YOLOv9 F1-score分析：精确率与召回率平衡点寻找

在目标检测模型的实际落地中，我们常常听到“这个模型精度高”“那个模型速度快”，但真正决定一个模型能否投入生产的，往往不是单一指标的极致表现，而是多个评估维度之间的合理平衡。F1-score正是这样一个关键桥梁——它把精确率（Precision）和召回率（Recall）这两个看似矛盾的目标，压缩成一个可比、可调、可优化的综合数值。尤其对YOLOv9这类面向工业部署的实时检测模型而言，F1-score不仅反映模型“认得准不准”，更揭示它“漏得少不少”“误报多不多”，直接关联到产线质检的误判率、安防系统的响应效率、自动驾驶的决策可靠性。

本文不讲抽象公式推导，也不堆砌理论证明。我们将基于YOLOv9官方版训练与推理镜像，带你亲手跑通一次完整的评估流程：从加载预训练权重、执行验证集推理，到自动计算各类指标、绘制P-R曲线，最终定位F1-score最高点——也就是那个最值得信赖的“平衡阈值”。所有操作均在开箱即用的镜像环境中完成，无需额外配置，代码可复制即运行，结果可复现可对比。

1. 为什么F1-score是YOLOv9落地的关键标尺

在目标检测任务中，模型输出的是大量带置信度的边界框。我们通过设定一个置信度阈值（confidence threshold）来筛选哪些框“算数”。这个阈值一变，整个评估结果就跟着变：

阈值设得太高（比如0.9），只保留最拿得准的框 → 精确率高（几乎都是对的），但很多真实目标被漏掉 → 召回率低；
阈值设得太低（比如0.1），连模棱两可的框都保留 → 召回率高（几乎没漏），但混入大量误检 → 精确率低。

F1-score正是这两者的调和剂，定义为精确率与召回率的调和平均数：

$$ F1 = 2 \times \frac{Precision \times Recall}{Precision + Recall} $$

它天然惩罚极端倾向：当Precision或Recall任意一个接近0，F1就会急剧下降。因此，F1-score的最大值点，就是模型在“不错判”和“不漏判”之间找到的最佳折中位置。对YOLOv9来说，这个点往往不是默认的0.25或0.5，而需要实测确认——它可能在0.37，也可能在0.42，差这0.05，实际误报率可能相差3倍。

更重要的是，F1-score具备强工程指导性。比如在智能仓储场景中，你宁可让机械臂多抓一次空框（低Precision），也不能让它漏掉一个待分拣包裹（低Recall）。此时，你可以主动将阈值向Recall侧偏移，接受稍低的F1，换取更高的业务安全边际。而这一切决策的前提，是你清楚知道F1曲线的完整形态。

2. 在YOLOv9镜像中实测F1-score曲线

本节所有操作均在已启动的YOLOv9官方镜像中完成。该镜像预装了完整环境，代码位于/root/yolov9，权重文件yolov9-s.pt已就位，无需下载、编译或依赖排查。

2.1 准备验证数据与配置

YOLOv9官方评估脚本默认使用COCO val2017作为基准测试集。若你已有自定义数据集，请确保其符合YOLO格式（images/和labels/目录，data.yaml中正确声明路径）。本文以COCO为例，快速验证流程：

cd /root/yolov9 # 下载COCO val2017（首次运行需约5分钟，后续跳过） bash scripts/get_coco.sh

确认data/coco.yaml中val字段指向../coco/val2017，且nc: 80（类别数）正确。

2.2 运行多阈值评估脚本

YOLOv9原生未提供一键F1曲线生成工具，但我们可利用其val.py的灵活参数，配合轻量级Python脚本批量执行。在镜像中创建eval_f1_curve.py：

# /root/yolov9/eval_f1_curve.py import os import json import subprocess import numpy as np import matplotlib.pyplot as plt # 定义阈值范围（0.05到0.95，步长0.05） conf_thres_list = np.round(np.arange(0.05, 1.0, 0.05), 2) results = [] for conf in conf_thres_list: print(f"\n=== Running evaluation with conf_thres={conf} ===") # 调用YOLOv9 val.py，指定置信度阈值 cmd = [ "python", "val.py", "--data", "data/coco.yaml", "--weights", "./yolov9-s.pt", "--batch-size", "32", "--img", "640", "--conf", str(conf), "--name", f"val_conf_{conf}", "--task", "val" ] try: result = subprocess.run(cmd, capture_output=True, text=True, timeout=1200) if result.returncode == 0: # 解析val.py输出中的mAP@0.5和各类指标（需YOLOv9输出支持） # 实际中，我们读取runs/val/val_conf_X.XX/results.txt log_path = f"runs/val/val_conf_{conf}/results.txt" if os.path.exists(log_path): with open(log_path, 'r') as f: lines = f.readlines() # 提取最后一行的Precision、Recall、mAP等（YOLOv9标准输出格式） last_line = lines[-1].strip() parts = last_line.split() if len(parts) >= 6: try: p = float(parts[0]) # Precision r = float(parts[1]) # Recall f1 = 2 * p * r / (p + r + 1e-9) # 避免除零 results.append({'conf': conf, 'precision': p, 'recall': r, 'f1': f1}) print(f"Conf: {conf:.2f} | P: {p:.3f} | R: {r:.3f} | F1: {f1:.3f}") except (ValueError, ZeroDivisionError): pass else: print(f"Failed at conf={conf}: {result.stderr[:200]}") except subprocess.TimeoutExpired: print(f"Timeout at conf={conf}") # 保存结果 with open("f1_curve_results.json", "w") as f: json.dump(results, f, indent=2) # 绘图 if results: confs = [r['conf'] for r in results] precs = [r['precision'] for r in results] recs = [r['recall'] for r in results] f1s = [r['f1'] for r in results] plt.figure(figsize=(10, 6)) plt.plot(confs, precs, 'o-', label='Precision', color='#1f77b4') plt.plot(confs, recs, 's-', label='Recall', color='#ff7f0e') plt.plot(confs, f1s, '^-', label='F1-score', color='#2ca02c', linewidth=2.5) # 标出F1最大值点 max_idx = np.argmax(f1s) plt.scatter([confs[max_idx]], [f1s[max_idx]], color='red', s=100, zorder=5) plt.annotate(f'Best F1={f1s[max_idx]:.3f}\nat conf={confs[max_idx]}', xy=(confs[max_idx], f1s[max_idx]), xytext=(confs[max_idx]+0.05, f1s[max_idx]-0.05), arrowprops=dict(arrowstyle='->', color='red')) plt.xlabel('Confidence Threshold') plt.ylabel('Score') plt.title('YOLOv9-s F1-score Curve on COCO val2017') plt.legend() plt.grid(True, alpha=0.3) plt.tight_layout() plt.savefig("f1_curve.png", dpi=300) plt.show() print("\nF1 curve generation completed. Results saved to f1_curve_results.json and f1_curve.png")

运行该脚本：

python eval_f1_curve.py

注意：首次运行耗时较长（约30-45分钟），因需对每个阈值重复执行完整验证流程。过程中会自动生成runs/val/下的多个子目录，每个对应一个conf_thres设置。

2.3 结果解读：定位你的最佳平衡点

脚本执行完毕后，你会得到两个关键产物：

f1_curve_results.json：结构化记录所有阈值下的P/R/F1数值；
f1_curve.png：直观的F1曲线图。

典型YOLOv9-s在COCO val2017上的F1曲线呈现如下特征：

Precision曲线单调递减（阈值越高，越谨慎，错的越少）；
Recall曲线单调递增（阈值越低，越宽松，漏的越少）；
F1曲线呈单峰状，在conf_thres ≈ 0.42处达到峰值（示例值，实际以你的运行结果为准）。

假设你的结果中F1最高值为0.683，出现在conf=0.41，这意味着：

当你将推理置信度设为0.41时，模型在COCO数据上实现了精确率与召回率的最优协同；
若业务更看重“不漏检”（如医疗影像病灶检测），可将阈值下调至0.35，此时F1略降为0.672，但Recall从0.72升至0.78；
若业务更看重“不错判”（如自动驾驶障碍物识别），可将阈值上调至0.48，此时F1为0.675，Precision从0.65升至0.71。

这个0.41，就是你的YOLOv9-s在当前数据分布下的黄金阈值——它不是玄学参数，而是被数据验证过的、可复现的工程决策依据。

3. 超越F1：结合业务场景的阈值调优策略

F1-score是强大的起点，但绝非终点。真实业务中，误报（False Positive）与漏报（False Negative）的代价往往天差地别。此时，我们需要跳出F1框架，引入业务加权评估。

3.1 构建代价敏感的Fβ-score

F1是Fβ在β=1时的特例。当误报代价远高于漏报时（如金融风控），可设β<1（如β=0.5），让公式更看重Precision：

$$ F_{0.5} = 1.25 \times \frac{Precision \times Recall}{0.25 \times Precision + Recall} $$

反之，当漏报代价更高（如工业缺陷检测），设β>1（如β=2），强化Recall权重：

$$ F_2 = 5 \times \frac{Precision \times Recall}{4 \times Precision + Recall} $$

修改前述脚本中的F1计算部分即可：

# 替换原F1计算行 beta = 2.0 # 侧重召回率 f_beta = (1 + beta**2) * p * r / (beta**2 * p + r + 1e-9)

重新运行，你会得到一条新的F2曲线，其峰值点（如conf=0.33）很可能比F1峰值更低——这正反映了业务对“宁可多检、不可漏检”的刚性要求。

3.2 可视化漏检与误检模式

光看数字不够，必须看到“哪里漏了”“哪里错了”。YOLOv9的val.py支持生成可视化错误图：

python val.py --data data/coco.yaml --weights ./yolov9-s.pt --conf 0.41 --save-hybrid --name val_best_f1

参数--save-hybrid会保存三类图像：

_FP.jpg：误检框（背景被当成目标）；
_FN.jpg：漏检框（真实目标未被框出）；
_TP.jpg：正确检测框。

进入runs/val/val_best_f1/目录，打开_FP.jpg和_FN.jpg，你会直观发现：

FP多出现在纹理复杂区域（如树叶、栅栏），提示需增强背景抑制能力；
FN多出现在小目标或遮挡目标上，提示需调整anchor尺寸或启用mosaic增强。

这些观察无法从F1数字中获得，却是模型迭代最直接的输入。

4. 实战建议：让F1分析真正驱动模型优化

F1-score分析的价值，不在于生成一张漂亮的曲线图，而在于它能精准定位模型短板，并指导下一步动作。以下是基于YOLOv9镜像的可执行建议：

4.1 数据层面：针对性增强薄弱环节

若F1曲线在低阈值区（<0.3）上升缓慢，说明Recall提升困难，大概率存在小目标漏检问题。此时应：

在train_dual.py中启用--rect参数，使用矩形训练提升小目标分辨率；
修改hyp.scratch-high.yaml，增大mosaic概率至1.0，并增加copy_paste增强；
将数据集中小目标样本（面积<32×32像素）单独抽样，按2:1比例过采样。

4.2 模型层面：轻量级结构调整

若F1峰值偏低（<0.65），且P/R曲线整体平缓，说明模型容量或结构存在瓶颈。可尝试：

替换主干网络：将models/detect/yolov9-s.yaml中的backbone部分，由CSPDarknet53升级为ELAN（YOLOv9原生设计）；
增加检测头通道数：在head模块中，将nn.Conv2d的out_channels从3*(nc+4)提升至3*(nc+4)*1.2（需同步调整nc）；
启用Dual-Attention：YOLOv9核心创新，在train_dual.py中确保--dual-attn参数开启。