背景描述：

我们近期在使用 MindYolo 进行十多种MindYolo项目开发时，遇到了模型精度不达标的问题，特此反馈并请求对 MindYolo 进行优化迭代。

华为昇腾环境：

显卡：910B
mindspore：2.3.1版本

mindYolo:0.4.0-dev版本  训练模型版本yolov10s

YoloV11环境：

pytorch

yolov11下载地址：https://docs.ultralytics.com/zh/

模型:yolov11n.pt

问题描述：

1.用该Mindyolo环境训练出来的戴口罩精确度只有0.651，但是同样的数据集在YOLOV11的环境下却有0.769多。

2.用该Mindyolo环境训练出来的身穿工作服精确度只有0.413，但是同样的数据集在YOLOV11的环境下却有0.81多。

据查阅源码发现MindYolo的工程代码版本是基于YoloV7s上迭代而来，这与最新的YoloV11差别巨大，无论是使用上反馈和精确度都有不同程度的差距。

在目标检测任务中，平均精度 AP 是衡量模型性能的关键指标，其中 AP50-95 更是能全面反映模型在不同交并比（IoU）阈值下的检测能力。MindYolo 在这一指标上表现欠佳，与 YOLOv11 相比差距明显。YOLOv11在 AP50-95 指标上达到了较高水平，能更准确地识别目标。而 MindYolo 的 AP50-95 值则低很多，表示其在目标定位和分类的准确性上存在较大不足。

这种精度上的不足使得基于 MindYolo 开发的模型难以满足项目需求。在我们参与的实际项目中，验收标准对模型的检测精度有严格要求，但 MindYolo 训练出的模型 AP 值远低于验收标准，直接导致项目无法通过评审。这不仅影响了项目的进度，也限制了 MindYolo 在更多实际场景中的应用。

诉求：

考虑到华为昇腾在 AI 领域的技术实力和对开发者的支持承诺，我们希望贵团队能够对 MindYolo 进行优化迭代，提升其在 AP50-95 等关键指标上的表现。具体建议包括但不限于：更新工程文件架构、优化网络架构以提高特征提取能力、改进训练策略以增强模型泛化能力、加强数据增强方法以提升模型鲁棒性等。要求MindYolo的AP50 95的指标对齐YoloV11及最新的版本中的AP50 95的指标.

截图案例：

口罩数据集

工作服数据集：

工作工程文件：

通过网盘分享的文件：mindyolo_v10工程文件 

链接: https://pan.baidu.com/s/1VxMk0SDqb2fB0TamjxLSag?pwd=tt77 提取码: tt77  

--来自百度网盘超级会员v6的分享

希望有工作人员能帮我分析一下为什么一个数据集，精确度差别这么大。