导致该现象的原因通常有5种：

• 在获取模型输出时漏掉了一些后处理过程使得评估接口获得了不正确的输入。
• 预测结果标签和标注类别标签顺序没有一一对应，比如编号为0的类，在label_map_dict中对应为了编号为1的类。
• 评估时使用了不同的阈值，比如iou阈值，置信度阈值等。
• 使用的模型不一致。
• 评估的数据不一致。

解决方案

建议仔细核对训练过程和评估过程使用的数据集和模型以及各种处理方法，使二者保持一致。