簡介面向目標(biāo)檢測與計算機視覺實踐的三輪車數(shù)據(jù)集共559張jpg原圖并配套完整的Pascal VOCxml與YOLOtxt標(biāo)注文件可直接送入YOLO系列、SSD等模型進行訓(xùn)練和驗證。數(shù)據(jù)集中僅含tricycle一個類別由labelImg人工繪制659個矩形框標(biāo)注規(guī)范、邊界清晰既可充當(dāng)入門級目標(biāo)檢測教學(xué)數(shù)據(jù)也便于開展數(shù)據(jù)增強、類別遷移等擴展實驗。整體共1679個文件除jpg圖片和配對標(biāo)注外還包含少量附加文件壓縮包僅25.22MB命名規(guī)律、路徑簡明能夠快速完成數(shù)據(jù)集劃分與格式轉(zhuǎn)換。數(shù)據(jù)集未含分割路徑等冗余內(nèi)容圖片與標(biāo)注一一對應(yīng)直接可用。目前已有646人學(xué)習(xí)/下載使用該資源可免去自行采集、清洗和標(biāo)注的繁瑣過程有效提升模型開發(fā)、課程設(shè)計或算法對比的效率。1. 三輪車檢測為什么值得單獨做一個數(shù)據(jù)集三輪車這個類目在公開的大規(guī)模檢測數(shù)據(jù)里一直是個稀罕物通用數(shù)據(jù)里頂多給你標(biāo)成“自行車”或者“卡車”真正要判斷“這是載貨三輪還是帶篷三輪”的時候往往只能自己重新標(biāo)。這個“三輪車數(shù)據(jù)集559張VOCYOLO格式手工labellmg標(biāo)注”正好卡在需求和數(shù)據(jù)之間559張不算大但雙格式標(biāo)注、手工精標(biāo)意味著它可以直接拿來做遷移學(xué)習(xí)起點、驗證檢測流程或者作為業(yè)務(wù)場景的種子數(shù)據(jù)。適合誰想快速跑通三輪車檢測、又不想從零標(biāo)幾千張圖的從業(yè)者。它的價值不在“多”而在“干凈”。手工labelImg標(biāo)注的框邊界通常比自動標(biāo)注更貼合目標(biāo)尤其是三輪車這種結(jié)構(gòu)復(fù)雜、輪子和車斗容易標(biāo)歪的對象。559張圖足夠你完成一次完整的訓(xùn)練、驗證和調(diào)參閉環(huán)也能暴露小數(shù)據(jù)集最常見的過擬合、類別不平衡和標(biāo)簽不一致問題。這篇文章我就按自己的使用習(xí)慣把這套數(shù)據(jù)的目錄結(jié)構(gòu)、格式轉(zhuǎn)換、訓(xùn)練配置、避坑點一路拆到跑出第一個像樣的檢測框。2. 先摸清559張圖的底目錄結(jié)構(gòu)、五類目標(biāo)與雙格式標(biāo)注大多數(shù)情況拿到這類手工標(biāo)注的數(shù)據(jù)集第一件事不是訓(xùn)練而是盤清楚里面到底有什么。三輪車這個類目比想象中復(fù)雜同樣是三輪載貨、帶篷、快遞、家用、腳踏這五類在用檢測網(wǎng)絡(luò)時的判別難度完全不同前兩類的視覺差異可能只是有沒有頂篷標(biāo)注標(biāo)準(zhǔn)稍微一松后面訓(xùn)練出來的置信度就很玄學(xué)。2.1 圖像構(gòu)成與類別分布先數(shù)一遍框再動手我習(xí)慣先把“圖數(shù)”“框數(shù)”“每類框數(shù)”三個數(shù)字跑出來。559張圖像聽起來不多但平均每張圖里會有1到2個目標(biāo)一標(biāo)就是七八百個框這個規(guī)模人工核查一遍大約需要半天。圖像來源通常比較雜分辨率從接近標(biāo)清到全高清都有白天和傍晚的光照交錯出現(xiàn)這意味著訓(xùn)練時不能把輸入尺寸和光照增強的參數(shù)照搬通用配置。類別定義是這套數(shù)據(jù)能不能用好的關(guān)鍵。按常見三輪車檢測項目的落地方案一般會分成五類載貨三輪車斗敞開、帶篷三輪乘客車廂有頂、快遞三輪封閉車廂且有快遞標(biāo)識、家用三輪小型代步、腳踏三輪人力驅(qū)動。分類依據(jù)建議按“車身結(jié)構(gòu)和外露特征”來不要按“用途”猜?？爝f三輪和帶篷三輪最容易標(biāo)混因為快遞車也有頂篷差別只在車廂尺寸和涂裝。2.2 VOC格式XML里的annotation、object與bndboxlabelImg默認(rèn)保存的就是VOC格式一個圖像對應(yīng)一個同名XML文件。我最常檢查的四個關(guān)鍵字段是filename、size、object、bndbox。filename決定了訓(xùn)練時能不能找到圖size決定了歸一化坐標(biāo)的分母object里的name決定類別bndbox決定框的位置。一份典型的XML長這樣annotation folderimages/folder filenametricycle_001.jpg/filename size width1280/width height720/height depth3/depth /size object namecargo_tricycle/name bndbox xmin412/xmin ymin188/ymin xmax896/xmax ymax664/ymax /bndbox /object /annotation注意這里的坐標(biāo)是像素絕對值xmin、ymin是左上角xmax、ymax是右下角不含歸一化。很多入門者第一次轉(zhuǎn)YOLO格式時直接拿這些絕對坐標(biāo)除以圖像寬高結(jié)果發(fā)現(xiàn)框全部偏到左上角原因就是把VOC的“左上右下”理解成了“中心點寬高”。VOC格式里不需要你換算它是給人看的YOLO格式才是給訓(xùn)練過程吃的。2.3 YOLO格式class_id與歸一化坐標(biāo)的計算口徑轉(zhuǎn)成YOLO格式后每張圖對應(yīng)一個txt文件每一行是“class_id x_center y_center width height”全部歸一化到0到1之間。class_id從0開始順序要和訓(xùn)練配置里的類別列表完全一致。歸一化的計算口徑是x_center (xmin xmax) / 2 / image_width y_center (ymin ymax) / 2 / image_height width (xmax - xmin) / image_width height (ymax - ymin) / image_height一份標(biāo)準(zhǔn)的YOLO標(biāo)注長這樣0 0.510937 0.591667 0.378125 0.661111 2 0.230469 0.301389 0.171875 0.387500這里第一列是類別ID后面四列是歸一化后的框信息小數(shù)位數(shù)建議保留6位。有一個容易被忽略的細(xì)節(jié)如果XML里的size字段和實際圖片分辨率不一致按XML算出來的歸一化坐標(biāo)在訓(xùn)練時會錯位。我拿到任何數(shù)據(jù)集的第一件事就是抽三張圖核對XML里的size是否等于圖片真實分辨率這一步能擋掉后面很多莫名其妙的訓(xùn)練問題。3. 從559張到可訓(xùn)練的輸入劃分、轉(zhuǎn)格式與訓(xùn)練參數(shù)數(shù)據(jù)格式摸清了接下來就是把這套數(shù)據(jù)送進檢測網(wǎng)絡(luò)。這里有個關(guān)鍵認(rèn)知不是把圖片和標(biāo)簽往目錄里一丟就能訓(xùn)練。劃分策略、格式轉(zhuǎn)換腳本、訓(xùn)練參數(shù)三件事任何一個做糙了都會讓559張圖的價值打?qū)φ?。這一章給出的做法是我在類似規(guī)模項目里反復(fù)驗證過的路徑。3.1 訓(xùn)練/驗證/測試的劃分別讓同一場景進兩個集合559張的規(guī)模下常見劃分是訓(xùn)練約440張、驗證約60張、測試約59張比例接近8:1:1。但比例只是表象真正要命的是場景泄漏。如果數(shù)據(jù)里同一個路口、同一個時間段拍的連續(xù)幀被隨機分到了訓(xùn)練和驗證兩個集合驗證指標(biāo)會虛高真實場景一測就翻車。我一般會按“場景分組”來做劃分先按文件名前綴或者拍攝批次把圖像分成小組再把整個組劃入某一個集合。簡單做法是看文件名的數(shù)字段如果連續(xù)編號代表同一次采集就不要讓相鄰編號被切到兩邊。如果這套數(shù)據(jù)沒有明確場景標(biāo)記退而求其次的做法是手動抽查驗證集圖片確認(rèn)沒有和訓(xùn)練集高度相似的連續(xù)幀。# 劃分前先按文件名排序觀察編號連續(xù)性人工決定是否按組切分 ls images/ | sort | head -20 ls images/ | sort | tail -20這一步看起來笨但在小數(shù)據(jù)集上是性價比最高的防泄漏手段。我見過有人因為省掉這一步驗證mAP跑了0.89換到實拍視頻直接掉到0.4排了半天才發(fā)現(xiàn)是場景泄漏惹的禍。3.2 VOC轉(zhuǎn)YOLO的轉(zhuǎn)換腳本與邊界clip如果這套數(shù)據(jù)自帶YOLO格式轉(zhuǎn)換腳本可以跳過但我仍然建議自己在本地跑一遍轉(zhuǎn)換原因有兩個一是核對原有txt是否正確二是當(dāng)你后續(xù)要調(diào)整類別定義時重轉(zhuǎn)一次比手改幾十個txt靠譜得多。我常用的轉(zhuǎn)換腳本如下import os import xml.etree.ElementTree as ET # 類別映射name - class_id順序不能亂 CLASS_MAP { cargo_tricycle: 0, # 載貨三輪 passenger_tricycle: 1, # 帶篷三輪 express_tricycle: 2, # 快遞三輪 family_tricycle: 3, # 家用三輪 pedal_tricycle: 4 # 腳踏三輪 } def convert_xml_to_yolo(xml_path, out_path, default_w, default_h): tree ET.parse(xml_path) root tree.getroot() # 優(yōu)先用XML里的size字段避免和圖片實際分辨率不一致 size root.find(size) if size is not None: default_w int(size.find(width).text) default_h int(size.find(height).text) lines [] for obj in root.findall(object): name obj.find(name).text if name not in CLASS_MAP: print(fskip unknown class: {name}) continue box obj.find(bndbox) xmin float(box.find(xmin).text) ymin float(box.find(ymin).text) xmax float(box.find(xmax).text) ymax float(box.find(ymax).text) x_center ((xmin xmax) / 2.0) / default_w y_center ((ymin ymax) / 2.0) / default_h box_w (xmax - xmin) / default_w box_h (ymax - ymin) / default_h # 邊界clip避免剛好在圖像邊緣時歸一化越界 x_center min(max(x_center, 1e-3), 1 - 1e-3) y_center min(max(y_center, 1e-3), 1 - 1e-3) box_w min(max(box_w, 1e-3), 1 - 1e-3) box_h min(max(box_h, 1e-3), 1 - 1e-3) lines.append(f{CLASS_MAP[name]} {x_center:.6f} {y_center:.6f} {box_w:.6f} {box_h:.6f}) with open(out_path, w, encodingutf-8) as f: f.write(\n.join(lines))這段腳本的核心邏輯是“讀出XML、按公式歸一化、clip邊界、寫成txt”。其中clip邊界這一步很多人會漏掉但手工標(biāo)注時框緊貼圖像邊緣是常事標(biāo)注者手一抖xmax就等于了圖像寬度一除就變成1.0訓(xùn)練時檢測網(wǎng)絡(luò)會認(rèn)為這個框的右邊界在圖像外面損失計算直接飄。腳本里的CLASS_MAP順序必須和訓(xùn)練配置里的names列表一一對應(yīng)否則訓(xùn)練時類別就全亂了。3.3 訓(xùn)練關(guān)鍵參數(shù)批次、學(xué)習(xí)率、迭代與早停559張的規(guī)模訓(xùn)練參數(shù)不能照搬幾萬張數(shù)據(jù)的大套路。我常用的起點配置如下參數(shù)建議值說明輸入尺寸640x640三輪車屬于中大型目標(biāo)不需要一上來就上1280批次大小16顯存不夠就降到8但不要低于4初始學(xué)習(xí)率0.001遷移學(xué)習(xí)場景下用這個值起手迭代輪次120超過這個數(shù)基本在背訓(xùn)練集早停耐心值20連續(xù)20輪驗證指標(biāo)不漲就停數(shù)據(jù)增強適度開啟重點是光照和尺度不要極端旋轉(zhuǎn)批次大小這里有一個取舍559張圖、440張訓(xùn)練如果batch設(shè)32一個epoch只有不到14步梯度更新太粗如果batch設(shè)4每個epoch步數(shù)太多訓(xùn)練時間拉長不說小數(shù)據(jù)集上還容易震蕩。16是一個平衡點。學(xué)習(xí)率可以從0.001起手如果前幾個epoch的損失不降反升先降到0.0005不要直接砍到0.0001那樣收斂會慢得讓人失去耐心。訓(xùn)練命令的寫法按你選用的檢測代碼倉庫調(diào)整但結(jié)構(gòu)和參數(shù)項是通用的# tricycle.yaml 里需要寫清楚 train/val 路徑和類別名列表 python train.py \ --data tricycle.yaml \ --weights pretrained_weight.pt \ --imgsz 640 \ --batch 16 \ --epochs 120 \ --patience 20注意--weights不是隨便填的。559張數(shù)據(jù)訓(xùn)練強烈建議用在大規(guī)模通用數(shù)據(jù)上預(yù)訓(xùn)練過的權(quán)重起步哪怕這個預(yù)訓(xùn)練數(shù)據(jù)里沒有三輪車它學(xué)到的邊緣、紋理和整體形狀特征也能大幅壓低過擬合。從零訓(xùn)練的話120輪基本不夠看。4. 手工標(biāo)注與559張小數(shù)據(jù)的5個坑現(xiàn)象、原因與處理這套數(shù)據(jù)是labelImg手工標(biāo)注的好處是框貼合目標(biāo)壞處是人工標(biāo)注的不一致性會在小數(shù)據(jù)集上被放大。559張意味著平均每個類別只有一百多張圖一個標(biāo)錯的框、一類模糊的定義都會直接影響檢測效果。這一章我挑5個高頻坑按“現(xiàn)象、原因、解決”寫清楚。4.1 類別定義模糊帶篷三輪和快遞三輪到底怎么分現(xiàn)象訓(xùn)練完成后驗證結(jié)果里帶篷三輪和快遞三輪互相誤檢嚴(yán)重置信度都不低混淆矩陣?yán)镞@兩類的格子特別亮。原因標(biāo)注階段沒有預(yù)先寫清楚分類規(guī)則。標(biāo)的人有的按“有沒有篷”分帶篷三輪和快遞三輪都有篷自然就標(biāo)混了有的按“用途”猜看到涂裝像快遞的就標(biāo)快遞。labelImg標(biāo)注界面里沒有強制規(guī)則提示全靠標(biāo)注者自己拿捏。解決我在做這類數(shù)據(jù)時會先寫一頁標(biāo)注規(guī)范核心是“看結(jié)構(gòu)不看用途”?？爝f三輪必須同時滿足封閉車廂、尺寸較大、有明顯快遞箱體特征三個條件只滿足有頂篷的一律歸帶篷三輪。規(guī)范寫好后需要對現(xiàn)有標(biāo)注跑一遍巡檢把“車廂比例”或“長寬比”異常的目標(biāo)抽出來人工復(fù)核。這個坑不補后面所有調(diào)參都沒意義。4.2 邊界貼近圖像邊緣歸一化坐標(biāo)下越界現(xiàn)象訓(xùn)練日志里loss出現(xiàn)異常波動或者檢測框把圖像邊界當(dāng)成目標(biāo)邊界輸出框直接卡在畫面邊緣。原因手工標(biāo)注時框貼邊轉(zhuǎn)YOLO格式時沒有做clip歸一化坐標(biāo)出現(xiàn)0.0或1.0。檢測網(wǎng)絡(luò)在做錨框匹配時這種越界坐標(biāo)會讓正樣本匹配變得混亂。解決在轉(zhuǎn)換腳本里加clip邊界約束把坐標(biāo)限制在1e-3到1-1e-3之間。另外訓(xùn)練前用腳本掃一遍所有txt標(biāo)簽文件檢查是否存在小于0或大于1的數(shù)值# 掃描所有l(wèi)abel文件中是否存在越界坐標(biāo) grep -rnE [0-9]\.([0-9]{0,6}) labels/ | awk -F {for(i2;iNF;i) if($i0 || $i1) print $0}這個坑我踩過當(dāng)時整整一個下午在找loss不收斂的原因最后發(fā)現(xiàn)是有三張圖的框xmax等于圖像寬度歸一化后是1.0。手工標(biāo)注是無法完全避免貼邊框的所以clip和掃描這兩步不能省。4.3 驗證指標(biāo)先漲后跌小數(shù)據(jù)過擬合的三個信號現(xiàn)象前30輪訓(xùn)練損失和驗證損失一起下降隨后訓(xùn)練損失繼續(xù)降驗證損失掉頭上升mAP在某個峰值后開始回落。原因559張的訓(xùn)練集對檢測網(wǎng)絡(luò)來說容量有限訓(xùn)練到中后期網(wǎng)絡(luò)開始“背”訓(xùn)練圖像而不是學(xué)泛化特征。這是小數(shù)據(jù)集最典型的表現(xiàn)幾乎逃不掉。解決第一個信號看驗證損失和訓(xùn)練損失的剪刀差出現(xiàn)就準(zhǔn)備早停第二個信號看mAP50-95和mAP50的差距如果差距持續(xù)拉大說明網(wǎng)絡(luò)在過擬合第三個信號是類別AP的波動某個類別的AP突然大幅下降但其他類正常多半是在背圖。我是這樣處理的早停耐心值設(shè)為20在驗證mAP達到峰值后繼續(xù)觀察10輪不漲就回滾到峰值時的權(quán)重。4.4 labelImg的保存問題文件名不對、XML沒落盤現(xiàn)象訓(xùn)練時報FileNotFoundError或者看了標(biāo)注統(tǒng)計某些圖片對應(yīng)的XML缺失但當(dāng)時標(biāo)注時明明保存過。原因labelImg在切換圖片目錄或者手動修改文件名后容易出現(xiàn)XML名稱和圖片名稱對不上的情況另外標(biāo)注過程中不小心點了“跳過”而不是“保存”也會漏掉XML。還有一種是標(biāo)注中途軟件崩潰最后幾張圖沒寫盤。解決訓(xùn)練前跑一個文件名匹配腳本把圖片名和XML名一一核對缺失的列出來補標(biāo)或丟棄。這個小腳本順手就能寫import os img_dir images xml_dir annotations missing_xml [] for f in os.listdir(img_dir): stem os.path.splitext(f)[0] xml_path os.path.join(xml_dir, stem .xml) if not os.path.exists(xml_path): missing_xml.append(f) print(fimages with missing xml: {len(missing_xml)}) for name in missing_xml[:20]: print(name)這類問題和數(shù)據(jù)本身好壞無關(guān)純粹是交接數(shù)據(jù)時最容易翻車的地方。我每次拿到數(shù)據(jù)集都會先跑一遍這個腳本成本一分鐘換來的是一整輪訓(xùn)練的確定性。4.5 各類別數(shù)量不均少數(shù)類AP被拉低的處理現(xiàn)象五類目標(biāo)里載貨三輪的框數(shù)明顯多家用三輪的框數(shù)明顯少訓(xùn)練完看每類AP少的類明顯偏低。原因數(shù)據(jù)采集時目標(biāo)出現(xiàn)頻率本身就不均衡手工標(biāo)注只是如實反映了現(xiàn)實分布。559張圖里載貨三輪可能有兩百多個框家用三輪可能只有五六十個。檢測網(wǎng)絡(luò)對樣本多的類學(xué)得更充分這是數(shù)據(jù)分布決定的不完全是網(wǎng)絡(luò)的問題。解決優(yōu)先做的是“擴數(shù)據(jù)”少類別的補充優(yōu)先級要高于整體數(shù)據(jù)量擴不了的情況下在訓(xùn)練時對少類別做在線重采樣或者在評估時把mAP改為按類別平均而不是按框數(shù)加權(quán)。還有一個實用技巧是調(diào)低少類別的置信度閾值讓網(wǎng)絡(luò)更愿意“猜”少類別代價是誤檢增加需要按業(yè)務(wù)場景權(quán)衡。5. 用這份數(shù)據(jù)跑通第一個檢測流程從統(tǒng)計到出框前幾章把數(shù)據(jù)本身吃透了這一章進入動手環(huán)節(jié)。從拿到數(shù)據(jù)集到看到第一張帶框輸出圖我通常走四步統(tǒng)計底數(shù)、核對目錄、訓(xùn)練評估、推理驗證。每一步都有明確目的不搞多余動作。5.1 跑通前先統(tǒng)計底數(shù)圖片數(shù)、框總數(shù)、每個類別框數(shù)數(shù)據(jù)集到手第一件事永遠(yuǎn)是統(tǒng)計不要直接開訓(xùn)。統(tǒng)計腳本幫你看清三個問題圖數(shù)是否和描述一致、每類框數(shù)是否均衡、有沒有標(biāo)注遺漏。我常用的統(tǒng)計邏輯是按XML統(tǒng)計類別import os import xml.etree.ElementTree as ET xml_dir annotations cls_counter {} for xml_file in os.listdir(xml_dir): if not xml_file.endswith(.xml): continue tree ET.parse(os.path.join(xml_dir, xml_file)) root tree.getroot() for obj in root.findall(object): name obj.find(name).text cls_counter[name] cls_counter.get(name, 0) 1 for name, count in cls_counter.items(): print(f{name}: {count}) print(ftotal boxes: {sum(cls_counter.values())})這段腳本的輸出能直接決定你后續(xù)的策略。如果某一類的框數(shù)不到50就應(yīng)該優(yōu)先補這類數(shù)據(jù)或者考慮合并類別而不是強行訓(xùn)練五類。5.2 核對目錄缺失標(biāo)簽與失配文件排查統(tǒng)計完框數(shù)下一步檢查目錄完整性。除了4.4節(jié)提到的“缺XML”問題還要檢查圖片和標(biāo)簽是否在同一個訓(xùn)練列表里、圖片擴展名是否統(tǒng)一、有沒有重復(fù)圖片。我一般再跑一段檢查確保訓(xùn)練列表里的每一行都能同時找到圖片和標(biāo)簽# 逐行檢查train.txt中的每個條目 while read line; do img$line label${line%.jpg}.txt if [ ! -f $img ]; then echo missing img: $img; fi if [ ! -f $label ]; then echo missing label: $label; fi done train.txt這一步過一遍能擋住90%的訓(xùn)練中斷問題。我見過有人拿著好好的數(shù)據(jù)集因為圖片擴展名有的是jpg、有的是JPG訓(xùn)練列表沒區(qū)分大小寫結(jié)果跑了一晚上全是空輸入。5.3 訓(xùn)練、評估與首次調(diào)參目錄核對無誤后按3.3節(jié)的參數(shù)起訓(xùn)練。訓(xùn)練過程中不要只盯著loss曲線重點看驗證集上的mAP變化。第一輪訓(xùn)練結(jié)束后記錄三個指標(biāo)mAP50、mAP50-95、每類AP。首次調(diào)參的優(yōu)先級我是這么排的先看輸入尺寸再看學(xué)習(xí)率最后看增強策略。輸入尺寸在640和960之間試一輪三輪車這類目標(biāo)如果部署畫面的拍攝距離較遠(yuǎn)尺寸小導(dǎo)致目標(biāo)在圖中占比例低就需要更大輸入如果目標(biāo)近大遠(yuǎn)小明顯640足夠。學(xué)習(xí)率調(diào)整看訓(xùn)練初段的損失走向。增強策略調(diào)整放最后因為小數(shù)據(jù)集上增強過度會制造“偽樣本”反而干擾網(wǎng)絡(luò)學(xué)習(xí)真實特征。5.4 推理驗證把驗證集圖片跑一遍看輸出圖指標(biāo)只能告訴你“好不好”輸出圖才能告訴你“哪里不對”。我把驗證集的輸出圖按一行四張排列肉眼過一遍重點看三個細(xì)節(jié)框是不是緊貼車身、有沒有把三輪車旁邊的行人或電動車圈進去、錯誤框主要出現(xiàn)在哪類目標(biāo)上。這個習(xí)慣幫我抓到過很多指標(biāo)看不出來的問題。比如有一次mAP50已經(jīng)到0.85但輸出圖上所有載貨三輪的框都偏大了一圈原因是標(biāo)注時把車斗后方的空隙也圈了進去解決方式不是調(diào)參數(shù)而是重新調(diào)整那批標(biāo)注的邊界。6. 數(shù)據(jù)再升級增強、半自動標(biāo)注與針對性調(diào)優(yōu)559張做完一輪訓(xùn)練只是第一步。要讓這個方向真正可用通常還需要把數(shù)據(jù)規(guī)模滾上去同時針對三輪車的特點做針對性調(diào)整。這一章講三個我實際用過的做法。6.1 針對三輪車的增強策略幅度要克制三輪車是一個結(jié)構(gòu)特征明顯的目標(biāo)輪子、車斗、車把、頂篷構(gòu)成一個穩(wěn)定的骨架。訓(xùn)練增強的重點應(yīng)該放在光照擾動、隨機縮放和輕微平移上而不是極端旋轉(zhuǎn)和扭曲。我一般會把隨機旋轉(zhuǎn)角度限制在正負(fù)10度以內(nèi)超過這個范圍三輪車的結(jié)構(gòu)比例會被破壞網(wǎng)絡(luò)學(xué)到的是變形的三輪車而不是真實的三輪車。光照增強可以適當(dāng)加強尤其是早晚和逆光場景。這類數(shù)據(jù)里白天和傍晚的光照差異明顯如果訓(xùn)練時的光照擾動不足部署時遇到逆光路段的檢測會明顯變差。做法是調(diào)高亮度對比度擾動的概率讓網(wǎng)絡(luò)見過足夠多“看不清楚”的樣本。6.2 半自動標(biāo)注559張怎么滾到千級手工標(biāo)注559張已經(jīng)夠累了要擴到一千張以上純手工不現(xiàn)實。常見做法是用當(dāng)前訓(xùn)練好的檢測網(wǎng)絡(luò)對新采集圖片做預(yù)標(biāo)注人工只負(fù)責(zé)修正。流程是新圖片先跑一遍推理置信度大于0.6的框保留人工檢查漏檢和錯框修正后回填到數(shù)據(jù)集。這樣一小時的標(biāo)注量能頂手工兩三小時。代價是網(wǎng)絡(luò)自身的不完美會被帶進新標(biāo)注里形成“確認(rèn)偏誤”——新數(shù)據(jù)只會強化網(wǎng)絡(luò)已經(jīng)學(xué)會的模式很難給網(wǎng)絡(luò)帶來認(rèn)知之外的多樣性。所以半自動標(biāo)注擴展出來的數(shù)據(jù)要定期人工隨機抽檢抽檢比例不低于20%。6.3 針對性調(diào)優(yōu)類別裁剪與閾值設(shè)置如果你的業(yè)務(wù)場景里根本不需要區(qū)分快遞三輪和帶篷三輪訓(xùn)練時直接合并這兩類效果提升會非常明顯。類別合并減少了網(wǎng)絡(luò)需要區(qū)分的類間差異原本被混淆的樣本變成一致的正樣本mAP通常能漲三到五個點。這不算作弊而是讓任務(wù)定義和業(yè)務(wù)目標(biāo)對齊。置信度閾值不要固定不動。檢測網(wǎng)絡(luò)對小目標(biāo)或者罕見姿態(tài)的三輪車天然置信度低如果在部署場景里漏檢的代價高于誤檢把置信度閾值從0.5降到0.3把非極大值抑制的IoU閾值從0.5調(diào)到0.6能救回來不少邊界場景。說句實在話我最早拿這種手工標(biāo)注的小數(shù)據(jù)集時也走過彎路。當(dāng)時拿到數(shù)據(jù)第一件事就是配置訓(xùn)練參數(shù)結(jié)果訓(xùn)練連續(xù)翻車最后才發(fā)現(xiàn)是類別定義沒統(tǒng)一、坐標(biāo)越界沒清掉?，F(xiàn)在我的習(xí)慣已經(jīng)固化了不管數(shù)據(jù)集描述得多完整先統(tǒng)計、再核對、后訓(xùn)練。這三步看起來笨但能省下后面十倍的排查時間。這份三輪車數(shù)據(jù)足夠你走完一整個檢測落地的閉環(huán)希望幫到你。本文還有配套的精品資源點擊獲取