1. 从一张被切碎的卫星图说起：重叠分割到底在解决什么问题如果你处理过大幅面的遥感影像、病理切片或者工业质检的大尺寸图像，大概率遇到过这种尴尬：显存就那么大，模型输入尺寸卡死在 1024×1024，可手上的图动辄上万像素。直接缩放吧，小目标全糊成一团；硬切吧，切缝正好穿过目标，检测结果要么漏、要么断成两截。我最早接触这个需求是在一个模拟的遥感地物分类项目里。原图是 8000×6000 的假彩色影像，要识别出建筑、道路、植被几类。当时图省事，直接按 1024 的格子硬切，结果拼接出来的结果图上，凡是落在切缝上的建筑，要么被削掉一半，要么在相邻两块里各出现一次，边界处全是锯齿状的错位。后来换成带重叠的切法，再配合一套合并策略，问题才算压下去。所谓带重叠的图像分割，核心思路很朴素：切图的时候不让相邻子图严丝合缝地挨着，而是让它们互相“咬”住一部分，重叠区域通常取子图边长的 10% 到 25%。这样做的直接好处是，任何一个位于边界附近的目标，至少会在某一张子图里完整出现。而子图合并要做的，就是把这些重叠区域里重复的预测结果，按照一套规则融合成一张无缝的全景结果。这套流程听起来简单，但真正落地时，重叠比例怎么定、边缘怎么裁、重叠区的概率怎么融合、类别冲突怎么裁决，每一步都有讲究。下面我按自己踩过的顺序，把整条链路拆开讲。2. 切图策略：重叠比例不是拍脑袋定的2.1 重叠区到底在补偿什么先想清楚重叠是为了补偿什么损失。卷积网络在图像边缘处，由于 padding 的存在，感受野是不完整的，越靠近边缘的像素，其预测所依赖的上下文越少，置信度天然偏低。这是第一层损失。第二层损失来自切图本身：一个目标被切断后，任何一半都缺乏完整语义，模型很难给出正确判断。重叠区同时缓解这两个问题。它让每张子图的“有效预测区”可以往内收缩，只取中心那块上下文充分的区域；同时让边界目标有机会在另一张子图里以完整形态出现。所以重叠比例的本质，是在计算冗余和边界质量之间找平衡。2.2 重叠比例的经验取值与计算我一般按下面的逻辑定重叠：目标尺度小、密集（如细胞、小目标检测）：重叠取子图边长的15%~25%，宁可多算也不能漏。目标尺度大、稀疏（如大块地物、建筑群）：重叠取10%~15%即可。如果模型感受野很大（比如用了膨胀卷积或大 kernel），边缘退化范围更宽，重叠要相应加大。举个具体的数：子图边长 1024，重叠 128 像素，那么滑动步长就是 1024 - 128 = 896。假设原图宽 8000，切图位置依次是 0、896、1792……最后一块如果不足 1024，需要往回贴边对齐，保证每块都是完整尺寸。这一步很多人会忘，导致最后一块尺寸不对，模型直接报错。def gen_tiles(h, w, tile=1024, overlap=128): stride = tile - overlap ys = list(range(0, max(h - tile, 0) + 1, stride)) xs = list(range(0, max(w - tile, 0) + 1, stride)) # 贴边对齐，保证覆盖到最右/最下 if ys[-1] + tile < h: ys.append(h - tile) if xs[-1] + tile < w: xs.append(w - tile) return [(y, x) for y in ys for x in xs]注意：贴边对齐会让最后一块和倒数第二块的重叠变大，这是正常的，合并阶段能正确处理，不用特殊处理。2.3 一个容易被忽略的坑：重叠区不能太小也不能太大重叠太小，边界目标还是会被切；重叠太大，计算量飙升不说，合并阶段的重叠区会变得很宽，融合规则稍微不合理就会出现明显的“补丁感”——一条条带状区域颜色或类别突变。我实测下来，重叠超过子图边长 30% 之后，收益基本停滞，纯粹是浪费算力。所以别贪心，15% 左右是大多数场景的甜点区。3. 子图合并的三种主流思路与选型合并策略直接决定最终结果的质量。我按从简单到复杂的顺序，把用过的三种方案摆出来对比。3.1 硬拼接：最快但最糙硬拼接就是每张子图只取中心的有效区，边缘重叠部分直接丢弃，然后把有效区拼起来。它的前提是重叠足够大，保证有效区之间刚好无缝衔接。具体做法：子图边长 1024，重叠 128，那么每张子图只保留中间 896×896 的区域（上下左右各裁掉 64）。这样裁完之后，相邻子图的有效区正好首尾相接，不重不漏。优点是实现极简、速度快、没有融合伪影。缺点是浪费了重叠区的信息，而且如果某个目标恰好横跨两张子图的有效区边界，它还是会被切断——因为有效区边界本质上还是一条硬缝，只是把缝挪到了上下文更充分的位置而已。对于目标普遍较小的场景，这个方案够用；对于大目标，慎用。3.2 加权平均融合：平滑但有代价加权平均的思路是：重叠区里每个像素的最终概率，由覆盖它的所有子图的预测加权平均得到。权重通常用距离子图中心的距离来定，越靠中心权重越高，越靠边缘权重越低。常用的权重窗有高斯窗和余弦窗。高斯窗平滑但计算稍重，余弦窗实现简单、效果接近。我一般用余弦窗：import numpy as np def cosine_window(tile): y = np.hanning(tile) x = np.hanning(tile) win = np.outer(y, x) return win / win.max()合并时维护两个累加器：一个是加权概率和acc_prob，一个是权重和acc_weight，最后acc_prob / acc_weight就是结果。acc_prob = np.zeros((C, H, W), dtype=np.float32) acc_weight = np.zeros((H, W), dtype=np.float32) for (y, x), prob in zip(tiles, probs): win = cosine_window(tile) acc_prob[:, y:y+tile, x:x+tile] += prob * win acc_weight[y:y+tile, x:x+tile] += win final = acc_prob / np.maximum(acc_weight, 1e-6)这套方案能有效消除拼接缝，过渡自然。但它有个隐患：在重叠区，如果两张子图对同一像素给出了冲突的类别（比如一个判建筑、一个判道路），加权平均会把概率“和稀泥”，导致最终置信度被拉低，甚至出现一个本不该存在的中间类别。对于分类数少、类别差异大的任务问题不大，对于细分类任务要小心。3.3 基于类别置信度的仲裁融合：更稳但更复杂针对加权平均的“和稀泥”问题，我后来改用了一种仲裁式融合：重叠区不取平均，而是取置信度最高的那张子图的预测。具体来说，对每个像素，比较覆盖它的各子图在该点的最大类别概率，谁高听谁的。best_conf = np.zeros((H, W), dtype=np.float32) final = np.zeros((H, W), dtype=np.int64) for (y, x), prob in zip(tiles, probs): conf = prob.max(axis=0) cls = prob.argmax(axis=0) region = (slice(y, y+tile), slice(x, x+tile)) mask = conf > best_conf[region] best_conf[region][mask] = conf[mask] final[region][mask] = cls[mask]这个方案的好处是保留了每个像素最可信的那个判断，不会产生概率平均带来的模糊。代价是，如果两张子图的置信度接近但类别不同，边界处可能出现细碎的类别跳变，看起来像噪点。我的处理办法是，在仲裁之后再做一次小半径的形态学开闭运算，或者用条件随机场做一次后处理，把孤立的小块抹掉。三种方案的对比我整理成表：方案拼接缝质量边界目标处理计算开销适用场景硬拼接一般，有硬缝差，仍会切断最低小目标、密集场景加权平均好，平滑较好中等通用场景置信度仲裁好，但可能有跳变好中等偏高细分类、高精度要求4. 重叠区融合的实操细节：那些文档里不会写的东西4.1 权重窗的边界处理用余弦窗或高斯窗时，窗在边缘处会趋近于 0。如果某张子图在某个像素上的权重恰好是 0，而它又是唯一覆盖该像素的子图（理论上不会，但贴边对齐时可能出现），就会出现除零。所以acc_weight一定要加一个极小值兜底，我一般用1e-6。另外，窗函数建议归一化到最大值为 1，避免不同窗之间量纲不一致。4.2 类别不平衡下的融合陷阱如果任务类别极度不平衡（比如背景占 95%，目标占 5%），加权平均会让背景概率在重叠区被反复强化，目标概率被稀释。这时候仲裁式融合明显更稳，因为它只看最大置信度，不会被背景的“数量优势”带偏。我在一个缺陷检测的模拟项目里就吃过这个亏：加权平均之后，重叠区的缺陷几乎全被背景吞掉，换成仲裁式才恢复。4.3 内存与显存的双重压力大图切完可能有几百上千张子图，如果一次性把所有概率图都读进内存做融合，很容易爆。我的做法是分批处理：每批推理完一批子图，立刻把它们的加权贡献累加到全局的acc_prob和acc_weight上，然后释放这批的概率图。这样内存占用只和原图尺寸相关，和子图数量无关。for batch in chunk(tiles, batch_size=8): probs = model_infer(batch) for (y, x), prob in zip(batch, probs): win = cosine_window(tile) acc_prob[:, y:y+tile, x:x+tile] += prob * win acc_weight[y:y+tile, x:x+tile] += win del probs提示：acc_prob用 float32 就够，别用 float64，显存和内存都吃不消，精度收益微乎其微。4.4 后处理：把融合后的碎块收拾干净融合完的结果图，边界处难免有零星的错分类像素。我通常做两步后处理：先做一次 3×3 的中值滤波去掉椒盐噪声，再用连通域分析把面积小于阈值（比如 50 像素）的小块合并到周围最大的类别里。这两步下来，结果图的观感会干净很多。5. 完整流程串讲与参数速查把上面的环节串起来，一个可复现的流程是这样的：读入原图，确定子图边长tile和重叠overlap，生成切图坐标列表。按坐标切出所有子图，注意贴边对齐。分批送入模型推理，得到每张子图的类别概率图。初始化全局累加器acc_prob和acc_weight。逐张子图计算权重窗，累加到全局累加器。融合得到最终概率图，取 argmax 得到类别图。中值滤波 + 小连通域合并做后处理。保存或可视化结果。关键参数速查：参数推荐值说明tile模型输入尺寸如 1024、512overlaptile 的 10%~25%小目标取大，大目标取小stridetile - overlap滑动步长权重窗余弦窗实现简单，效果接近高斯融合方式仲裁式类别不平衡时优先后处理中值 + 连通域去碎块6. 几个真实踩过的坑与排查思路6.1 结果图出现规则网格状条纹这是最典型的问题，表现为结果图上每隔固定距离出现一条淡淡的竖线或横线。根因几乎都是权重窗在子图边缘没有平滑过渡，或者重叠区权重计算有误。排查顺序：先检查权重窗是否归一化、边缘是否趋近 0；再检查acc_weight在重叠区是否被正确累加两次。我遇到过一次是窗函数写成了np.hanning(tile)但忘了做外积，导致二维窗退化成一维，横向没有过渡，结果就是竖条纹。6.2 边界目标被切成两半且两半类别不同这说明重叠区不够大，目标在两张子图里都不完整，模型各猜各的。解决办法是加大重叠，或者改用仲裁式融合让置信度高的那半胜出。如果目标尺寸本身就接近子图尺寸，那再怎么重叠也没用，只能上更大的输入尺寸或者用滑窗式的检测而非分割。6.3 融合后整体置信度偏低加权平均的典型副作用。如果下游需要置信度做阈值筛选，建议改用仲裁式，或者对融合后的概率做一次温度缩放校准。我在一个模拟项目里发现，加权平均后目标类别的平均置信度从 0.85 掉到 0.6，仲裁式则保持在 0.83 左右。6.4 贴边对齐导致的重复计算贴边对齐会让最后一块和倒数第二块重叠变大，如果没意识到这点，可能会以为切图逻辑写错了。其实这是正常现象，合并阶段能正确处理，不用改。但要注意，如果重叠大到超过 tile 的一半，权重窗的中心区会重叠，融合结果可能出现局部过平滑，这时候要么减小 stride，要么接受这点轻微损失。7. 写在最后的一点个人体会这套重叠分割加子图合并的流程，我前后在三个不同类型的模拟项目里用过，从遥感地物到工业质检再到病理切片，核心逻辑没变，变的是参数和融合策略。我的经验是，别一上来就追求最复杂的融合方案，先用硬拼接跑通全流程，确认切图、推理、拼接的坐标对齐没问题，再逐步换成加权平均、仲裁式。很多 bug 其实出在坐标计算上，而不是融合算法本身。另外，重叠比例和融合方式这两个参数，最好在验证集上做一次小网格搜索，别凭感觉定。我见过有人重叠设成 50%，结果推理时间翻了三倍，精度只涨了 0.3 个点，完全不划算。找到那个收益拐点，比盲目堆参数重要得多。
1. 从一张被切碎的卫星图说起：重叠分割到底在解决什么问题如果你处理过大幅面的遥感影像、病理切片或者工业质检的大尺寸图像，大概率遇到过这种尴尬：显存就那么大，模型输入尺寸卡死在 1024×1024，可手上的图动辄上万像素。直接缩放吧，小目标全糊成一团；硬切吧，切缝正好穿过目标，检测结果要么漏、要么断成两截。我最早接触这个需求是在一个模拟的遥感地物分类项目里。原图是 8000×6000 的假彩色影像，要识别出建筑、道路、植被几类。当时图省事，直接按 1024 的格子硬切，结果拼接出来的结果图上，凡是落在切缝上的建筑，要么被削掉一半，要么在相邻两块里各出现一次，边界处全是锯齿状的错位。后来换成带重叠的切法，再配合一套合并策略，问题才算压下去。所谓带重叠的图像分割，核心思路很朴素：切图的时候不让相邻子图严丝合缝地挨着，而是让它们互相“咬”住一部分，重叠区域通常取子图边长的 10% 到 25%。这样做的直接好处是，任何一个位于边界附近的目标，至少会在某一张子图里完整出现。而子图合并要做的，就是把这些重叠区域里重复的预测结果，按照一套规则融合成一张无缝的全景结果。这套流程听起来简单，但真正落地时，重叠比例怎么定、边缘怎么裁、重叠区的概率怎么融合、类别冲突怎么裁决，每一步都有讲究。下面我按自己踩过的顺序，把整条链路拆开讲。2. 切图策略：重叠比例不是拍脑袋定的2.1 重叠区到底在补偿什么先想清楚重叠是为了补偿什么损失。卷积网络在图像边缘处，由于 padding 的存在，感受野是不完整的，越靠近边缘的像素，其预测所依赖的上下文越少，置信度天然偏低。这是第一层损失。第二层损失来自切图本身：一个目标被切断后，任何一半都缺乏完整语义，模型很难给出正确判断。重叠区同时缓解这两个问题。它让每张子图的“有效预测区”可以往内收缩，只取中心那块上下文充分的区域；同时让边界目标有机会在另一张子图里以完整形态出现。所以重叠比例的本质，是在计算冗余和边界质量之间找平衡。2.2 重叠比例的经验取值与计算我一般按下面的逻辑定重叠：目标尺度小、密集（如细胞、小目标检测）：重叠取子图边长的15%~25%，宁可多算也不能漏。目标尺度大、稀疏（如大块地物、建筑群）：重叠取10%~15%即可。如果模型感受野很大（比如用了膨胀卷积或大 kernel），边缘退化范围更宽，重叠要相应加大。举个具体的数：子图边长 1024，重叠 128 像素，那么滑动步长就是 1024 - 128 = 896。假设原图宽 8000，切图位置依次是 0、896、1792……最后一块如果不足 1024，需要往回贴边对齐，保证每块都是完整尺寸。这一步很多人会忘，导致最后一块尺寸不对，模型直接报错。def gen_tiles(h, w, tile=1024, overlap=128): stride = tile - overlap ys = list(range(0, max(h - tile, 0) + 1, stride)) xs = list(range(0, max(w - tile, 0) + 1, stride)) # 贴边对齐，保证覆盖到最右/最下 if ys[-1] + tile < h: ys.append(h - tile) if xs[-1] + tile < w: xs.append(w - tile) return [(y, x) for y in ys for x in xs]注意：贴边对齐会让最后一块和倒数第二块的重叠变大，这是正常的，合并阶段能正确处理，不用特殊处理。2.3 一个容易被忽略的坑：重叠区不能太小也不能太大重叠太小，边界目标还是会被切；重叠太大，计算量飙升不说，合并阶段的重叠区会变得很宽，融合规则稍微不合理就会出现明显的“补丁感”——一条条带状区域颜色或类别突变。我实测下来，重叠超过子图边长 30% 之后，收益基本停滞，纯粹是浪费算力。所以别贪心，15% 左右是大多数场景的甜点区。3. 子图合并的三种主流思路与选型合并策略直接决定最终结果的质量。我按从简单到复杂的顺序，把用过的三种方案摆出来对比。3.1 硬拼接：最快但最糙硬拼接就是每张子图只取中心的有效区，边缘重叠部分直接丢弃，然后把有效区拼起来。它的前提是重叠足够大，保证有效区之间刚好无缝衔接。具体做法：子图边长 1024，重叠 128，那么每张子图只保留中间 896×896 的区域（上下左右各裁掉 64）。这样裁完之后，相邻子图的有效区正好首尾相接，不重不漏。优点是实现极简、速度快、没有融合伪影。缺点是浪费了重叠区的信息，而且如果某个目标恰好横跨两张子图的有效区边界，它还是会被切断——因为有效区边界本质上还是一条硬缝，只是把缝挪到了上下文更充分的位置而已。对于目标普遍较小的场景，这个方案够用；对于大目标，慎用。3.2 加权平均融合：平滑但有代价加权平均的思路是：重叠区里每个像素的最终概率，由覆盖它的所有子图的预测加权平均得到。权重通常用距离子图中心的距离来定，越靠中心权重越高，越靠边缘权重越低。常用的权重窗有高斯窗和余弦窗。高斯窗平滑但计算稍重，余弦窗实现简单、效果接近。我一般用余弦窗：import numpy as np def cosine_window(tile): y = np.hanning(tile) x = np.hanning(tile) win = np.outer(y, x) return win / win.max()合并时维护两个累加器：一个是加权概率和acc_prob，一个是权重和acc_weight，最后acc_prob / acc_weight就是结果。acc_prob = np.zeros((C, H, W), dtype=np.float32) acc_weight = np.zeros((H, W), dtype=np.float32) for (y, x), prob in zip(tiles, probs): win = cosine_window(tile) acc_prob[:, y:y+tile, x:x+tile] += prob * win acc_weight[y:y+tile, x:x+tile] += win final = acc_prob / np.maximum(acc_weight, 1e-6)这套方案能有效消除拼接缝，过渡自然。但它有个隐患：在重叠区，如果两张子图对同一像素给出了冲突的类别（比如一个判建筑、一个判道路），加权平均会把概率“和稀泥”，导致最终置信度被拉低，甚至出现一个本不该存在的中间类别。对于分类数少、类别差异大的任务问题不大，对于细分类任务要小心。3.3 基于类别置信度的仲裁融合：更稳但更复杂针对加权平均的“和稀泥”问题，我后来改用了一种仲裁式融合：重叠区不取平均，而是取置信度最高的那张子图的预测。具体来说，对每个像素，比较覆盖它的各子图在该点的最大类别概率，谁高听谁的。best_conf = np.zeros((H, W), dtype=np.float32) final = np.zeros((H, W), dtype=np.int64) for (y, x), prob in zip(tiles, probs): conf = prob.max(axis=0) cls = prob.argmax(axis=0) region = (slice(y, y+tile), slice(x, x+tile)) mask = conf > best_conf[region] best_conf[region][mask] = conf[mask] final[region][mask] = cls[mask]这个方案的好处是保留了每个像素最可信的那个判断，不会产生概率平均带来的模糊。代价是，如果两张子图的置信度接近但类别不同，边界处可能出现细碎的类别跳变，看起来像噪点。我的处理办法是，在仲裁之后再做一次小半径的形态学开闭运算，或者用条件随机场做一次后处理，把孤立的小块抹掉。三种方案的对比我整理成表：方案拼接缝质量边界目标处理计算开销适用场景硬拼接一般，有硬缝差，仍会切断最低小目标、密集场景加权平均好，平滑较好中等通用场景置信度仲裁好，但可能有跳变好中等偏高细分类、高精度要求4. 重叠区融合的实操细节：那些文档里不会写的东西4.1 权重窗的边界处理用余弦窗或高斯窗时，窗在边缘处会趋近于 0。如果某张子图在某个像素上的权重恰好是 0，而它又是唯一覆盖该像素的子图（理论上不会，但贴边对齐时可能出现），就会出现除零。所以acc_weight一定要加一个极小值兜底，我一般用1e-6。另外，窗函数建议归一化到最大值为 1，避免不同窗之间量纲不一致。4.2 类别不平衡下的融合陷阱如果任务类别极度不平衡（比如背景占 95%，目标占 5%），加权平均会让背景概率在重叠区被反复强化，目标概率被稀释。这时候仲裁式融合明显更稳，因为它只看最大置信度，不会被背景的“数量优势”带偏。我在一个缺陷检测的模拟项目里就吃过这个亏：加权平均之后，重叠区的缺陷几乎全被背景吞掉，换成仲裁式才恢复。4.3 内存与显存的双重压力大图切完可能有几百上千张子图，如果一次性把所有概率图都读进内存做融合，很容易爆。我的做法是分批处理：每批推理完一批子图，立刻把它们的加权贡献累加到全局的acc_prob和acc_weight上，然后释放这批的概率图。这样内存占用只和原图尺寸相关，和子图数量无关。for batch in chunk(tiles, batch_size=8): probs = model_infer(batch) for (y, x), prob in zip(batch, probs): win = cosine_window(tile) acc_prob[:, y:y+tile, x:x+tile] += prob * win acc_weight[y:y+tile, x:x+tile] += win del probs提示：acc_prob用 float32 就够，别用 float64，显存和内存都吃不消，精度收益微乎其微。4.4 后处理：把融合后的碎块收拾干净融合完的结果图，边界处难免有零星的错分类像素。我通常做两步后处理：先做一次 3×3 的中值滤波去掉椒盐噪声，再用连通域分析把面积小于阈值（比如 50 像素）的小块合并到周围最大的类别里。这两步下来，结果图的观感会干净很多。5. 完整流程串讲与参数速查把上面的环节串起来，一个可复现的流程是这样的：读入原图，确定子图边长tile和重叠overlap，生成切图坐标列表。按坐标切出所有子图，注意贴边对齐。分批送入模型推理，得到每张子图的类别概率图。初始化全局累加器acc_prob和acc_weight。逐张子图计算权重窗，累加到全局累加器。融合得到最终概率图，取 argmax 得到类别图。中值滤波 + 小连通域合并做后处理。保存或可视化结果。关键参数速查：参数推荐值说明tile模型输入尺寸如 1024、512overlaptile 的 10%~25%小目标取大，大目标取小stridetile - overlap滑动步长权重窗余弦窗实现简单，效果接近高斯融合方式仲裁式类别不平衡时优先后处理中值 + 连通域去碎块6. 几个真实踩过的坑与排查思路6.1 结果图出现规则网格状条纹这是最典型的问题，表现为结果图上每隔固定距离出现一条淡淡的竖线或横线。根因几乎都是权重窗在子图边缘没有平滑过渡，或者重叠区权重计算有误。排查顺序：先检查权重窗是否归一化、边缘是否趋近 0；再检查acc_weight在重叠区是否被正确累加两次。我遇到过一次是窗函数写成了np.hanning(tile)但忘了做外积，导致二维窗退化成一维，横向没有过渡，结果就是竖条纹。6.2 边界目标被切成两半且两半类别不同这说明重叠区不够大，目标在两张子图里都不完整，模型各猜各的。解决办法是加大重叠，或者改用仲裁式融合让置信度高的那半胜出。如果目标尺寸本身就接近子图尺寸，那再怎么重叠也没用，只能上更大的输入尺寸或者用滑窗式的检测而非分割。6.3 融合后整体置信度偏低加权平均的典型副作用。如果下游需要置信度做阈值筛选，建议改用仲裁式，或者对融合后的概率做一次温度缩放校准。我在一个模拟项目里发现，加权平均后目标类别的平均置信度从 0.85 掉到 0.6，仲裁式则保持在 0.83 左右。6.4 贴边对齐导致的重复计算贴边对齐会让最后一块和倒数第二块重叠变大，如果没意识到这点，可能会以为切图逻辑写错了。其实这是正常现象，合并阶段能正确处理，不用改。但要注意，如果重叠大到超过 tile 的一半，权重窗的中心区会重叠，融合结果可能出现局部过平滑，这时候要么减小 stride，要么接受这点轻微损失。7. 写在最后的一点个人体会这套重叠分割加子图合并的流程，我前后在三个不同类型的模拟项目里用过，从遥感地物到工业质检再到病理切片，核心逻辑没变，变的是参数和融合策略。我的经验是，别一上来就追求最复杂的融合方案，先用硬拼接跑通全流程，确认切图、推理、拼接的坐标对齐没问题，再逐步换成加权平均、仲裁式。很多 bug 其实出在坐标计算上，而不是融合算法本身。另外，重叠比例和融合方式这两个参数，最好在验证集上做一次小网格搜索，别凭感觉定。我见过有人重叠设成 50%，结果推理时间翻了三倍，精度只涨了 0.3 个点，完全不划算。找到那个收益拐点，比盲目堆参数重要得多。