关于对运动中的物体会丢失识别框，错误捕捉目标还有精度陡然降低的问题

训练的模型，在测试中对运动中的物体会出出现丢框的现象，然后在数据集中加入了许多高斯噪声图和运动模糊图，对于丢框的问题有些许改善但是会出现目标识别错误的问题，会把别的物体识别成ship类，修改IOU和conf以后也没有好转很多，定的太高可能还会加大丢框的问题，这种问题只从数据集解决是不是很难有效啊，还有在训练中会出现map、精度陡然降低的问题这是为什么呀

⬆这是增加了许多高斯噪声和运动模糊图以后的模型，丢框问题有改善但乱认的问题也很明显

然后这个⬇是筛出一部分过于模糊的图后的模型，训练时突然大幅下降是正常的吗

先说你前面问题的解决方案。
我的建议是连续帧检测，比如5帧中至少有3帧是ship才算这5帧都是，这样可以有效的减少错检的可能性，容错率更高，而误检的两帧看你需求，可以丢掉，也可以修改这两帧的标签全部改成ship，看具体情况。这种情况是针对你这5帧中的主要检测主体是ship。如果有某些一两帧，类似浮漂啥的一定不能漏检，那么就得考虑这一两帧的另外处理方案。
至于map突然间降低的问题，只能说你某些图片的噪声加的过多了，或者某些个epoch数据恰好都取到很差的数据也可能这样，一两个这种影响不大，但是最好还是检查一下数据集