模型换个拍摄角度就废了：训练数据和上线场景不是一回事

问题

我之前训好一个目标检测模型，在老环境下用得好好的。后来把摄像头位置换了一版（机位、俯仰角都调了，为了覆盖原来拍不到的盲区），再拿新角度的画面去跑，结果一塌糊涂。

我抽样挑了几个新角度的白天画面，各三四十张，用置信度阈值 0.25 去推理，检出率只有 6% 到 17%——也就是说模型基本认不出目标了。原来靠模型自动出框来标数据的路子直接走不通，整个前提崩了。

说白了就一句话：模型只在它训练时见过的那种画面分布上靠谱。换了个拍摄角度，目标在画面里的位置、大小、背景全变了，虽然还是同一个东西，模型没见过这个新分布，就抓瞎。

认清楚这点之后，做法就清楚了：

重新采同一场景的数据，从头训。 新角度的画面得自己采一批、自己标，不能指望旧模型迁移。
评估集必须和上线场景一致。 我顺手定了个规矩：验证集一定要从新角度按”角度 + 时间”切出来，绝对不能把新旧角度的数据混在一起随机分。混在一起的话，旧角度那部分模型认得，验证准确率就好看，但上线跑的是新角度，实际一塌糊涂——指标虚高，骗自己。

另外还有个坑：有一批”别的相机拍的”素材（第一视角、不同镜头），本来想顺手混进训练增广一下。但部署场景是唯一固定的那几个机位，这批素材的相机、视角、背景全不一样，推理时根本不会出现，属于典型的场景外数据。混进去容易教偏。结论是不混主训练集，真要在那个域跑再单独训。