YOLOv7检测目标数量是否存在上限？训练参数需调整吗？

YOLOv7本身没有检测目标数量的硬限制，你遇到的最多检测100个目标的问题，是因为默认参数设置了检测框的最大输出数量。

核心原因 #

YOLO系列（包括v7）在推理时的非极大值抑制（NMS）环节，默认通过max_det参数限制了单张图片输出的检测框数量，这个参数默认值就是100——这就是为什么超过100个目标的图片里，模型只输出前100个置信度较高的结果，而目标少的时候能全部检测到。

需要调整的参数 #

1. 推理阶段修改max_det

不管是用官方的detect.py脚本还是Roboflow的notebook，找到推理相关的代码/命令，把max_det的值调高就行：

• 如果是命令行运行，加参数：--max-det 200（数值根据你的实际需求设置，比如300、500都可以）
• 如果是notebook里的推理代码，找到类似model.predict(..., max_det=100)的语句，把100改成你需要的数值。

2. 训练阶段的辅助调整

虽然训练阶段max_det不直接影响，但针对微生物菌落这类小目标密集的场景，还可以做这些优化：

• 重新计算锚框：YOLOv7默认锚框可能不适合小尺寸的菌落，用python utils/autoanchor.py脚本重新计算适配你数据集的锚框，或者在训练时加--anchors参数启用自动锚框计算。
• 检查数据集标注：确保超过100个目标的样本标注完整，没有遗漏，避免训练时模型没学到这类密集场景的特征。
• 调整超参数：在训练用的hyp文件（比如hyp.scratch.yaml）里，适当调高obj（目标损失权重），帮助模型更好地学习小目标的特征。

补充说明 #

你的模型在15-30个目标的图片上检测正常，且准确率约80%，说明模型本身对目标的识别能力没问题，主要就是检测框数量的限制导致的。修改max_det后，推理时间会有所增加，你可以根据实际需求平衡检测数量和速度。

内容的提问来源于stack exchange，提问作者juan carlos