，但推理时传入1280x720的画面，不转换坐标直接画框，结果肯定错位。

## 二、坐标转换：从归一化到屏幕像素

坐标转换分两步走，缺一不可。第一步把归一化坐标转回模型输入尺寸下的像素坐标，第二步再映射到原始屏幕分辨率。

```python
def yolo_to_pixel(bbox, input_size=(640, 640), screen_size=(1920, 1080)):
    """
    bbox: [x_center_norm, y_center_norm, width_norm, height_norm]
    返回: (x1, y1, x2, y2) 屏幕像素坐标
    """
    # 第一步：转到模型输入尺寸下的像素坐标
    x_center = bbox[0] * input_size[0]
    y_center = bbox[1] * input_size[1]
    width = bbox[2] * input_size[0]
    height = bbox[3] * input_size[1]
    
    # 计算左上角和右下角（YOLO存的是中心点+宽高）
    x1 = x_center - width / 2
    y1 = y_center - height / 2
    x2 = x_center + width / 2
    y2 = y_center + height / 2
    
    # 第二步：缩放到实际屏幕尺寸
    # 注意！这里假设模型输入时保持了宽高比进行填充，实际情况更复杂
    scale_x = screen_size[0] / input_size[0]
    scale_y = screen_size[1] / input_size[1]
    
    # 如果推理时用了letterbox（保持宽高比的填充），
    # 还需要考虑填充的黑边，这里简化处理，实际项目要记录填充参数
    x1, x2 = x1 * scale_x, x2 * scale_x
    y1, y2 = y1 * scale_y, y2 * scale_y
    
    return int(x1), int(y1), int(x2), int(y2)
```

重点来了：如果你在预处理时用了`letterbox`（保持宽高比的填充），转换时必须考虑填充的偏移量。我吃过这个亏——检测框整体偏移了30像素，就是因为忘了加回`pad_x`和`pad_y`。

## 三、置信度筛选：别只看阈值

新手常犯的错误：设置一个固定置信度阈值，比如0.5，然后全盘接收高于这个值的预测框。结果就是重复检测——同一个怪物身上套着三四个框。

```python
# 典型错误示范 - 别这样写！
conf_threshold = 0.5
high_c