简介Visdrone2021_CrowdCounting.rar 面向无人机视觉监控方向的研究者与算法工程师聚焦复杂场景下的人群计数任务属于 VisDrone2021 系列中的 Crowd Counting 专项。资源涵盖多种光照、天气与人群密度条件下的无人机图像可用于训练和评估基于密度图估计、多尺度特征融合及 CNN、U-Net 等深度学习模型的人群计数算法也适合作为目标检测与跟踪相关实验的素材。压缩包共 10854 个文件以 7236 个 jpg 图像和 3616 个 xml 标注文件为主另含 2 个 py 脚本整体约 820.44MB图像与标注一一对应便于直接构建训练与验证集。资源还包含 data_processing 相关工具脚本可辅助完成图像增强、标注解析与评估指标计算帮助读者快速复现实验流程、对比不同算法表现。目前已有 1538 人学习下载适合需要系统开展无人机人群计数研究与实践的读者参考使用。1. 无人机视角人群计数Visdrone2021-CC 资源包到底能解决什么去年帮一个做安防巡检的朋友看模型他拿常规人群计数网络直接套无人机航拍图MAE 直接飙到 60 以上人眼都数得清的画面模型给出的密度图糊成一团。问题不在网络本身而在数据分布——无人机视角下人头只有十几个像素透视畸变严重密集区遮挡叠加和商场监控那种平视场景完全是两回事。Visdrone2021-CC 这个资源包就是冲着这个落差来的它把 VisDrone 2021 人群计数子任务的数据组织、标注格式、评测口径和一套可跑的基线代码打包在一起适合正在做航拍人群密度估计、又不想从零对齐数据格式的从业者。拿到手先别急着训练把目录结构和标注字段读一遍比盲目调参省三天。2. 拆开压缩包目录结构、标注格式与评测口径2.1 目录布局与文件职责解压后第一件事不是看代码是把目录树打印出来对照。这类竞赛资源包通常按train / val / test-dev / test-challenge切分每个子目录下是images/和对应的标注文件。VisDrone 系列一贯的做法是标注放在与图像同级的 txt 或 json 里文件名与图像一一对应。我一般会先跑一段脚本统计样本量和分辨率分布确认没有空标注或损坏图像再进入训练环节。# 统计各切分的图像数量与标注文件数量快速发现缺失 for split in train val test-dev test-challenge; do img_cnt$(find ./$split/images -type f \( -name *.jpg -o -name *.png \) | wc -l) ann_cnt$(find ./$split -maxdepth 1 -type f \( -name *.txt -o -name *.json \) | wc -l) echo $split: images$img_cnt annotations$ann_cnt done这段脚本的价值在于暴露「图像有、标注无」的错位。竞赛包里 test-challenge 常常只给图不给标注这是正常的评测设计不是文件损坏。参数上唯一要注意的是-maxdepth 1标注如果放在子目录里就得去掉这个限制否则统计结果全是 0容易误判成资源残缺。2.2 标注字段与密度图生成逻辑人群计数的标注核心是「人头中心点坐标」VisDrone 的标注行一般包含帧号、目标 id、边界框、类别、精度等级等字段人群计数子任务真正用到的是框中心或点坐标。这里有个容易翻车的点原始标注是边界框而密度图回归需要点标注转换时取框中心还是框底边中点会直接影响密度图峰值位置。航拍视角人头小、框偏扁我一般取框的几何中心并在生成密度图时用固定 sigma 的高斯核sigma 随人头像素尺寸自适应会更稳。import numpy as np from scipy.ndimage import gaussian_filter def points_to_density(points, img_h, img_w, sigma4.0): 把点标注转成密度图points 为 [(x, y), ...] density np.zeros((img_h, img_w), dtypenp.float32) for x, y in points: # 边界保护防止标注越界导致索引报错 xi min(max(int(round(x)), 0), img_w - 1) yi min(max(int(round(y)), 0), img_h - 1) density[yi, xi] 1.0 # 归一化后做高斯平滑保证密度图积分等于人数 density gaussian_filter(density, sigmasigma) return density # 用法一张 1920x1080 的图标注 37 个人头 pts [(512.3, 240.8), (800.1, 300.5)] # 实际从标注文件解析 dmap points_to_density(pts, 1080, 1920, sigma4.0) print(人数积分:, dmap.sum()) # 应接近 len(pts)逻辑说明先把每个点累加到单通道图上再做高斯平滑平滑后整图求和应等于人数这是密度图回归的基本约束。参数sigma是玄学重灾区——设太小密度图退化成点图网络学不到空间扩散设太大密集区会糊成一片计数偏低。航拍图人头普遍在 10 到 20 像素sigma 取 3 到 5 比较常见密集场景可以按局部人头尺寸做自适应别一个值走天下。2.3 评测指标MAE 与 MSE 的口径差异资源包里的评测脚本通常输出 MAE 和 MSE 两个数。MAE 是逐图人数绝对误差的平均反映整体偏差MSE 对单图大误差惩罚更重能暴露「大部分图准、少数密集图崩」的问题。看结果时别只盯 MAE航拍场景下 MSE 往往更能说明模型在极端密集区的稳定性。如果包里自带评测脚本先拿全零预测跑一遍确认基线数值合理再对比自己的模型避免口径不一致导致「假提升」。3. 基线跑通从数据加载到第一次前向传播3.1 环境与依赖的取舍这类资源包对框架版本通常有隐含要求最常见的是 PyTorch 加 torchvision外加 scipy 做密度图平滑、opencv 读图。我的习惯是先建独立环境按包里 requirements 或代码 import 反推版本不要直接往主环境装。航拍图分辨率大显存是硬约束单卡 8G 跑 1920 分辨率基本要降 batch 或做随机裁剪这一点在跑通前就要想清楚否则第一次训练就 OOM白等半小时。# 建独立环境避免污染主环境 conda create -n visdrone_cc python3.8 -y conda activate visdrone_cc pip install torch torchvision scipy opencv-python numpy tqdm # 验证 GPU 可用性与显存 python -c import torch; print(torch.cuda.is_available(), torch.cuda.get_device_properties(0).total_memory/1e9)参数说明Python 3.8 是多数竞赛基线代码的兼容甜点区太新容易踩依赖冲突。最后一行打印显存单位换算成 GB方便判断能不能撑住原图训练。如果显存小于 6G直接走裁剪加多尺度增强的路子别硬扛。3.2 数据加载器的三个关键参数数据加载是这类项目最容易埋雷的地方。航拍图尺寸不一直接 resize 会破坏人头尺度一致性常见做法是随机裁剪固定 patch 训练、整图推理。num_workers设太小读图成瓶颈设太大在容器里容易卡死我一般从 4 起步观察。pin_memory在 GPU 训练时打开能加速主机到显存的拷贝。下面是一个最小可用的 Dataset 骨架重点看裁剪和密度图同步这块。import cv2, torch from torch.utils.data import Dataset class CrowdDataset(Dataset): def __init__(self, img_paths, ann_paths, patch_size512): self.img_paths img_paths self.ann_paths ann_paths self.patch_size patch_size def __len__(self): return len(self.img_paths) def __getitem__(self, idx): img cv2.imread(self.img_paths[idx]) img cv2.cvtColor(img, cv2.COLOR_BGR2RGB) pts self._parse_ann(self.ann_paths[idx]) # 随机裁剪图像与点标注必须用同一组坐标偏移 h, w img.shape[:2] x0 np.random.randint(0, max(w - self.patch_size, 1)) y0 np.random.randint(0, max(h - self.patch_size, 1)) img_p img[y0:y0self.patch_size, x0:x0self.patch_size] pts_p [(x - x0, y - y0) for x, y in pts if x0 x x0self.patch_size and y0 y y0self.patch_size] dmap points_to_density(pts_p, self.patch_size, self.patch_size) img_t torch.from_numpy(img_p.transpose(2,0,1)).float() / 255.0 return img_t, torch.from_numpy(dmap).unsqueeze(0)逻辑说明裁剪时图像和点标注必须共用x0, y0这是血泪经验——分开随机会导致密度图和图像错位模型怎么训都学不会。patch_size取 512 是显存和上下文视野的折中太小丢失全局密度信息太大显存吃紧。归一化用 255 除法是常规操作若用 ImageNet 预训练权重记得换成对应均值方差。3.3 第一次前向先验证形状再谈精度跑通训练前先做一次 dry run取一个 batch过一遍网络打印输入输出形状和密度图积分。这一步能提前抓出通道数不匹配、输出尺寸和标注尺寸不一致的问题。很多基线网络输出是 1/8 分辨率的密度图标注也得下采样到同尺寸再算损失否则 loss 直接报形状错误。确认形状对齐后再跑几十个 iteration 看 loss 是否下降不降就回头查数据管线别急着换模型。4. 避坑排查航拍人群计数最容易翻车的五处4.1 密度图积分对不上人数现象训练 loss 看着降但推理时密度图求和和真实人数差一大截。原因多半是高斯平滑后没做归一化或者 sigma 过大导致能量扩散出图外。解决生成密度图后强制校验abs(dmap.sum() - len(pts)) 1e-3不满足就调 sigma 或改用归一化高斯核把这条校验写进数据加载的断言里早暴露早修。4.2 小目标被 resize 抹掉现象验证集 MAE 尚可但密集小人头区域计数系统性偏低。原因是对整图做了统一 resize人头从十几像素缩到个位数特征提取直接失效。解决训练走随机裁剪保持原始尺度推理用滑窗或整图加多尺度测试别为了省显存牺牲小目标。这条在航拍场景几乎是必踩提前设计好尺度策略比事后调参有效。4.3 标注坐标与图像坐标系错位现象密度图峰值位置和图像人头对不上可视化一看整体偏移。原因是标注用的是 1-based 坐标或框左上角而代码按 0-based 中心点处理。解决拿几张图叠加可视化人工核对几个点确认坐标系约定后再批量转换。这个坑隐蔽性强靠 loss 曲线根本看不出来只能靠可视化兜底。4.4 评测口径不一致导致假提升现象自己写的评测比包里脚本高出一截换脚本就回落。原因是忽略了 test-challenge 无标注、或者对无效预测的处理方式不同。解决统一用资源包自带评测脚本做最终对比自写脚本只用于快速迭代两者结果对不上时以官方口径为准别拿自欺欺人的数字下结论。4.5 显存不足引发的隐性降级现象训练中途不报错但速度骤降或者 batch 被悄悄改小。原因是显存吃紧触发频繁换页或者代码里有自动降 batch 的逻辑。解决训练前打印实际 batch 和显存占用固定随机种子复现别让框架的「自适应」替你做了决定。显存边界要自己摸清楚留 10% 余量最稳。5. 进阶技巧用滑窗推理和误差可视化把 MAE 再压一档模型训完只是开始航拍人群计数的精度提升往往发生在推理侧。整图直接推理在超高分辨率下会因显存被迫降采样小目标信息丢失我一般用带重叠的滑窗推理把每个窗口的密度图按位置拼回原图重叠区取平均消除拼接缝。窗口大小和重叠率是两个关键参数窗口太小上下文不足太大显存吃紧重叠率低于 0.25 时拼接缝处容易出现计数跳变。下面是一个可复用的滑窗推理骨架。def sliding_inference(model, img, patch512, stride384): 重叠滑窗推理返回与原图同尺寸的密度图 h, w img.shape[:2] density np.zeros((h, w), dtypenp.float32) count_map np.zeros((h, w), dtypenp.float32) for y in range(0, h, stride): for x in range(0, w, stride): y1, x1 min(y patch, h), min(x patch, w) y0, x0 max(y1 - patch, 0), max(x1 - patch, 0) patch_img img[y0:y1, x0:x1] pred model(patch_img) # 输出同尺寸密度图 density[y0:y1, x0:x1] pred count_map[y0:y1, x0:x1] 1.0 return density / np.maximum(count_map, 1e-6)逻辑说明stride小于patch形成重叠重叠区多次预测取平均能显著削弱边缘效应。参数上patch512, stride384对应 25% 重叠是显存和精度的常见折中密集场景可以把重叠率提到 50%代价是推理时间翻倍。拼回后整图求和即总人数和逐窗求和相比重叠平均能减少窗口边界处的重复计数。光有数字不够误差可视化才是定位问题的后悔药。我习惯把预测密度图和真值密度图并排叠在原图上用不同颜色标出高估区和低估区一眼就能看出模型是在远景小目标上漏数还是在近景遮挡区重复计数。这套可视化流程跑几轮往往比盲目换 backbone 更能找到瓶颈。从那以后我每次交付航拍计数模型前都强制走一遍滑窗推理加误差热力图确认没有系统性偏移才敢报数。希望帮到你。本文还有配套的精品资源点击获取 
长河君 · 2026/11/5 6:56:22 · 阅读 1.2k 无人机航拍人群计数实战：VisDrone2021-CC资源包解析与避坑指南
简介Visdrone2021_CrowdCounting.rar 面向无人机视觉监控方向的研究者与算法工程师聚焦复杂场景下的人群计数任务属于 VisDrone2021 系列中的 Crowd Counting 专项。资源涵盖多种光照、天气与人群密度条件下的无人机图像可用于训练和评估基于密度图估计、多尺度特征融合及 CNN、U-Net 等深度学习模型的人群计数算法也适合作为目标检测与跟踪相关实验的素材。压缩包共 10854 个文件以 7236 个 jpg 图像和 3616 个 xml 标注文件为主另含 2 个 py 脚本整体约 820.44MB图像与标注一一对应便于直接构建训练与验证集。资源还包含 data_processing 相关工具脚本可辅助完成图像增强、标注解析与评估指标计算帮助读者快速复现实验流程、对比不同算法表现。目前已有 1538 人学习下载适合需要系统开展无人机人群计数研究与实践的读者参考使用。1. 无人机视角人群计数Visdrone2021-CC 资源包到底能解决什么去年帮一个做安防巡检的朋友看模型他拿常规人群计数网络直接套无人机航拍图MAE 直接飙到 60 以上人眼都数得清的画面模型给出的密度图糊成一团。问题不在网络本身而在数据分布——无人机视角下人头只有十几个像素透视畸变严重密集区遮挡叠加和商场监控那种平视场景完全是两回事。Visdrone2021-CC 这个资源包就是冲着这个落差来的它把 VisDrone 2021 人群计数子任务的数据组织、标注格式、评测口径和一套可跑的基线代码打包在一起适合正在做航拍人群密度估计、又不想从零对齐数据格式的从业者。拿到手先别急着训练把目录结构和标注字段读一遍比盲目调参省三天。2. 拆开压缩包目录结构、标注格式与评测口径2.1 目录布局与文件职责解压后第一件事不是看代码是把目录树打印出来对照。这类竞赛资源包通常按train / val / test-dev / test-challenge切分每个子目录下是images/和对应的标注文件。VisDrone 系列一贯的做法是标注放在与图像同级的 txt 或 json 里文件名与图像一一对应。我一般会先跑一段脚本统计样本量和分辨率分布确认没有空标注或损坏图像再进入训练环节。# 统计各切分的图像数量与标注文件数量快速发现缺失 for split in train val test-dev test-challenge; do img_cnt$(find ./$split/images -type f \( -name *.jpg -o -name *.png \) | wc -l) ann_cnt$(find ./$split -maxdepth 1 -type f \( -name *.txt -o -name *.json \) | wc -l) echo $split: images$img_cnt annotations$ann_cnt done这段脚本的价值在于暴露「图像有、标注无」的错位。竞赛包里 test-challenge 常常只给图不给标注这是正常的评测设计不是文件损坏。参数上唯一要注意的是-maxdepth 1标注如果放在子目录里就得去掉这个限制否则统计结果全是 0容易误判成资源残缺。2.2 标注字段与密度图生成逻辑人群计数的标注核心是「人头中心点坐标」VisDrone 的标注行一般包含帧号、目标 id、边界框、类别、精度等级等字段人群计数子任务真正用到的是框中心或点坐标。这里有个容易翻车的点原始标注是边界框而密度图回归需要点标注转换时取框中心还是框底边中点会直接影响密度图峰值位置。航拍视角人头小、框偏扁我一般取框的几何中心并在生成密度图时用固定 sigma 的高斯核sigma 随人头像素尺寸自适应会更稳。import numpy as np from scipy.ndimage import gaussian_filter def points_to_density(points, img_h, img_w, sigma4.0): 把点标注转成密度图points 为 [(x, y), ...] density np.zeros((img_h, img_w), dtypenp.float32) for x, y in points: # 边界保护防止标注越界导致索引报错 xi min(max(int(round(x)), 0), img_w - 1) yi min(max(int(round(y)), 0), img_h - 1) density[yi, xi] 1.0 # 归一化后做高斯平滑保证密度图积分等于人数 density gaussian_filter(density, sigmasigma) return density # 用法一张 1920x1080 的图标注 37 个人头 pts [(512.3, 240.8), (800.1, 300.5)] # 实际从标注文件解析 dmap points_to_density(pts, 1080, 1920, sigma4.0) print(人数积分:, dmap.sum()) # 应接近 len(pts)逻辑说明先把每个点累加到单通道图上再做高斯平滑平滑后整图求和应等于人数这是密度图回归的基本约束。参数sigma是玄学重灾区——设太小密度图退化成点图网络学不到空间扩散设太大密集区会糊成一片计数偏低。航拍图人头普遍在 10 到 20 像素sigma 取 3 到 5 比较常见密集场景可以按局部人头尺寸做自适应别一个值走天下。2.3 评测指标MAE 与 MSE 的口径差异资源包里的评测脚本通常输出 MAE 和 MSE 两个数。MAE 是逐图人数绝对误差的平均反映整体偏差MSE 对单图大误差惩罚更重能暴露「大部分图准、少数密集图崩」的问题。看结果时别只盯 MAE航拍场景下 MSE 往往更能说明模型在极端密集区的稳定性。如果包里自带评测脚本先拿全零预测跑一遍确认基线数值合理再对比自己的模型避免口径不一致导致「假提升」。3. 基线跑通从数据加载到第一次前向传播3.1 环境与依赖的取舍这类资源包对框架版本通常有隐含要求最常见的是 PyTorch 加 torchvision外加 scipy 做密度图平滑、opencv 读图。我的习惯是先建独立环境按包里 requirements 或代码 import 反推版本不要直接往主环境装。航拍图分辨率大显存是硬约束单卡 8G 跑 1920 分辨率基本要降 batch 或做随机裁剪这一点在跑通前就要想清楚否则第一次训练就 OOM白等半小时。# 建独立环境避免污染主环境 conda create -n visdrone_cc python3.8 -y conda activate visdrone_cc pip install torch torchvision scipy opencv-python numpy tqdm # 验证 GPU 可用性与显存 python -c import torch; print(torch.cuda.is_available(), torch.cuda.get_device_properties(0).total_memory/1e9)参数说明Python 3.8 是多数竞赛基线代码的兼容甜点区太新容易踩依赖冲突。最后一行打印显存单位换算成 GB方便判断能不能撑住原图训练。如果显存小于 6G直接走裁剪加多尺度增强的路子别硬扛。3.2 数据加载器的三个关键参数数据加载是这类项目最容易埋雷的地方。航拍图尺寸不一直接 resize 会破坏人头尺度一致性常见做法是随机裁剪固定 patch 训练、整图推理。num_workers设太小读图成瓶颈设太大在容器里容易卡死我一般从 4 起步观察。pin_memory在 GPU 训练时打开能加速主机到显存的拷贝。下面是一个最小可用的 Dataset 骨架重点看裁剪和密度图同步这块。import cv2, torch from torch.utils.data import Dataset class CrowdDataset(Dataset): def __init__(self, img_paths, ann_paths, patch_size512): self.img_paths img_paths self.ann_paths ann_paths self.patch_size patch_size def __len__(self): return len(self.img_paths) def __getitem__(self, idx): img cv2.imread(self.img_paths[idx]) img cv2.cvtColor(img, cv2.COLOR_BGR2RGB) pts self._parse_ann(self.ann_paths[idx]) # 随机裁剪图像与点标注必须用同一组坐标偏移 h, w img.shape[:2] x0 np.random.randint(0, max(w - self.patch_size, 1)) y0 np.random.randint(0, max(h - self.patch_size, 1)) img_p img[y0:y0self.patch_size, x0:x0self.patch_size] pts_p [(x - x0, y - y0) for x, y in pts if x0 x x0self.patch_size and y0 y y0self.patch_size] dmap points_to_density(pts_p, self.patch_size, self.patch_size) img_t torch.from_numpy(img_p.transpose(2,0,1)).float() / 255.0 return img_t, torch.from_numpy(dmap).unsqueeze(0)逻辑说明裁剪时图像和点标注必须共用x0, y0这是血泪经验——分开随机会导致密度图和图像错位模型怎么训都学不会。patch_size取 512 是显存和上下文视野的折中太小丢失全局密度信息太大显存吃紧。归一化用 255 除法是常规操作若用 ImageNet 预训练权重记得换成对应均值方差。3.3 第一次前向先验证形状再谈精度跑通训练前先做一次 dry run取一个 batch过一遍网络打印输入输出形状和密度图积分。这一步能提前抓出通道数不匹配、输出尺寸和标注尺寸不一致的问题。很多基线网络输出是 1/8 分辨率的密度图标注也得下采样到同尺寸再算损失否则 loss 直接报形状错误。确认形状对齐后再跑几十个 iteration 看 loss 是否下降不降就回头查数据管线别急着换模型。4. 避坑排查航拍人群计数最容易翻车的五处4.1 密度图积分对不上人数现象训练 loss 看着降但推理时密度图求和和真实人数差一大截。原因多半是高斯平滑后没做归一化或者 sigma 过大导致能量扩散出图外。解决生成密度图后强制校验abs(dmap.sum() - len(pts)) 1e-3不满足就调 sigma 或改用归一化高斯核把这条校验写进数据加载的断言里早暴露早修。4.2 小目标被 resize 抹掉现象验证集 MAE 尚可但密集小人头区域计数系统性偏低。原因是对整图做了统一 resize人头从十几像素缩到个位数特征提取直接失效。解决训练走随机裁剪保持原始尺度推理用滑窗或整图加多尺度测试别为了省显存牺牲小目标。这条在航拍场景几乎是必踩提前设计好尺度策略比事后调参有效。4.3 标注坐标与图像坐标系错位现象密度图峰值位置和图像人头对不上可视化一看整体偏移。原因是标注用的是 1-based 坐标或框左上角而代码按 0-based 中心点处理。解决拿几张图叠加可视化人工核对几个点确认坐标系约定后再批量转换。这个坑隐蔽性强靠 loss 曲线根本看不出来只能靠可视化兜底。4.4 评测口径不一致导致假提升现象自己写的评测比包里脚本高出一截换脚本就回落。原因是忽略了 test-challenge 无标注、或者对无效预测的处理方式不同。解决统一用资源包自带评测脚本做最终对比自写脚本只用于快速迭代两者结果对不上时以官方口径为准别拿自欺欺人的数字下结论。4.5 显存不足引发的隐性降级现象训练中途不报错但速度骤降或者 batch 被悄悄改小。原因是显存吃紧触发频繁换页或者代码里有自动降 batch 的逻辑。解决训练前打印实际 batch 和显存占用固定随机种子复现别让框架的「自适应」替你做了决定。显存边界要自己摸清楚留 10% 余量最稳。5. 进阶技巧用滑窗推理和误差可视化把 MAE 再压一档模型训完只是开始航拍人群计数的精度提升往往发生在推理侧。整图直接推理在超高分辨率下会因显存被迫降采样小目标信息丢失我一般用带重叠的滑窗推理把每个窗口的密度图按位置拼回原图重叠区取平均消除拼接缝。窗口大小和重叠率是两个关键参数窗口太小上下文不足太大显存吃紧重叠率低于 0.25 时拼接缝处容易出现计数跳变。下面是一个可复用的滑窗推理骨架。def sliding_inference(model, img, patch512, stride384): 重叠滑窗推理返回与原图同尺寸的密度图 h, w img.shape[:2] density np.zeros((h, w), dtypenp.float32) count_map np.zeros((h, w), dtypenp.float32) for y in range(0, h, stride): for x in range(0, w, stride): y1, x1 min(y patch, h), min(x patch, w) y0, x0 max(y1 - patch, 0), max(x1 - patch, 0) patch_img img[y0:y1, x0:x1] pred model(patch_img) # 输出同尺寸密度图 density[y0:y1, x0:x1] pred count_map[y0:y1, x0:x1] 1.0 return density / np.maximum(count_map, 1e-6)逻辑说明stride小于patch形成重叠重叠区多次预测取平均能显著削弱边缘效应。参数上patch512, stride384对应 25% 重叠是显存和精度的常见折中密集场景可以把重叠率提到 50%代价是推理时间翻倍。拼回后整图求和即总人数和逐窗求和相比重叠平均能减少窗口边界处的重复计数。光有数字不够误差可视化才是定位问题的后悔药。我习惯把预测密度图和真值密度图并排叠在原图上用不同颜色标出高估区和低估区一眼就能看出模型是在远景小目标上漏数还是在近景遮挡区重复计数。这套可视化流程跑几轮往往比盲目换 backbone 更能找到瓶颈。从那以后我每次交付航拍计数模型前都强制走一遍滑窗推理加误差热力图确认没有系统性偏移才敢报数。希望帮到你。本文还有配套的精品资源点击获取