开放词汇 0%，1 张标注也能翻盘？

前面测过：YOLO-World / OWL-v2 在自然场景 100% 命中，在裸金属条上 0%。读者最常问的下一句是——

是模型废了，还是没微调？

这篇专门做「翻盘实验」：固定同一批 held-out 测试图，用 1 张 / 5 张 金属条标注微调 YOLOv8s，看命中率能不能从 0 拉起来。

结论：开放词汇在金属上仍是 0%；只要 1 张模板做有监督微调，held-out 测试即可 100% 命中（top1 IoU≥0.5），均值 IoU≈0.77，训练约 14 秒。领域鸿沟可以用极少标注填上。

一、实验怎么设计才公平

关键不是「训到过拟合训练集」，而是held-out：训练里没见过的姿态/光照/遮挡，能不能框住。

GT 框由前景分割自动生成（绿框预览已人工核对形态合理）。这不是「百万工业数据集」，而是回答一个更尖锐的问题：极少标注够不够翻盘。

图 1 · 1-shot 唯一训练图：template + GT 框

二、硬数字：0% → 100%

图 2 · 图像命中率：零样本 0% · 1/5-shot 全部 100%

最刺眼的对比：同一 5 张 held-out 测试图，零样本一张框都没有；1-shot 五张全中。微调不是「多训一点更好」，而是从不能用到能用的开关。

三、框质量：不只是「有框」

图 3 · mean IoU：1-shot 0.77 · 全部远超 0.5 阈值

图 4 · 分图 IoU：零样本全 0 · 微调在旋转/暗光/遮挡上仍稳住

有趣的点：1-shot 已经很强（mean IoU 0.77），5-shot 并不总是全面碾压——样本太少时方差大。增强（shot5aug）在 T8/T9 更稳。工业上与其死磕「再标 100 类提示词」，不如先标 1–5 张真件。

四、同图对照

图 5 · 左：开放词汇 0 框 · 右：5-shot+aug 顶框（绿=命中）

五、成本：14 秒换一条产线类

图 6 · 推理 ~30ms · 1-shot 训练约 14 秒

在 5060 Ti 上，1-shot 微调大约一杯水的时间；推理比开放词汇还快（~32ms vs ~85ms）。瓶颈从来不是算力，是愿不愿意标一张图。

六、和前几篇怎么放一起看

开放词汇零样本 · 金属 0%

场景通用，工业裸金属直接失效

少样本有监督 · 本篇 100%

1 张框就能翻盘；适合「固定零件 + 可标一点」

RoMa 模板匹配 · 0.07px

要测量点/位姿时，几何仍是精度王者

PatchCore 异常检测 · AUROC 1.0

框住 ROI 之后，用正常库判缺陷

选型口诀：新零件、能标 1–5 张 → 少样本检测；要亚像素测量点 → RoMa；只有良品、要找异常 → PatchCore；纯文本零样本碰裸金属 → 别硬刚。

七、边界

1. 测试集很小 5 张 held-out 足以证明「从 0 到 1」，不能外推到所有金属件/所有相机。

2. 自动框 ≠ 产线金标准 GT 来自前景分割；上线应换成人工框或更严的标定。

3. 多框噪声 conf=0.25 时会出碎框，F1 被拉低；产线应用 top1 或 NMS+更高阈值（本篇主指标即 top1）。

4. 换零件要重训 少样本解决的是「这一种件」，不是开放世界万能检测。

八、小结

开放词汇在裸金属上的 0%，不是算力问题，是域问题。

YOLOv8s 1-shot 约 14 秒即可在 held-out 上 100% 命中 · IoU 0.77。

工业落地与其等待「更大的开放词汇模型」，不如准备一张认真标好的模板图。