训练报告: report_cnn_featcls_01200409_eNA_wNA

训练环境与参数（train）
未读取到训练环境信息（run_info）。
测试环境与参数（cut_test）
变量名 含义 值
time 记录时间 2026-01-20 04:09:46
platform 平台 Linux-5.15.0-78-generic-x86_64-with-glibc2.17
processor CPU架构 x86_64
python_version Python版本 3.8.10
torch_version Torch版本 2.0.0+cu118
cuda_available CUDA可用 True
device_used 使用设备 cuda:0
threshold_default 默认阈值 0.95
batch_size batch_size 1024
report_folder_name 报告名 report_cnn_featcls_01200409_eNA_wNA
训练集曲线（epoch_metrics）
Loss
Precision / Recall / F1
AP(PR-AUC) / AUC(ROC)
Accuracy（若无则为空）
正类预测率 pos_pred_rate
学习率 lr（若无则为空）
建议阅读顺序：先看 pos_pred_rate 判断“乱报切点”程度，再看 PRF 是否平衡，最后结合 AP/AUC 评估整体质量。
训练集最终指标（train / val 汇总）
该报告未找到训练集 final_test 指标。
测试集最终指标（cut_test）
阈值 0.95
精确率 0.8636363636363636
召回率 0.9047619047619048
F1 0.8837209302325582
准确率 0.9943181818181818
AP(PR-AUC) 0.9364431330630394
AUC(ROC) 0.9982260657464382
TP 19
FP 3
TN 856
FN 2
正类预测率 0.025
测试集帧轴可视化（每个视频：TP / FP / FN 的帧位置）
TP（预测=切点 且 GT=切点） FP（预测=切点 但 GT=非切点） FN（GT=切点 但 预测=非切点） 提示：鼠标悬停点可看帧号
V001.mp4
total_frames: 166  |  TP 1 FP 0 FN 0
GT cuts: 1 Pred cuts: 1
轴左侧≈frame 0 轴右侧≈frame 165
V002.mp4
total_frames: 290  |  TP 6 FP 0 FN 0
GT cuts: 6 Pred cuts: 6
轴左侧≈frame 0 轴右侧≈frame 289
V003.mp4
total_frames: 252  |  TP 4 FP 3 FN 0
GT cuts: 4 Pred cuts: 7
轴左侧≈frame 0 轴右侧≈frame 251
V004.mp4
total_frames: 77  |  TP 3 FP 0 FN 0
GT cuts: 3 Pred cuts: 3
轴左侧≈frame 0 轴右侧≈frame 76
V005.mp4
total_frames: 100  |  TP 5 FP 0 FN 2
GT cuts: 7 Pred cuts: 5
轴左侧≈frame 0 轴右侧≈frame 99
测试集数据明细（Excel 其它 Sheets 预览）
dataset_summary（显示前 11 行 / 共 11 行）
item value
num_videos 5
num_pairs 880
num_cuts 21
num_non_cuts 859
pos_ratio 0.02386363636363636
per_video_frame_stats
min_frames 77
max_frames 290
mean_frames 177
median_frames 166
per_video（显示前 5 行 / 共 5 行）
vid vid_idx total_frames gt_cut_count pred_cut_count tp fp fn gt_cuts pred_cuts
V001.mp4 0 166 1 1 1 0 0 44 44
V002.mp4 1 290 6 6 6 0 0 28,68,100,163,200,249 28,68,100,163,200,249
V003.mp4 2 252 4 7 4 3 0 36,152,181,205 36,76,77,78,152,181,205
V004.mp4 3 77 3 3 3 0 0 4,34,68 4,34,68
V005.mp4 4 100 7 5 5 0 2 5,12,27,46,60,80,88 5,12,27,46,60
classification_report（显示前 5 行 / 共 5 行）
text
precision recall f1-score support
Non-cut 0.9977 0.9965 0.9971 859
Cut 0.8636 0.9048 0.8837 21
accuracy 0.9943
下载
下载整包 ZIP
Excel 文件