人工智能计算机视觉预训练模型系列第 12 期：打架检测模型实测记录

打架检测属于目标检测任务。它不是简单判断画面中“有没有异常”，而是要在图像中定位疑似打架行为出现的位置，帮助后续系统进行告警、复核、截帧、事件追踪或人工处置。 本期训练与测试使用 RTX 3080 显卡，数据集共包含 9329 张图片，约 1.0 万个目标。其中训练集包含 6530 张图片、约 0.7 万个目标；验证集包含 1866 张图片、约 0.2 万个目标；测试集包含 933 张图片、约 0.1 万个目标。 | 项目 | 内容 | | --- | --- | | 系列期数 | 第 12 期 | | 本期主题 | 打架检测 | | 任务类型 | 目标检测 | | 显卡型号 | RTX 3080 | | 数据集规模 | 9329 张图片，约 1.0 万个目标 | | 训练集规模 | 6530 张图片，约 0.7 万个目标 | | 验证集规模 | 1866 张图片，约 0.2 万个目标 | | 测试集规模 | 933 张图片，约 0.1 万个目标 | 下面是本次打架检测任务的训练输入样例。可以看到，打架检测通常会受到人物姿态、遮挡、距离、背景复杂度和画面清晰度影响，这也是安防类视觉模型落地时需要重点关注的部分。  验证预测样例更适合观察模型在不同画面中的框选效果。除了 Precision、Recall、mAP 等指标，检测框是否稳定、是否出现明显漏检或误检，也会直接影响实际告警质量。 

YOLOv5s 是本期记录的第一种打架检测模型。该模型包含 157 层网络，约 7M 参数，计算量为 15.8 GFLOPs，模型文件大小约 14 MB。对于需要部署在边缘设备、监控服务器或实时视频流场景中的项目来说，这类轻量级目标检测模型的优势在于结构成熟、推理速度快、资源占用相对可控。 训练配置方面，YOLOv5s 的 batch size 为 64，训练 2848 个 epoch，总训练时间约 139 小时。评估结果中，Precision 为 0.95，Recall 为 0.95，mAP50 为 0.97，说明模型在本次打架检测数据集上具备较稳定的识别与定位能力。 | 项目 | YOLOv5s | | --- | --- | | 网络层数 | 157 层 | | 参数量 | 7M | | 计算量 | 15.8 GFLOPs | | 模型文件 | 14 MB | | batch size | 64 | | epoch | 2848 | | 训练时间 | 139 小时 | | Precision | 0.95 | | Recall | 0.95 | | mAP50 | 0.97 | 下面是 YOLOv5s 训练过程中的损失与指标变化趋势。通过这类曲线，可以观察模型是否稳定收敛，以及评估指标在训练后期是否趋于平稳。  推理性能方面，YOLOv5s 的推理显存占用为 368 MB。GPU 单张图片推理 5.0 毫秒，后处理 1.0 毫秒，总计约 6.0 毫秒；CPU 单张图片推理 70.2 毫秒，后处理 2.9 毫秒，总计约 73.1 毫秒。 | 推理环境 | 推理时间 | 后处理时间 | 总耗时 | | --- | ---: | ---: | ---: | | GPU | 5.0 ms | 1.0 ms | 6.0 ms | | CPU | 70.2 ms | 2.9 ms | 73.1 ms | 下面是一张本次测试使用的原始图片。对于打架检测模型来说，单张图像测试可以帮助我们直观看到模型在实际画面中的定位范围。  YOLOv5s 的测试结果如下。可以结合原图观察疑似打架目标是否被准确框出，以及检测框与人物区域是否贴合。 

YOLO26s 是本期记录的第二种打架检测模型。该模型包含 260 层网络，约 10M 参数，计算量为 22.5 GFLOPs，模型文件大小约 20 MB。它同样面向目标检测任务，可以作为公共区域监控、行为异常检测和视频智能分析中的候选模型。 训练配置方面，YOLO26s 的 batch size 为 48，训练 1481 个 epoch，总训练时间约 87 小时。评估结果中，Precision 为 0.96，Recall 为 0.95，mAP50 为 0.98。从记录结果看，该模型在本次打架检测任务上保持了较高的检测精度。 | 项目 | YOLO26s | | --- | --- | | 网络层数 | 260 层 | | 参数量 | 10M | | 计算量 | 22.5 GFLOPs | | 模型文件 | 20 MB | | batch size | 48 | | epoch | 1481 | | 训练时间 | 87 小时 | | Precision | 0.96 | | Recall | 0.95 | | mAP50 | 0.98 | 下面是 YOLO26s 训练过程中的损失与指标变化趋势。对于打架检测这类安防任务，训练曲线不仅用于展示结果，也能帮助后续复盘训练轮次、数据质量和模型收敛状态。  推理性能方面，YOLO26s 的推理显存占用为 366 MB。GPU 单张图片推理 5.5 毫秒，后处理 1.3 毫秒，总计约 6.8 毫秒；CPU 单张图片推理 93.4 毫秒，后处理 4.2 毫秒，总计约 97.6 毫秒。 | 推理环境 | 推理时间 | 后处理时间 | 总耗时 | | --- | ---: | ---: | ---: | | GPU | 5.5 ms | 1.3 ms | 6.8 ms | | CPU | 93.4 ms | 4.2 ms | 97.6 ms | YOLO26s 的测试结果如下。对于最终部署来说，单张测试图只是第一步，更重要的是把模型放到连续视频流、不同摄像头角度、不同人群密度和不同光照条件下继续验证。 

打架检测看起来是一个明确的安防任务，但真正落地时，它往往会受到动作幅度、人物遮挡、摄像头视角、画面分辨率、实时性要求和误报容忍度的共同影响。模型指标很重要，推理速度同样重要；测试图效果很直观，连续场景里的稳定性也不能忽略。 从本期记录可以看到，轻量级打架检测模型已经能够在较低显存占用和毫秒级 GPU 推理时间下完成目标检测任务。对于校园、工厂、园区、商场、车站等公共区域，这类模型更适合作为工程部署的起点，再根据现场数据持续迭代。 如果你正在做打架检测、行为异常识别或安防视频智能分析，你更关心模型的哪一项表现：mAP 指标、GPU 推理速度、CPU 推理速度，还是复杂场景下的误报与漏报控制？欢迎把你的应用场景和最头疼的问题留下来，我们可以在后续文章里继续拆解。 > SEO 描述：本文记录第 12 期人工智能计算机视觉预训练模型：打架检测模型，覆盖数据集规模、YOLOv5s、YOLO26s、mAP50、GPU/CPU 推理速度和可视化测试结果，帮助评估 AI 视觉小模型在安防监控、行为异常识别和边缘 AI 部署场景中的应用价值。