在城市场景的多模态目标检测任务中，我希望先了解已有方案和真实数据，再决定怎样改进。初赛的实现与结果应该成为后续工作的参考，而不是每到新阶段就重新设计一套没有依据的方案。
数据检查放在前面
拿到新的数据后，先整理几件事：
- 图像和其他模态各自包含什么。
- 样本、标注、类别与文件名是否对应。
- 不同模态之间怎样对齐。
- 训练、验证和测试材料有哪些差异。
- 现有读取与预处理代码是否还能使用。
这些问题先弄清楚，才有条件讨论融合方式和模型调整。
保留一个可以比较的起点
实验需要保留基线版本，并记录每次改动。模型、输入、训练配置和推理设置同时变化时，结果差异很难解释。
我希望后续把单模态、融合方案和关键消融整理到同一张实验表中，说明每个数字来自哪次运行。
训练之外还有提交检查
模型运行完成之后，还要检查输出文件数量、类别编号、坐标、文件名和打包格式。验证集结果、候选提交包和官方评测结果也应分开保存。
本篇先整理工作方法，具体模型结构、分数和实验图表会在对应记录核对后补充。
下一步补什么
补上数据特点、实际使用的方案、对照实验与失败案例。每一轮改动最好能回答：发现了什么问题、为什么这样改、结果是否支持这个判断。