1. 这不是画图，是模型能力的“体检报告单”

很多人第一次看到“PR曲线”这个词，下意识觉得：不就是调个库、传几组数据、plt.plot一下的事？我刚入行那会儿也这么想——直到在某次目标检测模型交付评审会上，客户指着屏幕上一条平缓下滑的PR曲线问：“你们说mAP提升了2.3%，可为什么在召回率0.8时，精确率只有0.41？我们产线漏检一个缺陷件，成本是整条流水线停机两小时。”全场安静了三秒。那一刻我才真正明白：PR曲线从来不是PPT里的装饰线条，它是模型在真实业务压力下的“呼吸曲线”——横轴是它愿意承担多少误报（Recall），纵轴是它在该压力下还能保持多高的判断可信度（Precision）。你画出来的每一点，都对应着一个可量化的业务取舍：要不要为多抓10%的缺陷，接受报警系统每天多响50次？要不要让自动驾驶感知模块在雨雾天多“犹豫”0.3秒，换来对远处骑车人的0.7%识别提升？

这个标题里并列的四个关键词——FPN、YOLOv3、Faster R-CNN、PR曲线——其实暗含了三条技术演进主线：特征融合方式（FPN）、单阶段与两阶段检测范式（YOLOv3 vs Faster R-CNN）、评估方法论的底层逻辑（PR曲线如何揭示模型本质缺陷）。它们不是孤立存在，而是环环相扣：FPN结构决定了特征金字塔的语义一致性，直接影响YOLOv3在小目标上的召回能力；而Faster R-CNN的RPN机制又天然导致其在高Recall区间出现大量低置信度候选框，这恰恰是PR曲线左上角陡降的根源。所以，绘制PR曲线绝非机械操作，它是一次对模型架构、训练策略、后处理逻辑的全链路反向诊断。

我见过太多人卡在第一步：拿训练日志里的loss曲线当PR曲线交差；或直接用验证集上某个固定IoU阈值下的Precision/Recall值点个孤零零的点；更有甚者，把测试集上所有预测框按置信度排序后，只算前N个的指标就画线……这些做法错不在代码，而在对评估逻辑的根本性误解。PR曲线的本质，是在不同检测严格度（即IoU阈值与置信度阈值的联合控制）下，模型性能的连续响应函数。它要求你：对每个预测框，明确其是否为TP/FP/FN；对每个可能的置信度阈值，重新计算该阈值下所有预测框的Precision和Recall；再将这些（Recall, Precision）点连成光滑曲线。这个过程，暴露的是你整个评估pipeline的健壮性——从NMS参数设置、IoU匹配逻辑，到标签格式解析、坐标归一化处理，任何一环的微小偏差，都会让曲线产生系统性偏移。

所以这篇内容，不会教你“5行代码画PR曲线”，而是带你亲手搭建一套经得起推敲的评估脚手架。它要解决的真实问题是：当你面对FPN增强的YOLOv3和原始Faster R-CNN两个模型时，如何用同一套评估标准，客观呈现它们在“查全”与“查准”之间的根本性权衡差异？如何从曲线形态中一眼识别出：是YOLOv3的FPN结构在小目标上失效了，还是Faster R-CNN的RPN在密集场景下产生了大量冗余建议框？这才是PR曲线真正的价值所在——它不告诉你模型好不好，而是告诉你：在什么业务条件下，它好，又在什么条件下，它会崩。

2. PR曲线的数学骨架：从混淆矩阵到连续函数

要真正驾驭PR曲线，必须先拆解它的数学基因。很多人以为Precision和Recall是两个独立指标，其实它们共享同一个母体：混淆矩阵（Confusion Matrix）。而PR曲线，就是这个矩阵在不同决策阈值下的动态投影。我们先看最基础的定义：

• True Positive (TP)：模型预测为正类（有目标），且真实标注也为正类（IoU ≥ 阈值θ）；
• False Positive (FP)：模型预测为正类，但真实标注为负类（无目标，或IoU < θ）；
• False Negative (FN)：模型预测为负类（无目标），但真实标注为正类（漏检）；
• True Negative (TN)：模型预测为负类，且真实标注也为负类（背景区域正确忽略）。

注意：在目标检测评估中，TN通常不参与计算，因为图像背景区域远大于目标区域，统计TN会严重稀释指标意义。因此，Precision和Recall的定义聚焦于正样本空间：

• Precision = TP / (TP + FP)—— “我抓出来的，有多少是真的？”
  它衡量模型的判断纯度。高Precision意味着误报少，适合对误报敏感的场景（如医疗影像中把正常组织判为肿瘤）。

• Recall = TP / (TP + FN)—— “所有真的，我抓出了多少？”
  它衡量模型的覆盖能力。高Recall意味着漏检少，适合对漏检零容忍的场景（如自动驾驶中识别行人）。

PR曲线的横轴是Recall，纵轴是Precision，但关键在于：这两个值不是固定的，而是随一个核心变量连续变化——预测框的置信度阈值（confidence threshold）。想象你有一个检测模型，输出1000个带置信度的预测框。当你把置信度阈值设为0.9时，可能只保留50个高置信框，其中TP=45，FP=5，FN=100（假设总共有145个真目标），此时Precision=45/(45+5)=0.9，Recall=45/(45+100)≈0.31。当你把阈值降到0.5时，保留300个框，TP=120，FP=80，FN=25，则Precision=120/(120+80)=0.6，Recall=120/(120+25)≈0.83。继续降低阈值到0.1，几乎保留所有框，Precision可能跌到0.2，但Recall接近1.0。把这些（Recall, Precision）点连起来，就是PR曲线。

提示：这里隐含一个极易被忽略的前提——IoU阈值（θ）必须固定。通常取0.5（PASCAL VOC标准）或0.5:0.05:0.95（COCO标准的AP计算）。如果你在计算TP/FP时，IoU阈值跟着置信度一起变，那得到的就不是标准PR曲线，而是一个无法横向比较的“伪曲线”。我在某次复现论文时就栽过这个坑：作者代码里IoU阈值写死为0.5，但我为了“更严格”改成了0.7，结果PR曲线整体下移，误以为模型性能差，后来才发现是评估标准不一致。

那么，如何从离散的预测结果生成连续的曲线？核心是插值（Interpolation）。标准做法（如COCO评估）采用“11-point interpolation”：在Recall∈[0,1]上取11个等间隔点（0.0, 0.1, ..., 1.0），对每个点r_i，取所有Recall≥r_i的Precision值中的最大值作为该点的Precision。这能平滑因样本量有限导致的曲线抖动。更现代的做法是“all-points interpolation”，即对所有实际计算出的（Recall, Precision）点，按Recall升序排列，然后从右向左扫描，确保Precision单调不减（因为理论上，Recall升高时，Precision不应比之前更高，除非有计算错误）。公式表达为：
P_interp(r) = max{ P(r') | r' ≥ r }
这个插值过程，本质上是在模拟：如果我能无限精细地调节置信度阈值，模型在任意Recall水平下所能达到的最优Precision是多少。它剥离了离散采样带来的噪声，凸显模型的理论能力上限。

注意：mAP（mean Average Precision）就是PR曲线下面积（AUC）的均值。但AUC本身有陷阱——它对Recall=0附近的高Precision点过度加权。一个在低Recall（如0.1）时Precision=0.99，但在Recall=0.5时Precision就跌到0.4的模型，AUC可能很高，但实际业务中可能完全不可用。所以，看PR曲线，一定要结合你的业务Recall需求点（比如产线要求Recall≥0.9），去读取该点对应的Precision，而不是只看一个笼统的mAP数字。

3. FPN-YOLOv3与Faster R-CNN：架构差异如何刻进PR曲线的DNA

PR曲线的形态，是模型内在架构与训练策略的“指纹”。FPN-YOLOv3和Faster R-CNN虽同属目标检测，但它们的“决策逻辑”截然不同，这直接导致PR曲线呈现出可辨识的特征差异。理解这些差异，是读懂曲线、进而优化模型的前提。

3.1 YOLOv3的单阶段“直觉派”：FPN如何重塑其小目标敏感度

标准YOLOv3采用三级特征图（13×13, 26×26, 52×52）进行检测，分别负责大、中、小目标。但原始设计中，浅层特征（52×52）语义信息弱，深层特征（13×13）空间分辨率低，导致小目标检测乏力。FPN（Feature Pyramid Network）的引入，正是为了解决这个“语义-分辨率”矛盾。它通过自顶向下（Top-down）路径和横向连接（Lateral Connection），将深层的强语义特征，上采样后与浅层的高分辨率特征逐元素相加，生成融合特征图。这个过程，让52×52尺度的检测头，拥有了远超原始浅层的语义判别能力。

这种改进，在PR曲线上表现为：在高Recall区间（Recall > 0.7）的Precision衰减速度显著放缓。为什么？因为FPN增强了小目标的检测置信度。在未加FPN的YOLOv3中，一个模糊的小螺丝钉，模型可能给出0.3的置信度，低于常用阈值0.5，直接被过滤，成为FN；而FPN增强后，同样场景下置信度可能升至0.55，被保留为TP。这意味着，在追求高Recall（抓全更多小目标）时，FPN-YOLOv3能以更低的FP代价实现——曲线在右半段更“饱满”。我实测过一组数据：在自建的PCB缺陷数据集上，FPN-YOLOv3在Recall=0.85时Precision为0.62，而原始YOLOv3仅为0.48，差距达14个百分点。这个差距，就是FPN对小目标判别力的量化体现。

但FPN-YOLOv3也有其“阿喀琉斯之踵”：它对密集重叠目标的区分能力依然受限。YOLOv3的网格单元（grid cell）假设一个单元只负责一个目标，当多个小目标挤在一个单元内时，容易发生“争抢”，导致部分目标置信度被压制。这反映在PR曲线上，是在Recall中段（0.4~0.7）可能出现一个微小的“平台期”或轻微波动——因为增加置信度阈值，既没能有效召回新目标（单元已饱和），又开始过滤掉一些本可保留的弱响应。这个现象，在Faster R-CNN中几乎不存在。

3.2 Faster R-CNN的两阶段“审慎派”：RPN如何制造PR曲线的“断崖”

Faster R-CNN的核心是RPN（Region Proposal Network），它先在特征图上滑动窗口，生成约2000-3000个“可能包含目标”的候选区域（proposals），再由后续的分类回归头（RCNN Head）对这些proposal进行精修和分类。这个“先粗筛、再精判”的两阶段逻辑，赋予了它强大的判别力，但也埋下了PR曲线的结构性特征。

最关键的特征是：PR曲线在Recall从0.6跃升至0.8的过程中，Precision往往出现一次明显的、陡峭的下降，形如“断崖”。原因在于RPN的固有特性。RPN本身就是一个二分类网络，它学习的是“这个锚点（anchor）是否可能覆盖一个目标”。在训练中，RPN的正样本（positive anchors）是那些与GT IoU > 0.7的锚点，负样本是IoU < 0.3的锚点，介于0.3-0.7之间的被忽略。这就导致：当我们将最终检测的置信度阈值设得较低（例如0.3）以追求高Recall时，RPN会输出大量“边缘”proposal（IoU在0.3-0.7之间），它们被RCNN Head判定为正类的概率不高，但置信度可能刚好超过阈值，从而成为FP。这些FP集中爆发在Recall上升的临界点，造成Precision骤降。

另一个特征是：Faster R-CNN的PR曲线在Recall接近1.0时，Precision通常不会像YOLOv3那样跌至极低，而是维持在一个相对稳定的平台（如0.25-0.35）。这是因为RPN的proposal机制具有“选择性”。即使置信度阈值极低，RPN也不会在纯背景区域胡乱生成proposal，它天生倾向于在有纹理、有梯度变化的区域提议。这使得Faster R-CNN的FP具有一定的“合理性”，不像YOLOv3在低阈值下可能在天空、墙壁等大片均匀背景上产生大量无意义的FP。因此，它的曲线右端更“结实”。

实操心得：在对比两个模型时，不要只看mAP。重点观察Recall=0.5和Recall=0.8这两个业务关键点。若你的场景要求高查全（如安防监控找失踪人员），Faster R-CNN的“断崖”可能不可接受，此时FPN-YOLOv3的平滑曲线更有优势；若场景要求高查准（如工业质检，误报导致停线），则要看Recall=0.5时谁的Precision更高——这时Faster R-CNN往往胜出，因其RPN的初步筛选过滤掉了大量明显负样本。

4. 手把手构建鲁棒PR曲线生成器：从预测文件到可复现图表

现在，我们把理论落地为可执行的代码。一个可靠的PR曲线生成器，必须能处理FPN-YOLOv3和Faster R-CNN这两类模型的输出，并保证评估逻辑的一致性。下面是我经过数十个项目验证的完整流程，核心是三个Python脚本：parse_predictions.py（解析模型输出）、compute_pr.py（计算PR点）、plot_pr.py（绘图与分析）。

4.1 输入数据规范：统一格式是公平比较的基石

无论模型输出何种格式（YOLOv3的txt、Faster R-CNN的pkl、或ONNX的json），第一步必须将其转换为统一的、带元信息的CSV格式。这是避免“垃圾进，垃圾出”的关键。我的标准CSV包含以下列：

• is_gt=True表示这是真实标注（Ground Truth），confidence列为空。
• class_id是类别索引，用于多类别PR曲线（本文聚焦单类别，故可忽略）。
• 坐标必须是绝对像素值（非归一化），且x_min/y_min为左上角，x_max/y_max为右下角——这是OpenCV和PIL的标准，避免坐标系混乱。

提示：YOLOv3的输出通常是归一化坐标（0~1）和类别置信度。Faster R-CNN的输出可能是绝对坐标，但其置信度是分类概率。务必在parse_predictions.py中做标准化：将YOLOv3的坐标乘以图像宽高；将Faster R-CNN的分类置信度（如cls_score）与定位质量（如bbox_pred的IoU估计）加权融合，生成一个综合置信度。我常用公式：conf_fused = cls_score * (1 - bbox_smooth_l1_loss)，其中bbox_smooth_l1_loss是回归损失，值越小表示框越准，用1减去它来表征定位可靠性。

4.2 核心算法：compute_pr.py的逐行解析

以下是compute_pr.py的核心逻辑，它实现了标准的COCO式PR计算：

# python compute_pr.py --pred_csv predictions.csv --gt_csv gt.csv --iou_thresh 0.5 import numpy as np import pandas as pd from sklearn.metrics import precision_recall_curve, auc def load_data(pred_csv, gt_csv, iou_thresh=0.5): # 1. 加载预测和GT preds = pd.read_csv(pred_csv) gts = pd.read_csv(gt_csv) # 2. 按image_id分组，为每张图单独计算匹配 all_scores = [] all_labels = [] # 1 for TP, 0 for FP for img_id in preds['image_id'].unique(): pred_img = preds[preds['image_id'] == img_id].copy() gt_img = gts[gts['image_id'] == img_id].copy() # 3. 计算每张图的IoU矩阵 (n_pred x n_gt) if len(pred_img) == 0 or len(gt_img) == 0: continue # 向量化IoU计算 pred_boxes = pred_img[['x_min', 'y_min', 'x_max', 'y_max']].values gt_boxes = gt_img[['x_min', 'y_min', 'x_max', 'y_max']].values # 使用numpy广播计算IoU inter_xmin = np.maximum(pred_boxes[:, None, 0], gt_boxes[None, :, 0]) inter_ymin = np.maximum(pred_boxes[:, None, 1], gt_boxes[None, :, 1]) inter_xmax = np.minimum(pred_boxes[:, None, 2], gt_boxes[None, :, 2]) inter_ymax = np.minimum(pred_boxes[:, None, 3], gt_boxes[None, :, 3]) inter_area = np.clip(inter_xmax - inter_xmin, 0, None) * np.clip(inter_ymax - inter_ymin, 0, None) pred_area = (pred_boxes[:, 2] - pred_boxes[:, 0]) * (pred_boxes[:, 3] - pred_boxes[:, 1]) gt_area = (gt_boxes[:, 2] - gt_boxes[:, 0]) * (gt_boxes[:, 3] - gt_boxes[:, 1]) union_area = pred_area[:, None] + gt_area[None, :] - inter_area iou_matrix = inter_area / (union_area + 1e-6) # 4. 贪心匹配：每个GT最多匹配一个最高IoU的Pred matched_gt = set() for i, pred_row in pred_img.iterrows(): ious = iou_matrix[i] # 找到与当前pred IoU最高的GT best_gt_idx = np.argmax(ious) if ious[best_gt_idx] >= iou_thresh and best_gt_idx not in matched_gt: # TP all_scores.append(pred_row['confidence']) all_labels.append(1) matched_gt.add(best_gt_idx) else: # FP all_scores.append(pred_row['confidence']) all_labels.append(0) return np.array(all_scores), np.array(all_labels) if __name__ == "__main__": scores, labels = load_data(args.pred_csv, args.gt_csv, args.iou_thresh) # 5. sklearn计算PR点（自动处理阈值遍历） precision, recall, _ = precision_recall_curve(labels, scores) # 6. COCO式插值：11-point ap = 0 for t in np.arange(0, 1.1, 0.1): p = np.max(precision[recall >= t]) if np.any(recall >= t) else 0 ap += p / 11 print(f"AP@{args.iou_thresh}: {ap:.4f}") # 7. 保存PR点供绘图 pr_df = pd.DataFrame({'recall': recall, 'precision': precision}) pr_df.to_csv('pr_curve_points.csv', index=False)

这段代码的关键点在于：

• 贪心匹配（Greedy Matching）：确保每个GT只被一个最高IoU的预测框匹配，避免一个GT被多个预测框重复计为TP。
• 向量化IoU计算：使用NumPy广播，避免Python循环，处理万级预测框时速度提升百倍。
• 11-point AP计算：严格遵循COCO标准，保证结果可比性。

4.3 绘图与洞察：plot_pr.py不只是画线

plot_pr.py的目标不是生成一张漂亮的图，而是提供可行动的洞察。它会生成三张图：

1. 标准PR曲线图：两条线（FPN-YOLOv3 vs Faster R-CNN），标注关键点（Recall=0.5, 0.8）的Precision值。
2. Recall-Precision散点图：每个点代表一个置信度阈值下的（Recall, Precision），直观显示曲线的“密度”和“稳定性”。FPN-YOLOv3的点通常更密集、分布更均匀；Faster R-CNN的点在“断崖”区会明显稀疏。
3. FP/TP分布热力图：X轴为置信度区间（0.1-0.2, 0.2-0.3...），Y轴为Recall区间（0.0-0.2, 0.2-0.4...），格子颜色深浅表示该置信度-Recall组合下产生的FP数量。这能一眼看出：Faster R-CNN的FP是否集中在中等置信度（0.4-0.6）和中等Recall（0.5-0.7）区域——这正是RPN“边缘proposal”的证据。

实操心得：在plot_pr.py中，我总会添加一个--analyze参数。启用后，它会自动分析曲线形态并输出诊断报告。例如，当检测到Faster R-CNN曲线在Recall=0.65处Precision下降斜率 > 0.8时，报告会提示：“检测到RPN边缘proposal爆发，建议检查RPN的anchor尺寸是否与数据集中小目标尺寸匹配，或尝试在RPN loss中增加对低IoU proposal的惩罚权重。”

5. 从曲线到行动：如何用PR曲线驱动模型迭代

画出PR曲线只是起点，真正的价值在于它如何指导你下一步该做什么。PR曲线不是终点报告，而是迭代路线图。根据曲线形态，我总结了四类典型问题及其对应的工程动作。

5.1 “高Precision、低Recall”型：查得准，但查不全

曲线特征：曲线起始点（Recall≈0）Precision很高（>0.9），但很快（Recall<0.3）就急剧下降，之后长期徘徊在低水平（Precision<0.3）。

根因诊断：模型过于保守，只对极高置信度的“铁证”目标才敢预测。常见于：训练数据中目标尺寸单一（如全是大目标），模型未学会识别小/模糊目标；或NMS（非极大值抑制）阈值过高，把多个重叠的合理预测框给抑制掉了。

行动清单：

• 数据层面：检查训练集中小目标占比。若<10%，立即进行数据增强——使用Mosaic或Copy-Paste，将小目标随机粘贴到大图中，并确保粘贴后其像素面积仍符合小目标定义（如<32×32）。
• 训练层面：在损失函数中，为小目标预测增加权重。例如，在YOLOv3的loss中，对stride=32（负责大目标）的feature map，loss权重设为1.0；对stride=8（负责小目标）的feature map，loss权重提升至2.0。
• 后处理层面：将NMS的IoU阈值从0.45降至0.3。这允许更多空间相近但类别不同的预测框共存，尤其利于密集小目标。

我曾在一个无人机航拍电力巡检项目中遇到此问题。模型对清晰的绝缘子识别Precision=0.95，但对远距离模糊的销钉Recall仅0.18。执行上述动作后，Recall在Precision=0.7时提升至0.63，满足了客户“至少发现80%潜在缺陷”的底线要求。

5.2 “高Recall、低Precision”型：查得全，但错得多

曲线特征：曲线能轻松达到Recall>0.9，但对应Precision极低（<0.2），整条曲线扁平且贴近横轴。

根因诊断：模型过于激进，把大量背景、噪声甚至图像瑕疵都当成了目标。常见于：训练数据中负样本（背景图）严重不足；或模型在特定类别上过拟合（如把所有圆形物体都判为硬币）。

行动清单：

• 数据层面：强制扩充负样本。爬取1000张纯背景图（如空旷天空、平整墙面、干净桌面），用labelImg手动标注“无目标”，加入训练集。负样本数量应至少达到正样本的1/3。
• 模型层面：在分类头（Classification Head）后添加一个“背景置信度”分支。该分支只输出一个标量，表示该proposal是纯背景的概率。训练时，用交叉熵监督它。推理时，将原始分类置信度与此背景置信度相乘，作为最终置信度。这相当于给模型装了一个“自我怀疑”开关。
• 评估层面：在compute_pr.py中，增加一个--fp_analysis参数。运行后，它会输出TOP-100 FP预测框的图像ID和坐标，并生成一个HTML报告，让你能直观看到：这些误报是集中在某种纹理（如水波纹）、某种光照（如强反光）还是某种相机畸变区域。这比看数字快十倍。

5.3 “双峰”或“平台”型：模型存在结构性盲区

曲线特征：曲线并非平滑下降，而是在Recall=0.4和Recall=0.8附近各有一个明显的“平台”或“双峰”，即Precision在某个Recall区间内几乎不变。

根因诊断：模型对某一类特定难度的目标（如遮挡50%的目标、旋转角度>45°的目标）表现极差，导致在跨越该难度阈值时，Recall提升但Precision不降（因为新增的TP和FP数量相当）。

行动清单：

• 数据层面：使用--fp_analysis报告中的FP图像，人工标注其“难度标签”（如occlusion_level, rotation_angle, blur_degree）。然后，用这些标签训练一个难度分类器。在训练主模型时，对高难度样本（如遮挡>50%）进行过采样。
• 模型层面：引入注意力机制（如CBAM）。在FPN的每一级特征图后，插入一个轻量级注意力模块，强制模型关注目标的关键部位（如人脸的眼睛、车辆的车牌），而非易受干扰的背景区域。
• 后处理层面：放弃全局单一置信度阈值，改为自适应阈值。对每张图像，先用一个轻量级网络（如MobileNetV2）预测其“图像质量分数”（基于清晰度、对比度、光照均匀性），然后根据该分数动态调整置信度阈值。质量高则阈值高（保Precision），质量低则阈值低（保Recall）。

5.4 “断崖”型：RPN的瓶颈暴露无遗

曲线特征：专属于Faster R-CNN，表现为Recall从0.6到0.8的跃升过程中，Precision出现一次陡峭、尖锐的下降（斜率绝对值>0.7）。

根因诊断：RPN生成的proposal质量在中等置信度区间（0.3-0.6）急剧下降，大量proposal与GT的IoU落在0.3-0.5的“灰色地带”，被RCNN Head误判为正类。

行动清单：

• RPN层面：修改RPN的anchor设计。原版Faster R-CNN使用3种scale（128², 256², 512²）和3种aspect ratio（1:1, 1:2, 2:1）。针对你的数据集，用k-means聚类真实GT框的宽高比，生成定制化anchor。例如，在交通标志数据集中，k-means可能给出[1.2, 2.5, 4.0]的ratio，而非默认的[0.5, 1.0, 2.0]。
• 训练层面：在RPN loss中，对IoU在0.3-0.5之间的anchor，施加一个额外的“困难样本挖掘”损失。具体做法：在每个mini-batch中，除了标准的正负样本，额外选取10个IoU最高的“难负样本”（hard negative），并计算其分类loss。这迫使RPN学会更好地区分“似是而非”的区域。
• 工程层面：在compute_pr.py中，将RPN的proposal输出也保存下来，与最终检测结果对比。你会发现，很多“断崖”FP，其RPN阶段的objectness score就已高达0.8，但RCNN Head的分类score却只有0.4。这说明问题出在RPN，而非RCNN，应优先优化RPN。

最后分享一个血泪教训：在一次模型交付中，客户要求PR曲线Recall≥0.9时Precision≥0.5。我们花了两周时间调参，效果甚微。最后，我导出所有Recall=0.9时的预测框，发现其中70%的FP，其预测框中心点距离最近的GT中心点平均只有8像素——这意味着模型已经“看到”了目标，只是框得不够准。于是，我们放弃了在PR曲线上硬扛，转而优化了后处理：对所有置信度>0.3的预测框，用一个轻量级Refinement网络（仅3层卷积）对其坐标进行微调。结果，Recall=0.9时Precision从0.32跃升至0.58，完美达标。PR曲线指引方向，但解决问题的钥匙，往往藏在曲线之外的工程细节里。