weixin_38991876的博客

损失函数损失函数：分类用交叉熵，回归用MSE/MAE。：类别不平衡时选择Focal Loss或Dice Loss。：异常值多时选用Huber Loss。：GAN需配合对抗损失，检测任务需IoU-aware损失（如DFL）。激活函数。

Transformer模型详解（图解最完整版） - 初识CV的文章 - 知乎。

https://zhuanlan.zhihu.com/p/543335939

Unet论文超级详解（附图文：超细节超容易理解） - 小赵爱写小说的文章 - 知乎。

但需要根据应用场景选择合适的 IoU 评估标准（如 VOC 标准的 mAP@0.5 或 COCO 标准的 mAP@[0.5:0.95]）。mAP 是衡量目标检测模型性能的关键指标，它结合了 Precision 和 Recall，能够全面评估检测质量。，如果误检太多（低 Precision）或漏检严重（低 Recall），mAP 都会下降。现实情况中，PR 曲线通常是下降趋势，即随着召回率增加，精确率会降低。，提高了小目标检测能力，降低误检和漏检，提升 mAP。，部分版本减少了计算量但保持了高 mAP。