目标检测任务
目标检测任务不仅是识别图像中目标的类别，还能精准定位目标位置，用边界框标记目标所在区域。在实际应用中，目标检测广泛用于图像内容分析、物体识别与定位等场景，需先通过高质量标注数据集完成模型训练，让模型学习目标的特征与位置规律，再利用训练好的模型对未知图像进行目标识别与定位，实现对图像中目标的精准检测。
图像数据上传
进入已创建的项目，在流程界面点击【导入数据】，选择「文件夹」类型，在弹出的「新增文件夹」窗口中，选择待训练的图像数据集压缩包（ZIP 格式）完成上传，确认后即可将图像数据集导入至项目流程中。
再次点击【导入数据】，选择「数据集」类型，上传含有数据列和标注列的数据集（支持.csv等类型），点击【确认】
图像视图转换
双击数据集train，进入到数据管理视图，点击右上角的数据集视图管理按钮，进行图像视图的设置。
按下图所示，选择图像文件夹，输入路径列、标注列，选择标注类型为目标检测，最后点击自动检测类别，即可将数据集中的内容转换为目标检测图像视图。完成后点击【保存】，可以进入到图像视图中查看。
目标检测模型训练
回到流程画布界面，点击train数据集，展开右侧算子，点击目标检测。展开初始配置弹窗，目标列名选择标签列，选择train数据集所对应的图像文件夹，然后点击【确认】。
进入项目「模型」模块的目标检测训练界面，可进行具体参数的配置，核心基础配置包含数据源、配置参数、评价指标等。
数据源配置，需手动指定目标列、文件路径列，并关联原始图像的存储目录，完成训练数据的关联与校验，界面右侧同步展示目标检测的相应展示。
训练集/测试集分为测试集拆分与模型训练两类参数，测试集拆分可自定义分割方法、训练集占比与随机种子，固定拆分结果以保证实验可复现。
配置参数，训练参数支持选择主流预训练模型，自定义微调层数、优化器、初始学习率、学习率调度器、批量大小与训练轮数等，灵活适配不同数据集与任务需求。本任务中，将【微调层数】设置为2，关闭【早停】。
评价指标配置，可按需勾选 mAP、精确率、召回率、F1 Score、交并比（IOU）等多维度评估指标，用于训练后全面衡量模型目标检测效果。
数据增强中可以选择是否启动随机翻转、随机旋转、随机裁剪、颜色扭曲和高斯模糊。
在高级配置中选择相应的运行环境，配置完成后点击「训练」，即可启动模型训练，训练过程可视化展示进度与性能曲线。
所有参数配置完成后，点击【训练】按钮，系统将弹出训练配置弹窗。在弹窗中可选择是否启用 GPU 加速训练，填写任务名称（必填）与任务描述，确认训练集、测试集数据量无误后，再次点击【训练】，即可启动图像分类模型的训练任务。
训练过程中，系统将实时展示训练进度与性能曲线，包括验证集 mAP、训练集 / 验证集损失等核心指标，直观呈现模型收敛情况。训练完成后，界面将生成完整的训练结果报告，展示任务耗时、各评估指标（mAP、mAP (IoU=0.5)、mAP (IoU=0.75) 等）的最终数值，便于后续模型评估与优化。
训练完成后，在「训练结果」页面，点击测试集右侧的【查看详情】按钮，即可进入目标检测模型详情页面。
在模型详情页面，可查看完整的训练信息，包括模型 ID、模型类型、目标变量、分类类别、训练开始时间、训练集行数、训练 / 验证集划分比例、预训练模型、微调层数、优化器、学习率调度器、初始学习率、最终学习率等全部训练参数，以及 mAP 等核心评估指标。
确认模型效果符合预期后，可在该页面完成模型部署，用于后续目标检测预测任务。
目标检测模型预测
部署完毕后模型会在流程界面中出现。随后上传用于预测的图像文件夹和数据集，以供后续预测使用。
点击训练好的模型，展开右侧算子列表，点击【预测】。在弹出的「新建预测」窗口中，完成输入配置与输出配置：输入配置需指定预测数据集、训练好的目标检测模型与预测图像文件夹；输出配置可自定义预测结果名称、存储路径与输出格式，确认后点击【确认】。
进入预测配置页面，可进一步配置预测参数，包括批量大小、是否使用 GPU、分数阈值、最大检测数等，按需调整后点击【运行】，即可启动目标检测预测任务。
预测完成后，可在数据模块中查看预测结果，支持以图片视图直观展示检测框、目标类别与置信度。
