第一课 · 免费学习无需购买

先看懂：给一张图片，
模型究竟输出了什么？

这一课不用安装软件。先对照两张图片，认识目标检测，再决定下一步怎样学习。

01 / 先看输入和输出

左边是一张果干照片，右边是模型运行后的真实输出。模型在图片上画出检测框，并为目标给出类别编号和置信度。

输出结果：果干照片上出现检测框及类别编号 — **输出：目标的位置与预测类别**

现在试着用一句话解释

“我输入一张图片，模型尝试找出目标在哪里，并判断它属于哪个类别编号。”能说清这句话，就理解了这个案例的基本任务。

02 / 读懂框上的信息

检测框

表示模型预测的目标位置。框偏大、偏小或框到背景，都需要进一步检查。

class_5

表示类别编号。本数据的中文类别名称表尚未完整核对，不能自行把编号解释成“柠檬”或“橙子”。

置信度

表示模型对这一次预测的评分，不代表整个测试集的准确率，也不保证这次预测一定正确。

03 / 再看一次不理想的预测

真实误检示例：除了 class_5 还额外预测了 class_0 和 class_2

这张图的真实标注只有一个 class_5 目标，模型还额外预测了 class_0 和 class_2。即使某项测试指标较高，也仍然可能在具体图片上犯错。

先记录“模型多检测了哪些目标”，再分析图片、标注和训练数据。不要仅凭一张图猜测原因，也不要只展示识别正确的图片。

04 / 动手前，把文件摆放清楚

完整教学包现已免费开放。下载并解压到 D:\citrus_project 等短路径，先打开“开始学习.html”。包内包含以下文件：

citrus_project/
├── 开始学习.html / 实验记录模板.html
├── INSTALL.cmd / START_DEMO.cmd
├── data/dried-citrus-fruits-dataset.zip
├── models/ / samples/ / examples/
├── prepare_dataset.py
├── run_yolo.py
└── requirements.txt

其中 data 目录中的 ZIP 是原始数据，models 中是示例模型；prepare_dataset.py 负责检查和准备数据；run_yolo.py 用于训练、测试和预测；requirements.txt 记录依赖要求。

一个新手常见问题

如果提示“找不到文件”，先检查终端所在目录，以及文件有没有被保存成 .py.txt。不要直接删除文件或修改模型代码。

这一课完成了吗？

□ 能说清楚项目的输入与输出。
□ 能区分目标框、类别编号和置信度。
□ 知道模型会误检，并能描述这个错误。
□ 知道项目文件分别承担什么作用。

这四点理解后，下一步是打开完整教程第 2 节，先双击 INSTALL.cmd。只有显示“安装成功 / PASS / READY”后，再启动演示。看到“按任意键”时，请先看上方是成功还是失败。