行人检测与结构化输出：Python视觉推理及质量评估产品系统

公开数据个人演示，面向图像批处理、目标检测结果导出及视觉模型可行性验证。使用 Penn-Fudan 行人图像展示从输入检查、检测推理到结果审计的完整流程，便于客户在扩大投入前了解检测质量和失败场景。本作品非客户交付，未针对体育或工业场景定制训练。

支持单张图片或文件夹输入，输出包含目标类别、置信度与边界框的 JSON/CSV；对损坏图片等异常输入进行处理。提供数据划分清单、阈值选择记录、逐图误检漏检分析和 CPU 延迟测量。交付物包括 Python 命令行脚本、依赖说明、可复现实验与结果报告。

采用 Python、PyTorch 与 TorchVision 官方预训练 SSDLite320 MobileNetV3 模型，未进行定制训练。96 张开发图像用于阈值选择，74 张按来源留出的测试图像用于最终评估。在 IoU=0.50、置信度阈值0.35下，测试精确率76.80%、召回率93.12%、F1为84.18%。数据含行人正例，预训练数据重叠未核实，因此结果不代表任意真实业务表现。本人负责推理流程、结构化导出、评估协议和错误分析。