评测说明 · 2026-07-31
儿童画与纸艺样本的 Few-shot 检测结果
针对贵方提供的儿童画与纸艺样本，我们用少量带框图生成检测描述，再对其余图片自动出框， 验证当前 few-shot 视觉检测方案在非写实画面上的可用性。
模型 Qwen/Qwen3.6-35B-A3B
每类 3 张样本学习 · 其余全量预测
共 18 张 · 2 类
绿=参考框 · 橙=预测框
火车画 · 平均 IoU
0.993
测试 4 张全部检出
纸艺船 · 平均 IoU
0.976
测试 8 张全部检出
样本总量
18
火车画 7 · 纸艺 11
单图预测耗时
~2s
在线推理量级
1. 数据与流程
按画面分为两类；每类用前 3 张学习目标外观，其余图片全部用于预测。
① 分组
火车画 7 张：平面蜡笔场景画。
纸艺船 11 张：立体纸艺手工作品。
② 参考框
按目标名称（火车 / 纸艺船）自动标注参考框，用于对比预测结果。
③ 学习样本
每类取 3 张带框图，生成该目标的外观描述，得到可复用的检测模型。
④ 自动出框
对其余图片自动定位目标，并与参考框计算重合度（IoU）。
2. 指标汇总
| 类别 | 目标 | 总量 | 学习 | 测试 | 平均 IoU | 检出 |
|---|---|---|---|---|---|---|
| 火车儿童画 | 火车 |
7 | 3 | 4 | 0.993 | 4/4 |
| 纸艺手工作品 | 纸艺船 |
11 | 3 | 8 | 0.976 | 8/8 |
方案已适配儿童画与纸艺等非写实画面（按外观特征定位，不依赖真实材质假设）。 下表 IoU 越高，表示预测框与参考框重合越好；若后续落地，建议再抽样人工复核若干框。
3. 火车画
平面蜡笔涂鸦，同页常有小人、小车、树等元素；检测目标固定为火车。
学习用 3 张样本（绿框）
测试集逐张 IoU
| 图片 | IoU |
|---|---|
| 381a… | 0.993 |
| 704d… | 1.000 |
| c1ac… | 0.986 |
| f3ca… | 0.993 |
绿 = 参考框
橙 = 预测框
4. 纸艺船
立体纸艺，蓝底红格、胶带反光、多层彩纸；检测目标为整件手工作品。
学习用 3 张样本（绿框）
测试集逐张 IoU
| 图片 | IoU |
|---|---|
| 591e… | 0.992 |
| 9ecb… | 0.907 |
| b48a… | 0.966 |
| b4c9… | 0.998 |
| c0d0… | 0.980 |
| ca97… | 0.994 |
| df60… | 0.989 |
| f246… | 0.978 |
绿 = 参考框
橙 = 预测框
5. 结论
- 在本批儿童画 / 纸艺样本上，方案表现稳定：两类平均 IoU 均在 0.97 以上，测试图片全部检出。
- 建议建模型时明确目标名称（如「火车」「纸艺船」）；一图多元素时更易对准要检的对象。
- 与写实物体场景共用同一套能力，无需单独换模型即可覆盖此类非写实样本。