YOLO-World项目中的LVIS零样本评估结果差异解析

在YOLO-World目标检测项目中，研究人员发现官方README文档与论文表2中报告的LVIS数据集零样本评估结果存在差异。经过深入分析，这种差异主要源于评估设置的不同。

论文表2中展示的结果采用了特定的评估配置：将max_per_img参数设置为1000，并使用了固定AP（Average Precision）的计算方法。这种评估方式参考了大型词汇目标检测领域的标准实践，能够更全面地反映模型在开放词汇场景下的性能表现。

相比之下，项目仓库README文档中报告的结果则是基于更基础的测试设置。这种设置更接近常规目标检测模型的评估流程，没有对检测数量上限和AP计算进行特殊调整。值得注意的是，当前仓库提供的模型检查点在实际测试中表现优于论文报告结果，这可能是由于后续优化带来的性能提升。

对于希望在COCO数据集上微调YOLO-World模型的研究人员，可以使用仓库README中提供的检查点作为预训练权重。项目团队已经发布了专门的微调配置文件，并承诺将在近期更新微调设置以获得更好的性能表现。

这一发现提醒我们，在比较不同来源的模型性能时，必须关注评估配置的细节差异。研究人员在实际应用中应当根据需求选择合适的评估标准，并注意不同版本模型间的性能变化。