计算机视觉入门：五步流水线与八类任务实战对照

简介：面向计算机视觉初学者与入门开发者的 PDF 讲义，围绕「让计算机系统获得类人视觉能力」这一核心目标，系统梳理从图像获取、前期处理、特征提取到图像分析、图像解释的完整流程，并对图像分类、物体检测、图像分割、场景理解、人脸识别、姿态估计、光流估计、立体视觉八类基本任务逐一说明实现思路与典型算法，如 LeNet-5、AlexNet、VGGNet、GoogLeNet、ResNet，以及 SIFT、SURF 等传统特征方法。文中还结合图像搜索、视觉监控与安防、医学影像识别、自动驾驶、农业图像分析等落地场景，帮助读者建立从概念到应用的认知框架。压缩包内仅 1 个 PDF 文件，约 483KB，篇幅精炼，适合作为课前速览或技术选型前的背景补充材料。目前已有 175 人学习下载，可用于课程预习、概念复盘与面试前的知识梳理。

1. 从一份 PDF 说起：计算机视觉入门资料怎么用才不白下

大多数人下计算机视觉入门资料的状态是这样的：存进网盘，翻三页，看到“卷积核”“感受野”“残差学习”就开始走神，然后关掉，觉得自己基础差。我做过一个对比实验，让两个基础差不多的开发者各自读公开的 CV 入门材料，A 同学逐页划重点，B 同学拿着一条固定流水线去对照读：图像获取 → 预处理 → 特征提取 → 分析 → 解释。两天后，B 能写出一个能跑的分类脚本并说出每步在干嘛，A 只记住了几个模型名字。差别不在聪明，在于有没有把抽象概念挂到具体的处理链上。

这份《计算机视觉技术（CV）简要介绍.pdf》的价值就在于它把整条链路和八类基本任务（分类、检测、分割、场景理解、人脸、姿态、光流、立体视觉）铺全了，每个任务都给了传统方法和深度学习方法两条路。它不是教程，是地图。地图的正确用法是：先定位，再挑一条线走完一个完整回路，而不是从头背到尾。这篇内容要解决的就是这个——把它当成选型参照和落地检查表来用。

2. 把五步流水线落到代码：从图像获取到特征提取的可跑骨架

资料里提到的五个基本步骤是理解 CV 的主干道：图像获取、预处理、特征提取、图像分析、图像解释。概念本身不难，难的是每一步在工程里对应什么操作、参数怎么读、出问题看什么。这一章把前四步落成一份能直接跑的代码骨架，再用它去对照资料里的任务说明。常见做法是用 Python + OpenCV + PyTorch 这套组合，装起来快，社区资料多，出错也容易搜到原因。

2.1 环境依赖与数据落地

先确认依赖版本，这几个库的版本差异会直接影响 API 名字，装错了跑不起来。

# 建议独立虚拟环境，避免和系统里的老版本冲突 python -m venv cv_env source cv_env/bin/activate # Windows 用 cv_env\Scripts\activate pip install opencv-python==4.9.0.80 pip install numpy==1.26.4 pip install torch==2.2.0 torchvision==0.17.0 pip install scikit-image==0.22.0 pip install matplotlib==3.8.3

opencv-python是主处理库，选 4.9 分支是因为cv2.dnn和传统算子接口稳定；numpy卡在 1.26 是兼容性问题，2.x 会跟部分旧版科学计算包打架；torch取 2.2 是贪它对新显卡的驱动支持。版本号只是我这边的基线，你按自己的显卡驱动微调，但OpenCV 和 NumPy 的大版本不要随手升级，这是我踩过的最常见的一类坑。

数据侧不需要大规模集合，准备三类小样本就够验证整条链路：一类是简单背景下的单体目标（比如白底物件照片），一类是背景杂乱多目标，一类是低照度或者有运动模糊的。每类二十张上下，自己拍也行。资料里强调“图像质量决定上限”，在你没有数据管线的阶段，采样比模型重要得多。

目录建议这样放，后面脚本直接按相对路径读：

cv_workspace/ ├── data/raw/ # 原始采集，不覆盖不修改 ├── data/clean/ # 预处理输出 ├── features/ # 特征与中间结果 ├── models/ # 权重与训练产物 └── scripts/

原始目录只读这个习惯一定要养成。预处理脚本写回去覆盖原图，是几乎所有“结果越跑越差”问题的源头。

2.2 图像获取与预处理：先把输入稳定住

预处理的目标不是好看，是把干扰变量压下去，让后面的特征提取吃到的输入是同一个分布。

import cv2 import numpy as np from pathlib import Path RAW_DIR = Path("data/raw") CLEAN_DIR = Path("data/clean") TARGET_SIZE = (640, 480) # 统一到同一尺度，后续特征维度才一致 USE_CLAHE = True # 低照度样本打开，正常光照可关掉对比效果 def preprocess(img_path: Path) -> np.ndarray: img = cv2.imread(str(img_path)) if img is None: raise FileNotFoundError(f"读不到图，检查路径或编码: {img_path}") # 1) 几何校正：镜头畸变用标定参数，没标定就先做等比例缩放 img = cv2.resize(img, TARGET_SIZE, interpolation=cv2.INTER_AREA) # 2) 去噪：非局部均值比高斯模糊更保边，代价是慢，小样本可接受 img = cv2.fastNlMeansDenoisingColored(img, None, 8, 8, 7, 21) # 3) 光照归一：CLAHE 在 LAB 的 L 通道上做，避免直接拉 RGB 导致偏色 if USE_CLAHE: lab = cv2.cvtColor(img, cv2.COLOR_BGR2LAB) l, a, b = cv2.split(lab) l = cv2.createCLAHE(clipLimit=2.0, tileGridSize=(8, 8)).apply(l) img = cv2.cvtColor(cv2.merge([l, a, b]), cv2.COLOR_LAB2BGR) return img for p in sorted(RAW_DIR.glob("*.*")): out = preprocess(p) cv2.imwrite(str(CLEAN_DIR / p.name), out) print(f"done: {p.name} -> {out.shape}")

逐段说明。cv2.resize用INTER_AREA是因为缩小时它的抗混叠表现最好，换成INTER_LINEAR在缩图场景容易出锯齿，这是很多人第一次做预处理时忽略的细节。fastNlMeansDenoisingColored的四个数值参数依次是亮度强度、颜色分量强度、模板窗口和搜索窗口，前两个越大越干净也越糊，8 是通用起点；模板窗口 7、搜索窗口 21 是速度和质量的折中。CLAHE 的两个参数里，clipLimit控制对比度放大幅度，超过 4 容易把噪声一起拉起来，tileGridSize决定局部性，8×8 分块适合 480p 到 1080p 的样本，分辨率特别高时要同步调大。

资料里把预处理写成“校正、去噪、增强”三件事，代码里对应的就是缩放、去噪、CLAHE 三步。注意执行顺序不能随便换：先去噪再增强，反了的话增强会把噪声一起放大，去噪反而更吃力。这是我在一个小批量的工业检测样本上血泪教训换来的顺序。

2.3 特征提取：传统算子和 CNN 特征各取一段

资料给了两套特征提取路线，传统方法（边缘、纹理、颜色）和 CNN 学习特征。实际工程里它们不是替代关系，我一般两个都跑，传统特征当快速基线，CNN 特征当上限参照。

import cv2 import numpy as np def handcrafted_features(img: np.ndarray) -> dict: gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 边缘强度：Sobel 两个方向合成梯度幅值，均值反映整体轮廓丰富度 gx = cv2.Sobel(gray, cv2.CV_32F, 1, 0, ksize=3) gy = cv2.Sobel(gray, cv2.CV_32F, 0, 1, ksize=3) edge_mag = np.sqrt(gx ** 2 + gy ** 2) # 颜色分布：HSV 直方图对光照变化比 RGB 更稳 hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV) hist_h = cv2.calcHist([hsv], [0], None, [32], [0, 180]).flatten() hist_h = hist_h / (hist_h.sum() + 1e-6) # 纹理：LBP 直方图，对局部纹理敏感且计算便宜 from skimage.feature import local_binary_pattern lbp = local_binary_pattern(gray, P=8, R=1, method="uniform") lbp_hist, _ = np.histogram(lbp, bins=10, range=(0, 10), density=True) return { "edge_mean": float(edge_mag.mean()), "edge_std": float(edge_mag.std()), "hue_hist": hist_h.tolist(), "lbp_hist": lbp_hist.tolist(), }

参数含义要讲清。Sobel 的ksize=3是最小有效核，核越大抗噪越好但边缘定位越粗，小目标场景不建议超过 5。HSV 直方图只用 H 通道 32 个 bin，是因为 S、V 两个通道受曝光影响大，做类别区分时反而引入噪声；bin 数 32 是在 180 的取值范围上取的经验值，bin 太少分辨不出相近颜色，太多导致直方图稀疏。LBP 的P=8, R=1表示半径 1 个像素内采 8 个邻点，method="uniform"会把等价模式合并，输出维度降到 10 类，适合做低维纹理描述；半径调大会捕捉更大尺度纹理，但小样本上容易过拟合。

CNN 特征侧不用自己搭，取预训练网络的中间层输出就够做基线对比：

import torch import torchvision.transforms as T from torchvision.models import resnet18, ResNet18_Weights weights = ResNet18_Weights.IMAGENET1K_V1 model = resnet18(weights=weights) model.fc = torch.nn.Identity() # 砍掉分类头，直接拿 512 维特征 model.eval() transform = T.Compose([ T.ToPILImage(), T.Resize((224, 224)), # ImageNet 系模型的固定输入 T.ToTensor(), T.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225]), ]) @torch.no_grad() def cnn_features(img: np.ndarray) -> np.ndarray: tensor = transform(cv2.cvtColor(img, cv2.COLOR_BGR2RGB)).unsqueeze(0) return model(tensor).squeeze(0).numpy()

model.fc = Identity()是把最后的全连接分类层换成直通，输出维度从 1000 类变成 512 维特征，这个做法在迁移学习里非常通用。Resize((224, 224))是 ResNet 系的标准输入，改尺寸不影响能跑但会影响特征分布。Normalize那两组数是 ImageNet 的统计量，自己算也行，但用预训练权重就必须对齐，否则特征会整体偏掉——这个坑我第一次做迁移时卡了半天，一直以为模型没学好，其实是归一化对不上。

传统特征和 CNN 特征放一起对比，你会看到很现实的分层：简单清晰样本上，传统特征加个 SVM 就能到不错的准确率，成本几乎为零；背景杂乱或多类别细粒度任务上，传统特征掉得厉害，而预训练 CNN 特征即使不微调也能撑住。这就是资料里“传统方法和深度学习方法”两条线的真实分工，选型时按样本复杂度决定先走哪条，比一上来就调网络务实。

2.4 图像分析与解释：用最小闭环验证任务选型

拿到特征之后，图像分析这一步对应分类、检测、分割这些任务，图像解释对应更高层的语义推理。入门阶段不要一次全铺开，先跑通分类这个小闭环，因为它对数据和算力的要求最低。

import numpy as np from sklearn.svm import SVC from sklearn.model_selection import train_test_split from sklearn.preprocessing import StandardScaler from sklearn.pipeline import make_pipeline # X 为特征矩阵，y 为类别标签，这里只是接口示意 def train_baseline(X, y): X_tr, X_te, y_tr, y_te = train_test_split( X, y, test_size=0.2, stratify=y, random_state=42 ) clf = make_pipeline(StandardScaler(), SVC(kernel="rbf", C=1.0, gamma="scale")) clf.fit(X_tr, y_tr) print(f"holdout acc: {clf.score(X_te, y_te):.4f}") return clf

StandardScaler不能省，SVM 对特征尺度极敏感，边缘强度在几百的量级、归一化直方图在 0 到 1 之间，不标准化的话模型基本等于只看第一个特征。stratify=y保证划分后类别比例一致，小样本下这一项至关重要，不加的话某类可能全进测试集，分数直接失真。C控制惩罚强度，gamma="scale"让核宽随特征方差自适应，这两个默认值在入门阶段够用，先别急着网格搜索。

这个闭环跑通的意义在于：你有了一个可复现的参照点。后面换成 CNN 特征、换成微调模型，指标涨了还是跌了都有对照，而不是凭感觉说“深度学习更好”。资料里每个任务都给了应用场景，智能监控、医学影像、自动驾驶、农业分析这些方向的数据特点差别很大，选型判断依赖的正是这种可对照的基线。

3. 八类任务的对号入座：什么时候该上检测、分割、跟踪

资料把基本任务列了八类，实际动手时最大的困惑不是算法细节，而是手上这个问题到底归哪一类。归错类的代价很直接：用分类去解决定位需求，或者用分割去解一个只需要框的任务，标注成本和推理开销都白花。这一章按任务给出判定标准、最小可跑路径和常见参数。

3.1 图像分类与物体检测的分界线

判定规则很简单：如果你只关心“图里有没有”，分类够用；如果还要“在哪”，就得上检测。资料里分类的应用场景列出了图像搜索、自动打标、医学图像识别这些，共同特征是目标占据画面主体或者只需图级标签。

检测的六步流程（特征提取、候选区域生成、分类、位置回归、后处理、筛选）在资料里写得很清楚，落到工程上，我建议先用预训练检测模型验证思路，再决定要不要自建：

import cv2 import numpy as np # 用 OpenCV DNN 加载通用检测模型，只做推理验证，不做训练 net = cv2.dnn.readNetFromONNX("models/detector.onnx") net.setPreferableBackend(cv2.dnn.DNN_BACKEND_OPENCV) def detect(img: np.ndarray, conf_thr=0.4, nms_thr=0.45): h, w = img.shape[:2] blob = cv2.dnn.blobFromImage( img, scalefactor=1/255.0, size=(640, 640), mean=(0, 0, 0), swapRB=True, crop=False ) net.setInput(blob) outputs = net.forward() boxes, scores, class_ids = [], [], [] for det in outputs.reshape(-1, outputs.shape[-1]): cls_scores = det[4:] cid = int(np.argmax(cls_scores)) score = float(cls_scores[cid]) if score < conf_thr: continue cx, cy, bw, bh = det[:4] # 归一化坐标还原到像素坐标 x = int((cx - bw / 2) * w) y = int((cy - bh / 2) * h) boxes.append([x, y, int(bw * w), int(bh * h)]) scores.append(score) class_ids.append(cid) idxs = cv2.dnn.NMSBoxes(boxes, scores, conf_thr, nms_thr) return [boxes[i] for i in idxs], [scores[i] for i in idxs], [class_ids[i] for i in idxs]

conf_thr是置信度门槛，0.4 是通用起点，漏检多就降到 0.25，误检多就抬到 0.5 以上，这一项对结果影响远大于换模型。nms_thr是非最大抑制的 IoU 阈值，用于去掉重叠框，0.45 是比较稳的值；目标密集场景（比如货架商品）要调到 0.5 到 0.6，否则相邻目标会被误抑制掉。blobFromImage里swapRB=True是因为 OpenCV 默认 BGR，而多数模型按 RGB 训练，这个开关忘记设的表现是准确率莫名下降一截，很难查。scalefactor=1/255.0把像素归一化到 0 到 1，具体值要看模型训练时的预处理约定，模型文档里一般会写。

注意 NMS 是后处理步骤里最容易出问题的一环，资料里专门点了它。它的作用机制是保留得分最高的框、抑制与其 IoU 超阈值的框，所以顺序敏感。同一批框换个排序结果就可能不同，这也是为什么可复现性在检测任务里要靠固定输入顺序和随机种子。

3.2 图像分割：四类方法怎么按场景挑

资料把分割分成基于阈值、基于区域、基于边缘、基于图割、基于深度学习几路。选型不看先进程度，看你的需求和样本条件：

阈值分割的最小实现是这样的：

import cv2 import numpy as np def threshold_segment(img: np.ndarray, mode="otsu"): gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) if mode == "otsu": # 自动选阈值，适合双峰直方图 _, mask = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU) else: # 手动阈值，需要先看直方图分布再定 _, mask = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY) # 形态学开运算去小噪点，闭运算补孔洞 kernel = np.ones((3, 3), np.uint8) mask = cv2.morphologyEx(mask, cv2.MORPH_OPEN, kernel, iterations=1) mask = cv2.morphologyEx(mask, cv2.MORPH_CLOSE, kernel, iterations=2) return mask

THRESH_OTSU会自动在双峰直方图上找类间方差最大的分割点，省去手调，但前提是直方图真有两个峰，单峰或者多峰场景它给的阈值可能完全不合理，这时候要退回手动模式先画直方图看。形态学的核大小 3×3 是保守选择，噪点大的样本可以放大到 5×5，但核越大轮廓被腐蚀得越多，小目标会消失。iterations在开运算里通常 1 次够，闭运算补孔洞视孔洞大小加到 2 到 3 次。顺序上先开后闭，反过来会把噪点和目标一起连成片，这是我在处理一批带划痕的样本时反复确认过的。

如果任务是语义级分割（每个像素要分类），就转深度学习方法。资料提到 FCN、U-Net、Mask R-CNN 这几个方向，入门阶段先用现成权重跑通推理，别急着训：

import torch import torchvision from torchvision.models.detection import maskrcnn_resnet50_fpn_v2, MaskRCNN_ResNet50_FPN_V2_Weights weights = MaskRCNN_ResNet50_FPN_V2_Weights.DEFAULT seg_model = maskrcnn_resnet50_fpn_v2(weights=weights).eval() @torch.no_grad() def segment(img_bgr: np.ndarray, score_thr=0.5): rgb = cv2.cvtColor(img_bgr, cv2.COLOR_BGR2RGB) tensor = torchvision.transforms.functional.to_tensor(rgb) out = seg_model([tensor])[0] keep = out["scores"] > score_thr return out["masks"][keep], out["labels"][keep], out["scores"][keep]

score_thr=0.5是实例分割里比较通用的过滤线，低于这个值的掩码通常是背景误激活。Mask R-CNN 这类两阶段模型在 CPU 上很慢，单张图可能要几秒，验证思路够用，做批量处理必须有 GPU。另外它的输出掩码是浮点概率图，阈值化之后才是布尔掩码，直接用浮点做面积统计会算错，这一处细节资料里没展开，但工程里绕不过去。

3.3 人脸、姿态、光流、立体视觉：四个高价值子任务的入口

剩下四类任务各自有成熟的开源入口，入门阶段不必从零实现。

人脸识别的五步（检测、对齐、特征提取、匹配、阈值决策）里，实际部署时真正决定体验的是最后那一步阈值。相似度阈值定太高，本人被拒；定太低，冒认风险上来。资料里提到 PCA、LDA、SVM、CNN 四种方法，工程上基本只用 CNN 特征加余弦相似度，前三种作为理解原理的参照。相似度建议在自有样本上做 ROC 曲线来定，别抄别人的 0.6 或 0.75，不同特征提取器的最优阈值差别很大。

姿态估计的最小路径是先用关键点检测拿到关节坐标，再做姿态判定。mediapipe这类库开箱即用，关键点数量（常见 17 或 33 点）和置信度阈值是两个必须调的参数。关键点置信度低于 0.5 的点建议直接丢弃不参与角度计算，否则遮挡情况下算出来的关节角会离谱。

光流估计要记住它的两个前提假设：亮度恒定和小运动。资料里 Lucas-Kanade 适合稀疏特征点跟踪，Horn-Schunck 适合稠密光流场。实际用 OpenCV 的calcOpticalFlowPyrLK时，窗口大小winSize和金字塔层数maxLevel是两个核心参数，窗口 15 到 21 是常见区间，层数 3 能覆盖中等运动幅度。运动过大时任何光流算法都会失效，这是假设层面的限制，不是调参能救的。

立体视觉的链路是标定 → 校正 → 匹配 → 视差 → 深度。顺序不能乱，标定参数错了后面全错。视差转深度的公式是深度等于焦距乘基线除以视差，所以基线和焦距的精度直接决定深度精度。资料里强调相机标定，这不是可选项：内参和外参没标定好，算出来的三维坐标没有物理意义。

4. 避坑与排查：五个真实翻车现场

这一章集中放踩坑记录，都是入门到落地之间最容易卡住的地方。每条按现象、原因、解决三段写，照着排查能省不少时间。

4.1 预处理后指标反而下降

现象：加上去噪和 CLAHE 之后，分类准确率不升反降，掉几个点。

原因：预处理把对分类有用的信息也压掉了。去噪强度过大磨平了纹理细节，CLAHE 的clipLimit过高把噪声放大成伪特征。另一个常见原因是预处理在训练集和验证集上不一致，比如只对训练集做了增强。

解决：先做单变量对照，一次只开一个预处理步骤，看指标变化方向。去噪强度从 8 降到 4 试一轮，clipLimit从 2.0 往 1.5 收。验证集的预处理必须和训练集完全同参数，包括随机增强要关掉。判断标准不是“图看起来更干净”，而是验证集指标。

4.2 检测框整体偏移或尺寸不对

现象：检测出来的框系统性偏左上，或者宽高比明显不对。

原因：坐标还原时把归一化坐标和像素坐标搞混了。很多模型输出的是相对输入尺寸的归一化中心点和宽高，直接用原图像素去乘会错位；还有blobFromImage的 letterbox 填充没还原，导致偏移。

解决：确认模型输出的坐标格式，中心点加宽高和左上角加宽高是两套。如果预处理做了等比缩放加填充，后处理要按同样的比例和偏移量反算回去。用一个已知位置的测试图（比如把目标贴在画面正中央）验证坐标还原逻辑，比在真实数据上猜快得多。

4.3 NMS 之后目标消失

现象：置信度不低的框在 NMS 之后被吞掉，密集目标场景尤其明显。

原因：nms_thr设得太低，相邻目标的框 IoU 超过阈值被当成重复框抑制。或者框本身预测得偏大，两个目标的重叠区域被算高了。

解决：把nms_thr从 0.45 逐步抬到 0.6 观察召回变化。密集场景可以考虑换成 soft-NMS 思路，按重叠程度衰减得分而不是直接删除。另一条路是提高定位精度，框预测准了重叠自然下来，这比无脑调阈值更根本。

4.4 光流跟踪丢点或乱跳

现象：连续帧跟踪时特征点突然飞到画面另一端，或者大量点丢失。

原因：违反了光流的前提假设。帧间位移超出金字塔层数能覆盖的范围，或者光照在帧间发生了明显变化，亮度恒定假设不成立。

解决：加大maxLevel让金字塔覆盖更大位移，winSize适当放大提升鲁棒性。跟踪前做亮度归一化。加一层前后向一致性校验：正向跟踪一遍、反向再跟踪一遍，往返误差超过 1 到 2 个像素的点判为不可靠直接剔除。这一招在视频稳定场景里很好用。

4.5 立体视觉深度值完全离谱

现象：视差图看起来还行，转成深度后数值量级完全不对。

原因：标定参数和图像分辨率不匹配。标定在小分辨率下做的，实际输入放大了一倍，焦距没同步缩放。或者基线距离单位不统一，一边是毫米一边是米。

解决：标定和推理必须在同一分辨率下，改了尺寸就要重新标定或者按比例缩放内参。基线和焦距统一用同一单位制。转深度前先用一个已知距离的标定物验证一次，把误差量级确认下来再上真实场景，这一步别省。

5. 用一份对照实验把资料吃透：我的固定验证流程

资料读完之后最容易出现的情况是“好像都懂了，一动手全忘”。我自己的做法是做一个最小对照实验，把传统特征和深度特征、分类和检测这两组选择放在同一批样本上跑，用结果反推资料里每段话在讲什么。流程不长，但每一步都要留记录。

第一步是固定数据与划分。取三十到五十张样本，按七比三划分，固定随机种子，把划分结果存成文件。这一步的意义是后面所有实验共用同一份划分，否则指标没法横向比。

第二步是跑三组基线：传统特征加 SVM、预训练 CNN 特征加 SVM、预训练检测模型直接推理。前两组只回答分类问题，第三组回答定位问题。每组记录三项：准确率（或 mAP）、单张推理耗时、预处理加特征的总耗时。

第三步是横向对照，把结果填成一张表：

我一般会在表里额外记一列“失败样本编号”，把分错的图单独存出来看。看了十几张之后，失败模式会自己浮出来：是光照、是遮挡、还是类别本身定义就模糊。类别定义模糊这一项最容易被忽略，但它不是调模型能解决的，得回去改标注规范。

第四步是做一次参数敏感性抽查。挑conf_thr、nms_thr、clipLimit三个参数各取三档，记录指标变化幅度。变化剧烈的参数说明你的样本对这项敏感，上线时要锁死并写进配置；变化平缓的说明当前数据量还不足以体现差异，先别在那上面耗时间。

这套流程我跑过很多轮，最大的收获不是哪个模型更好，而是知道了在自己这批数据上，哪一步的收益最大。有时候预处理调一调就能涨几个点，比换模型划算得多。从那以后我每次拿到新的 CV 任务，都强制先走一遍这个最小对照，把基线、耗时、失败样本三样东西摆出来再谈方案。希望这套流程能帮到你，少走几步弯路。

本文还有配套的精品资源，点击获取