训练完成后，可通过模型评估报告或模型校验了解模型效果。

• 模型评估报告：训练完成后，可以在【任务总览】列表中看到模型效果，以及详细的模型评估报告。
• 模型校验：训练完成后，可以在【任务总览】操作中点击「校验」，实时校验模型效果。

模型评估报告

图像分类

整体评估

在这个部分可以看到模型训练整体的情况说明，包括基本结论、准确率、F1-score等。这部分模型效果的指标是基于训练数据集，随机抽出部分数据不参与训练，仅参与模型效果评估计算得来。所以当数据量较少时（如图片数量低于100个），参与评估的数据可能不超过30个，这样得出的模型评估报告效果仅供参考，无法完全准确体现模型效果。

查看模型评估结果时，需要思考在当前业务场景，更关注精确率与召回率哪个指标。是更希望减少误识别，还是更希望减少漏识别。前者更需要关注精确率的指标，后者更需要关注召回率的指标。同时F1-score可以有效关注精确率和召回率的平衡情况，对于希望准确率与召回率兼具的场景，F1-score越接近1效果越好。评估指标具体的说明如下。

• F1-score： 对某类别而言为精确率和召回率的调和平均数，评估报告中指各类别F1-score的平均数
• 准确率： 基于随机测试集进行计算，为正确分类的样本数与总样本数之比

注意：若想要更充分了解模型效果情况，建议发布模型为API后，通过调用接口批量测试，获取更准确的模型效果。

• top1-top5准确率 对于每一个评估的图片文件，模型会给根据置信度高低，依次给出top1-top5的识别结果，其中top1置信度最高，top5的置信度最低。那么top1的准确率值是指对于评估标准为“top1结果识别为正确时，判定为正确”给出准确率。top2准确率值是指对于评估标准为“top1或者top2只要有一个命中正确的结果，即判定为正确”给出的准确率。……以此类推。

详细评估

这个部分支持查看模型识别错误的图片示例，以及使用混淆矩阵定位易混淆的分类。

识别错误图片示例

通过分标签查看模型识别错误的图片，寻找其中的共性，进而有针对性的扩充训练数据。

例如，你训练了一个将小番茄和樱桃分类的模型。在查看小番茄分类的错误示例时，发现错误示例中有好几张图片都是带着绿色根茎的小番茄（与樱桃比较相似）。这种情况下，就需要在小番茄分类的训练集中，多增加一些带绿色根茎的图片，让模型有足够的数据能够学习到带根茎的小番茄和樱桃的区别。

这个例子中，我们找到的是识别错误的图片中，目标特征上的共性。除此之外，还可以观察识别错误的图片在以下维度是否有共性，比如：图片的拍摄设备、拍摄角度，图片的亮度、背景等等。

物体检测

整体评估

在这个部分可以看到模型训练整体的情况说明，包括基本结论、mAP、精确率、召回率。这部分模型效果的指标是基于训练数据集，随机抽出部分数据不参与训练，仅参与模型效果评估计算得来。所以当数据量较少时（如图片数量低于100个），参与评估的数据可能不超过30个，这样得出的模型评估报告效果仅供参考，无法完全准确体现模型效果。

注意：若想要更充分了解模型效果情况，建议发布模型为API后，通过调用接口批量测试，获取更准确的模型效果。

查看模型评估结果时，需要思考在当前业务场景，更关注精确率与召回率哪个指标。是更希望减少误识别，还是更希望减少漏识别。前者更需要关注精确率的指标，后者更需要关注召回率的指标。同时F1-score可以有效关注精确率和召回率的平衡情况，对于希望准确率与召回率兼具的场景，F1-score越接近1效果越好。评估指标说明如下

• F1-score： 对某类别而言为精确率和召回率的调和平均数，评估报告中指各类别F1-score的平均数
• mAP： mAP(mean average precision)是物体检测(Object Detection)算法中衡量算法效果的指标。对于物体检测任务，每一类object都可以计算出其精确率(Precision)和召回率(Recall)，在不同阈值下多次计算/试验，每个类都可以得到一条P-R曲线，曲线下的面积就是average
• 精确率： 正确预测的物体数与预测物体总数之比。评估报告中具体指经比较F1-score最高的阈值下的结果
• 召回率： 正确预测的物体数与真实物体数之比。评估报告中具体指经比较F1-score最高的阈值下的结果

详细评估

在这个部分可以看到不同阈值下的F1-score、模型识别错误的图片示例，以及使用混淆矩阵定位易混淆的标签。

识别错误图片示例

通过分标签查看模型识别错误的图片，直寻找其中的共性，进而有针对性的扩充训练数据；或发现是标注错误，从而直接点击修改标注来将标注修正

如下图所示，可以通过勾选「误识别」、「漏识别」来分别查看两种错误识别的情况：

• 误识别：红框内没有目标物体（准备训练数据时没有标注），但模型识别到了目标物体 观察误识别的目标有什么共性：例如，一个检测电动车的模型，把很多自行车误识别成了电动车（因为电动车和自行车外观上比较相似）。这时，就需要在训练集中为自行车特别建立一个标签，并且在所有训练集图片中，将自行车标注出来。

可以把模型想象成一个在认识世界的孩童，当你告诉他电动车和自行车分别是什么样时，他就能认出来；当你没有告诉他的时候，他就有可能把自行车认成电动车。

• 漏识别：橙框内应该有目标物体（准备训练数据时标注了），但模型没能识别出目标物体 观察漏识别的目标有什么共性：例如，一个检测会议室参会人数的模型，会漏识别图片中出现的白色人种。这大概率是因为训练集中缺少白色人种的标注数据造成的。因此，需要在训练集中添加包含白色人种的图片，并将白色人种标注出来。

黄色人种和白色人种在外貌的差别上是比较明显的，由于几乎所有的训练数据都标注的是黄色人种，所以模型很可能认不出白色人种。需要增加白色人种的标注数据，让模型学习到黄色人种和白色人种都属于「参会人员」这个标签。

以上例子中，我们找到的是识别错误的图片中，目标特征上的共性。除此之外，还可以观察识别错误的图片在以下维度是否有共性，比如：图片的拍摄设备、拍摄角度，图片的亮度、背景等等。

实例分割

整体评估

在这个部分可以看到模型训练整体的情况说明，包括基本结论、mAP、精确率、召回率。这部分模型效果的指标是基于训练数据集，随机抽出部分数据不参与训练，仅参与模型效果评估计算得来。所以当数据量较少时（如图片数量低于100个），参与评估的数据可能不超过30个，这样得出的模型评估报告效果仅供参考，无法完全准确体现模型效果。

注意：若想要更充分了解模型效果情况，建议发布模型为API后，通过调用接口批量测试，获取更准确的模型效果。

查看模型评估结果时，需要思考在当前业务场景，更关注精确率与召回率哪个指标。是更希望减少误识别，还是更希望减少漏识别。前者更需要关注精确率的指标，后者更需要关注召回率的指标。同时F1-score可以有效关注精确率和召回率的平衡情况，对于希望准确率与召回率兼具的场景，F1-score越接近1效果越好。评估指标说明如下

• F1-score： 对某类别而言为精确率和召回率的调和平均数，评估报告中指各类别F1-score的平均数
• mAP： mAP(mean average precision)是物体检测(Object Detection)算法中衡量算法效果的指标。对于物体检测任务，每一类object都可以计算出其精确率(Precision)和召回率(Recall)，在不同阈值下多次计算/试验，每个类都可以得到一条P-R曲线，曲线下的面积就是average
• 精确率： 正确预测的物体数与预测物体总数之比。评估报告中具体指经比较F1-score最高的阈值下的结果
• 召回率： 正确预测的物体数与真实物体数之比。评估报告中具体指经比较F1-score最高的阈值下的结果

详细评估

在这个部分可以看到不同阈值下的F1-score，以及模型识别错误的图片示例。

识别错误图片示例

通过分标签查看模型识别错误的图片，寻找其中的共性，进而有针对性的扩充训练数据。

如下图所示，可以通过勾选「误识别」、「漏识别」来分别查看两种错误识别的情况：

• 误识别：红色遮盖内没有目标物体（准备训练数据时没有标注），但模型识别到了目标物体 观察误识别的目标有什么共性：例如，一个检测电动车的模型，把很多自行车误识别成了电动车（因为电动车和自行车外观上比较相似）。这时，就需要在训练集中为自行车特别建立一个标签，并且在所有训练集图片中，将自行车标注出来。

可以把模型想象成一个在认识世界的孩童，当你告诉他电动车和自行车分别是什么样时，他就能认出来；当你没有告诉他的时候，他就有可能把自行车认成电动车。

• 漏识别：橙色遮盖内应该有目标物体（准备训练数据时标注了），但模型没能识别出目标物体 观察漏识别的目标有什么共性：例如，一个检测会议室参会人数的模型，会漏识别图片中出现的白色人种。这大概率是因为训练集中缺少白色人种的标注数据造成的。因此，需要在训练集中添加包含白色人种的图片，并将白色人种标注出来。

黄色人种和白色人种在外貌的差别上是比较明显的，由于几乎所有的训练数据都标注的是黄色人种，所以模型很可能认不出白色人种。需要增加白色人种的标注数据，让模型学习到黄色人种和白色人种都属于「参会人员」这个标签。

以上例子中，我们找到的是识别错误的图片中，目标特征上的共性。除此之外，还可以观察识别错误的图片在以下维度是否有共性，比如：图片的拍摄设备、拍摄角度，图片的亮度、背景等等。

模型校验

图像分类

物体检测

实例分割