簡(jiǎn)介面向目標(biāo)檢測(cè)學(xué)習(xí)與研究的高爾夫場(chǎng)景數(shù)據(jù)集聚焦高爾夫球、球桿手柄、球桿頭三個(gè)類(lèi)別共包含一萬(wàn)三千一百三十四張JPEG圖片以及對(duì)應(yīng)的Pascal VOC格式XML標(biāo)注和YOLO格式TXT標(biāo)注適合需要訓(xùn)練高爾夫檢測(cè)模型的開(kāi)發(fā)者和學(xué)生使用也可用于算法驗(yàn)證、數(shù)據(jù)增強(qiáng)效果對(duì)比等場(chǎng)景。壓縮包共兩千個(gè)文件以XML標(biāo)注文件為主另包含說(shuō)明文本整體大小約九百零七兆字節(jié)其中XML便于Pascal VOC解析TXT可直接用于YOLO系列模型訓(xùn)練。標(biāo)注使用labelImg工具繪制矩形框三個(gè)類(lèi)別合計(jì)三萬(wàn)三千四百一十三個(gè)目標(biāo)框球桿手柄框數(shù)最多圖片包含增強(qiáng)版本下載前請(qǐng)留意。高爾夫場(chǎng)景中目標(biāo)尺寸差異大、背景復(fù)雜本數(shù)據(jù)集可為小目標(biāo)檢測(cè)、遮擋處理等相關(guān)研究提供基礎(chǔ)標(biāo)注支持。目前已有三百二十六人學(xué)習(xí)下載數(shù)據(jù)僅保證標(biāo)注合理準(zhǔn)確不承諾模型訓(xùn)練精度請(qǐng)根據(jù)實(shí)際任務(wù)評(píng)估后使用。 做目標(biāo)檢測(cè)項(xiàng)目這些年我養(yǎng)成了一個(gè)習(xí)慣拿到一個(gè)新數(shù)據(jù)集先不做訓(xùn)練而是先做“體檢”。最近剛好在整理一批體育場(chǎng)景的數(shù)據(jù)其中這套高爾夫球、球桿、球頭檢測(cè)數(shù)據(jù)集讓我印象挺深——13100張圖3個(gè)類(lèi)別VOC和YOLO兩種格式全部就位還帶增強(qiáng)版本。光看配置這已經(jīng)算是一個(gè)可以“開(kāi)箱即用”的中小規(guī)模數(shù)據(jù)集了。為什么我對(duì)這種細(xì)分場(chǎng)景這么上心因?yàn)橥ㄓ脭?shù)據(jù)集大家都跑膩了真正到了實(shí)際項(xiàng)目里你面對(duì)的都是高爾夫球這樣“不那么標(biāo)準(zhǔn)”的目標(biāo)小、顏色和背景接近、運(yùn)動(dòng)模糊、光照變化大。一套干凈、標(biāo)注準(zhǔn)確的行業(yè)數(shù)據(jù)集比十套通用數(shù)據(jù)集更能幫你把模型調(diào)扎實(shí)。這篇文章不打算寫(xiě)成廣告貼而是想借這套數(shù)據(jù)把體育場(chǎng)景目標(biāo)檢測(cè)從數(shù)據(jù)檢查、格式理解到訓(xùn)練調(diào)參的完整鏈路捋一遍給正在找數(shù)據(jù)集、或者剛?cè)胧諽OLO訓(xùn)練自定義數(shù)據(jù)的同學(xué)做個(gè)參考。1. 數(shù)據(jù)集的定位與整體設(shè)計(jì)思路1.1 為什么單把“球、桿、球頭”拎出來(lái)做檢測(cè)高爾夫場(chǎng)景里的檢測(cè)任務(wù)和車(chē)牌識(shí)別、工業(yè)質(zhì)檢這類(lèi)場(chǎng)景相比有個(gè)明顯特點(diǎn)目標(biāo)的尺度跨度極大而且類(lèi)別之間有強(qiáng)關(guān)聯(lián)。高爾夫球典型小目標(biāo)直徑在圖像里可能只有二三十像素。白球在陽(yáng)光下還容易過(guò)曝黃球在草地上的對(duì)比度又不夠這對(duì)模型的紋理特征提取能力要求很高。高爾夫球桿長(zhǎng)條形目標(biāo)整體占比大但細(xì)長(zhǎng)結(jié)構(gòu)對(duì)邊界框回歸不友好。球桿在揮桿動(dòng)作中會(huì)有大幅度旋轉(zhuǎn)框的寬高比變化劇烈。球頭桿頭球桿末端的金屬部件體積小、反光強(qiáng)還經(jīng)常被手部或桿身遮擋屬于“小目標(biāo)部分遮擋”的復(fù)合難題。這三個(gè)類(lèi)別放在同一個(gè)數(shù)據(jù)集里等于逼著檢測(cè)器同時(shí)解決多尺度、強(qiáng)反光、旋轉(zhuǎn)變化、部分遮擋四類(lèi)問(wèn)題。用網(wǎng)上下載的通用預(yù)訓(xùn)練權(quán)重直接跑大概率會(huì)在球和球頭這兩類(lèi)上翻車(chē)——不是漏檢就是誤檢。從這個(gè)角度看這套數(shù)據(jù)的價(jià)值不只是“能用來(lái)訓(xùn)練”更是給模型做針對(duì)性調(diào)優(yōu)的絕佳測(cè)試床。1.2 13100張的量級(jí)意味著什么先算一筆賬13100張圖3個(gè)類(lèi)別平均下來(lái)每類(lèi)約4300張。這個(gè)規(guī)模在行業(yè)數(shù)據(jù)集里是什么水平對(duì)比一下就清楚了數(shù)據(jù)集圖像數(shù)量類(lèi)別數(shù)定位PASCAL VOC 20072012約2萬(wàn)張20類(lèi)通用物體檢測(cè)標(biāo)準(zhǔn)測(cè)試集COCO約33萬(wàn)張80類(lèi)大規(guī)模通用檢測(cè)訓(xùn)練集這套高爾夫數(shù)據(jù)集13100張3類(lèi)行業(yè)垂直場(chǎng)景專(zhuān)精數(shù)據(jù)13100張的量級(jí)做遷移學(xué)習(xí)完全夠用。我的經(jīng)驗(yàn)是垂直場(chǎng)景下單類(lèi)目標(biāo)有3000張以上高質(zhì)量標(biāo)注圖配合預(yù)訓(xùn)練權(quán)重做微調(diào)mAP0.5就有機(jī)會(huì)沖到0.9以上如果到了8000張以上基本可以覆蓋絕大多數(shù)現(xiàn)場(chǎng)光照和角度變化。這套數(shù)據(jù)正好卡在“夠用且不冗余”的甜點(diǎn)區(qū)訓(xùn)練時(shí)間可控迭代速度快特別適合做算法的快速驗(yàn)證和上線前評(píng)估。還有一個(gè)細(xì)節(jié)值得注意標(biāo)題里寫(xiě)了“含增強(qiáng)”。這是行業(yè)數(shù)據(jù)集的常見(jiàn)做法——原始圖片之外再通過(guò)翻轉(zhuǎn)、旋轉(zhuǎn)、亮度調(diào)節(jié)、馬賽克拼接等離線增強(qiáng)手段擴(kuò)展樣本量。增強(qiáng)后的圖片需要同步做標(biāo)注框變換很多小數(shù)據(jù)集之所以不好用就是因?yàn)樵鰪?qiáng)圖和標(biāo)注沒(méi)對(duì)齊。這套數(shù)據(jù)既然標(biāo)注了含增強(qiáng)說(shuō)明作者在數(shù)據(jù)生產(chǎn)的完整性上是有意識(shí)的這對(duì)使用方來(lái)說(shuō)能省掉不少數(shù)據(jù)清洗的功夫。1.3 VOC和YOLO雙格式為什么重要PASCAL VOC格式的標(biāo)注文件是XML結(jié)構(gòu)目標(biāo)信息放在object節(jié)點(diǎn)里框坐標(biāo)用bndbox里的xmin、ymin、xmax、ymax四個(gè)整數(shù)表示直觀、可讀性強(qiáng)適合在標(biāo)注工具里二次編輯也是MMDetection、Detectron2這些檢測(cè)框架偏好的輸入格式。YOLO格式則完全不同每張圖對(duì)應(yīng)一個(gè)同名txt文件每行代表一個(gè)目標(biāo)格式是class_id x_center y_center width height坐標(biāo)全部歸一化到0~1區(qū)間類(lèi)別id從0開(kāi)始編號(hào)。這種格式犧牲了可讀性但換來(lái)的是訓(xùn)練時(shí)的讀取效率YOLOv5、YOLOv8這些主流版本直接吃這種格式。實(shí)際項(xiàng)目里最怕的就是“格式鎖死”。你從網(wǎng)上下載的訓(xùn)練腳本要VOC你手上的數(shù)據(jù)是YOLO轉(zhuǎn)換時(shí)稍不注意坐標(biāo)就偏了。雙格式發(fā)布意味著拿到手之后不管是走YOLO系列快速出效果還是切到MMDetection做對(duì)比實(shí)驗(yàn)都不用自己寫(xiě)轉(zhuǎn)換腳本。這個(gè)看起來(lái)很不起眼的點(diǎn)真到工程落地上能省半天時(shí)間。2. 核心細(xì)節(jié)解析與實(shí)操要點(diǎn)2.1 數(shù)據(jù)質(zhì)量檢查的五個(gè)維度拿到任何數(shù)據(jù)集我建議先花一小時(shí)做靜態(tài)檢查不要急著開(kāi)訓(xùn)練。檢查維度就五條類(lèi)別分布統(tǒng)計(jì)每個(gè)類(lèi)別的目標(biāo)數(shù)量。如果球類(lèi)有2萬(wàn)個(gè)框球頭只有6000個(gè)這就是典型的類(lèi)別不平衡訓(xùn)練時(shí)要做focal loss或者過(guò)采樣不然模型會(huì)偏向樣本量大的類(lèi)別。圖像分辨率確認(rèn)所有圖片是否統(tǒng)一尺寸還是大小混雜。分辨率不一致的情況下訓(xùn)練時(shí)resize策略會(huì)影響小目標(biāo)的檢測(cè)效果。標(biāo)注框質(zhì)量抽查圖片重點(diǎn)看邊界框是否緊貼目標(biāo)邊緣、有沒(méi)有漏標(biāo)、有沒(méi)有把背景框進(jìn)來(lái)。特別是運(yùn)動(dòng)模糊的球有些人標(biāo)注喜歡框大一圈這會(huì)對(duì)模型的定位精度產(chǎn)生負(fù)面影響。坐標(biāo)合法性檢查有沒(méi)有越界坐標(biāo)比如xmax大于圖片寬度、坐標(biāo)出現(xiàn)負(fù)值。這類(lèi)臟數(shù)據(jù)訓(xùn)練時(shí)會(huì)導(dǎo)致loss異常甚至訓(xùn)練崩潰。數(shù)據(jù)劃分合理性確認(rèn)train/val/test是按場(chǎng)景隨機(jī)劃分的而不是按目錄簡(jiǎn)單切分。如果同一段連續(xù)拍攝的圖片全進(jìn)了訓(xùn)練集驗(yàn)證集就失去了意義。分享一個(gè)我自己寫(xiě)的數(shù)據(jù)集統(tǒng)計(jì)小腳本可以用幾行代碼快速過(guò)一遍前四項(xiàng)import os from pathlib import Path from collections import Counter label_dir Path(labels/train) class_counter Counter() boxes [] for txt_file in label_dir.glob(*.txt): with open(txt_file, r) as f: lines f.readlines() class_counter[len(lines)] # 每圖目標(biāo)數(shù)分布 for line in lines: parts line.strip().split() if len(parts) ! 5: print(f格式錯(cuò)誤: {txt_file} - {line}) continue cls, x_c, y_c, w, h map(float, parts) boxes.append((w, h)) if w 0 or h 0 or x_c 1 or y_c 1: print(f疑似越界框: {txt_file} - {line}) print(類(lèi)別分布:, class_counter)跑完這個(gè)腳本哪些類(lèi)別少、哪些框異常一眼就能看出來(lái)。數(shù)據(jù)質(zhì)量不過(guò)關(guān)后面所有努力都白費(fèi)。2.2 數(shù)據(jù)增強(qiáng)的“度”怎么把握數(shù)據(jù)增強(qiáng)是提升模型泛化能力的有效手段但很多人容易走極端。我的建議是增強(qiáng)的幅度要符合目標(biāo)本身的物理規(guī)律。高爾夫球的圓形特征決定了它對(duì)翻轉(zhuǎn)、大角度旋轉(zhuǎn)天然魯棒多加旋轉(zhuǎn)增強(qiáng)幾乎沒(méi)有副作用。但球桿不行——球桿是細(xì)長(zhǎng)條結(jié)構(gòu)雖然旋轉(zhuǎn)后還是球桿但如果增強(qiáng)策略里包含極端的長(zhǎng)寬比拉伸會(huì)讓模型對(duì)“正常球桿就該是細(xì)長(zhǎng)的”這個(gè)先驗(yàn)產(chǎn)生混淆反而降低檢測(cè)精度。光照調(diào)整對(duì)高爾夫場(chǎng)景特別重要。戶外球場(chǎng)的光照變化很大晴天、陰天、逆光、陰影下同一個(gè)球拍出來(lái)的顏色差異非常大。在HSV空間做適度的飽和度、亮度擾動(dòng)能顯著提升模型在不同天氣條件下的魯棒性。這比單純加噪聲有效得多。還有一點(diǎn)值得提醒增強(qiáng)數(shù)據(jù)要控制比例。如果訓(xùn)練集里80%都是增強(qiáng)圖原始圖只占20%模型容易記住增強(qiáng)引入的偽特征。我的經(jīng)驗(yàn)是增強(qiáng)圖占比控制在30%~50%并且確保驗(yàn)證集只用原始圖片否則你評(píng)估的指標(biāo)根本反映不了真實(shí)場(chǎng)景的表現(xiàn)。2.3 檢測(cè)難度的“鄙視鏈”球球桿球頭同樣是數(shù)據(jù)集里的三個(gè)類(lèi)別訓(xùn)練難度天差地別。我習(xí)慣用一張表格快速判斷調(diào)優(yōu)優(yōu)先級(jí)類(lèi)別目標(biāo)尺寸主要干擾因素預(yù)期難點(diǎn)高爾夫球極小與背景對(duì)比度低、運(yùn)動(dòng)模糊、密集排列小目標(biāo)漏檢球桿大長(zhǎng)寬比極端、旋轉(zhuǎn)、場(chǎng)景中其他長(zhǎng)條物體誤檢、定位偏移球頭小反光、遮擋、與桿身顏色混淆漏檢定位不精確這里說(shuō)的“小目標(biāo)”在COCO的定義里是指像素面積小于32×32的物體。高爾夫球在遠(yuǎn)距離鏡頭下正好卡在這個(gè)臨界值附近。所以如果直接用COCO預(yù)訓(xùn)練權(quán)重去推理球這類(lèi)的召回率通常不理想。想要提升就得從訓(xùn)練分辨率、檢測(cè)頭結(jié)構(gòu)、數(shù)據(jù)增強(qiáng)三個(gè)方向下功夫后面第四章會(huì)展開(kāi)講。3. 實(shí)操過(guò)程與核心環(huán)節(jié)實(shí)現(xiàn)3.1 訓(xùn)練前的數(shù)據(jù)準(zhǔn)備完整流程拿到壓縮包解壓后建議先按下面的目錄結(jié)構(gòu)整理。YOLOv5和YOLOv8都原生支持這種組織方式golf_dataset/ ├── images/ │ ├── train/ │ ├── val/ │ └── test/ ├── labels/ │ ├── train/ │ ├── val/ │ └── test/ └── golf.yaml如果原始包的圖片和標(biāo)簽是放在同一個(gè)目錄下或者圖片集是整體一份、標(biāo)簽按格式分了兩份那就需要先寫(xiě)一個(gè)小腳本把train和val拆分出來(lái)。常見(jiàn)做法是8:1:1比例劃分但要注意劃分前先對(duì)圖片文件名做shuffle避免連續(xù)拍攝的相似圖片全部堆到訓(xùn)練集或者驗(yàn)證集里。目錄就緒后寫(xiě)golf.yaml配置文件這是YOLOv8訓(xùn)練的核心入口之一# golf.yaml path: /path/to/golf_dataset # 數(shù)據(jù)集的絕對(duì)路徑 train: images/train val: images/val test: images/test names: 0: golf_ball 1: golf_club 2: golf_club_head一個(gè)容易踩的坑是path路徑寫(xiě)錯(cuò)。YOLOv8在Linux下對(duì)相對(duì)路徑的處理比較嚴(yán)格如果你的目錄結(jié)構(gòu)是標(biāo)準(zhǔn)的train: images/train沒(méi)問(wèn)題但如果你把images和labels拆到了兩個(gè)頂層目錄就要寫(xiě)成train: ../images/train這種相對(duì)路徑否則路徑拼接會(huì)找不到文件。3.2 YOLOv8訓(xùn)練自定義數(shù)據(jù)集的完整流程假設(shè)你已經(jīng)裝好了ultralytics庫(kù)和對(duì)應(yīng)版本的PyTorch訓(xùn)練命令非常簡(jiǎn)潔yolo detect train datagolf.yaml modelyolov8s.pt epochs100 imgsz640 batch16 device0幾個(gè)參數(shù)選擇背后的邏輯說(shuō)一下modelyolov8s.pt用s版本做遷移學(xué)習(xí)。這套數(shù)據(jù)只有3類(lèi)s模型參數(shù)量約1100萬(wàn)在消費(fèi)級(jí)顯卡上訓(xùn)練速度合適精度也夠。先跑通流程、拿到基線指標(biāo)之后再往m或l版本升級(jí)對(duì)比。如果你顯卡顯存充足12GB以上也可以直接上yolov8m.pt。imgsz640默認(rèn)值。但如果你發(fā)現(xiàn)高爾夫球這類(lèi)小目標(biāo)檢測(cè)效果差后面可以單獨(dú)提升到960或1280做對(duì)比實(shí)驗(yàn)。代價(jià)是訓(xùn)練時(shí)間幾乎翻倍。batch16根據(jù)顯存動(dòng)態(tài)調(diào)整。8GB顯存建議816GB顯存可以試16顯存不夠就報(bào)OOM這是最常見(jiàn)的報(bào)錯(cuò)點(diǎn)。epochs100對(duì)于遷移學(xué)習(xí)100輪基本能讓loss充分收斂。如果50輪后val loss就不再下降可以提前終止。訓(xùn)練過(guò)程中需要盯的兩個(gè)指標(biāo)是box_loss和cls_loss。正常情況兩者應(yīng)該持續(xù)下降并在后期趨于平緩。如果box_loss一直震蕩不降優(yōu)先排查學(xué)習(xí)率設(shè)置和數(shù)據(jù)標(biāo)注質(zhì)量不要盲目堆訓(xùn)練輪數(shù)。對(duì)于AMD顯卡用戶這里多說(shuō)一句RX 580這類(lèi)老顯卡顯存只有4GB或8GB跑YOLOv8不是不行但不支持CUDA需要使用ROCm版本的PyTorch或者干脆用CPU跑。CPU跑yolov8s、imgsz640一個(gè)epoch大概要多花幾倍的時(shí)間100輪訓(xùn)練可能要跑到一天以上。我的建議是AMD老顯卡用戶先用Colab等在線Notebook做實(shí)驗(yàn)本地機(jī)器留作數(shù)據(jù)標(biāo)注和后期推理測(cè)試。3.3 訓(xùn)練后評(píng)估指標(biāo)怎么解讀訓(xùn)練結(jié)束后runs/detect/train目錄下會(huì)生成results.png、confusion_matrix.png、F1_curve.png等一系列圖表。重點(diǎn)看四類(lèi)指標(biāo)mAP0.5IoU閾值0.5下的平均精度。這是目標(biāo)檢測(cè)領(lǐng)域最常用的“及格線”指標(biāo)一般0.85以上算可用水平。mAP0.5:0.95從0.5到0.95逐檔計(jì)算IoU下的平均精度對(duì)定位精度要求更苛刻。如果你發(fā)現(xiàn)mAP0.5高但mAP0.5:0.95低說(shuō)明模型存在定位偏差——框雖然框住了目標(biāo)但不夠緊湊。Precision和Recall兩個(gè)指標(biāo)要一起看。Precision高說(shuō)明誤檢少Recall高說(shuō)明漏檢少。高爾夫球類(lèi)如果Precision高但Recall低大概率是球目標(biāo)被漏掉了需要從數(shù)據(jù)增強(qiáng)和小目標(biāo)策略入手?；煜仃囍攸c(diǎn)看球桿和球頭之間是否存在系統(tǒng)性誤檢。這兩個(gè)類(lèi)別物理上相鄰球桿的桿頭部分經(jīng)常被同時(shí)框出如果混淆矩陣?yán)镉幸粔K明顯的非對(duì)稱(chēng)亮區(qū)就要考慮是不是標(biāo)注邊界不清晰導(dǎo)致的。這里給一個(gè)經(jīng)驗(yàn)參考區(qū)間以這套高爾夫數(shù)據(jù)集的規(guī)模和場(chǎng)景復(fù)雜度YOLOv8s訓(xùn)練100輪后mAP0.5達(dá)到0.88~0.93是正常的如果低于0.85先檢查數(shù)據(jù)質(zhì)量再考慮調(diào)參不要急著換更大的模型。4. 常見(jiàn)問(wèn)題與排查技巧實(shí)錄4.1 VOC轉(zhuǎn)YOLO的格式陷阱雖然這套數(shù)據(jù)集提供了雙格式但難免遇到其他數(shù)據(jù)集只有VOC格式的情況。轉(zhuǎn)換時(shí)最常見(jiàn)的坑有三個(gè)第一類(lèi)別id從0還是從1開(kāi)始。YOLO要求從0開(kāi)始PASCAL VOC沒(méi)有硬性規(guī)定但很多標(biāo)注工具的類(lèi)別列表是從1開(kāi)始的。轉(zhuǎn)換時(shí)忘記減1會(huì)導(dǎo)致所有標(biāo)簽系統(tǒng)性錯(cuò)位。第二坐標(biāo)歸一化越界。XML里的xmax、ymax偶爾會(huì)超出圖片尺寸歸一化后得到大于1的值訓(xùn)練時(shí)會(huì)被當(dāng)作無(wú)效框丟棄。轉(zhuǎn)換腳本里必須加越界判斷和截?cái)嗵幚?。第三空?biāo)注文件處理。YOLO格式允許空txt文件表示該圖沒(méi)有目標(biāo)但有些訓(xùn)練框架對(duì)此支持不佳。穩(wěn)妥的做法是檢測(cè)到空XML時(shí)生成一個(gè)內(nèi)容為空的txt文件同時(shí)確認(rèn)圖片沒(méi)有被錯(cuò)誤地排除。下面這個(gè)轉(zhuǎn)換函數(shù)是正確邏輯的參考import xml.etree.ElementTree as ET def voc_to_yolo(xml_file, img_width, img_height, class_names): tree ET.parse(xml_file) root tree.getroot() lines [] for obj in root.findall(object): name obj.find(name).text if name not in class_names: continue cls_id class_names.index(name) box obj.find(bndbox) xmin max(float(box.find(xmin).text), 0) ymin max(float(box.find(ymin).text), 0) xmax min(float(box.find(xmax).text), img_width) ymax min(float(box.find(ymax).text), img_height) x_center (xmin xmax) / 2 / img_width y_center (ymin ymax) / 2 / img_height width (xmax - xmin) / img_width height (ymax - ymin) / img_height lines.append(f{cls_id} {x_center:.6f} {y_center:.6f} {width:.6f} {height:.6f}) return lines這里對(duì)坐標(biāo)做了雙向截?cái)嘈∮?的歸0大于寬高的歸寬高能從根源上避免越界問(wèn)題。4.2 訓(xùn)練不收斂或精度低的排查順序我見(jiàn)過(guò)太多人一上來(lái)就調(diào)學(xué)習(xí)率、換優(yōu)化器、堆數(shù)據(jù)增強(qiáng)結(jié)果問(wèn)題出在最基礎(chǔ)的地方。分享一下我排查“模型精度低”的標(biāo)準(zhǔn)順序確認(rèn)數(shù)據(jù)劃分train和val圖片有沒(méi)有重疊或者val集本身包含異常困難樣本。先跑一遍yolo detect val看val loss和train loss的差距如果val loss遠(yuǎn)高于train loss那就是過(guò)擬合或分布不一致。檢查類(lèi)別失衡如果球頭樣本量只有球的五分之一模型很容易為了降低整體loss而犧牲球頭的檢測(cè)精度。這時(shí)優(yōu)先做類(lèi)別加權(quán)采樣或者對(duì)球頭小目標(biāo)做Copy-Paste增強(qiáng)擴(kuò)充數(shù)量。確認(rèn)錨框匹配YOLOv5和YOLOv8的自適應(yīng)錨框機(jī)制會(huì)自動(dòng)計(jì)算但如果你的數(shù)據(jù)集目標(biāo)尺寸分布極度不均勻建議手動(dòng)指定anchors參數(shù)。實(shí)測(cè)下來(lái)對(duì)于高爾夫球這種小目標(biāo)占比較高的場(chǎng)景適當(dāng)減少大尺度錨框數(shù)量會(huì)有一定提升。調(diào)整訓(xùn)練分辨率這是提升小目標(biāo)最直接的手段。從640提升到960球類(lèi)目標(biāo)的檢測(cè)精度往往能提升3到5個(gè)點(diǎn)。代價(jià)是顯存占用增加和訓(xùn)練時(shí)間變長(zhǎng)。排查有一個(gè)原則一次只動(dòng)一個(gè)變量。很多人喜歡同時(shí)改數(shù)據(jù)增強(qiáng)、改學(xué)習(xí)率、改模型結(jié)構(gòu)結(jié)果精度提升了也不知道是哪個(gè)改動(dòng)起的作用后面復(fù)現(xiàn)又出問(wèn)題。4.3 小目標(biāo)檢測(cè)的幾條實(shí)戰(zhàn)調(diào)優(yōu)路徑高爾夫球這類(lèi)小目標(biāo)檢測(cè)光靠調(diào)參數(shù)很難達(dá)到完美效果需要組合拳。我梳理過(guò)一套實(shí)戰(zhàn)路徑按成本從低到高排序SAHI切片推理推理時(shí)把大圖切成小塊對(duì)每個(gè)小塊單獨(dú)檢測(cè)再合并結(jié)果。對(duì)小目標(biāo)檢測(cè)效果提升明顯而且不需要重新訓(xùn)練。缺點(diǎn)是推理時(shí)間變長(zhǎng)適合離線處理。提高訓(xùn)練分辨率把imgsz從640提到960或1280。相當(dāng)于讓模型在高分辨率下看到更多小目標(biāo)的細(xì)節(jié)。增加P2檢測(cè)層YOLOv8的檢測(cè)頭P3/P4/P5對(duì)應(yīng)下采樣8/16/32倍特征圖。增加P2層下采樣4倍后模型對(duì)小目標(biāo)的感知能力會(huì)增強(qiáng)代價(jià)是計(jì)算量上升。針對(duì)小目標(biāo)的過(guò)采樣訓(xùn)練時(shí)對(duì)包含小目標(biāo)較多的圖片提高采樣概率讓模型在每輪迭代中看到更多小目標(biāo)樣本。最后再分享一個(gè)細(xì)節(jié)訓(xùn)練完保存best.pt之后導(dǎo)出模型時(shí)如果要用TensorRT加速記得在導(dǎo)出命令里也把imgsz參數(shù)調(diào)成和訓(xùn)練時(shí)一致。實(shí)測(cè)很多人在這一步偷懶沒(méi)改導(dǎo)致導(dǎo)出后的模型推理精度和訓(xùn)練時(shí)對(duì)不上排查半天發(fā)現(xiàn)是輸入分辨率不一致。回到開(kāi)頭那句話數(shù)據(jù)集是目標(biāo)檢測(cè)項(xiàng)目的地基。這套13100張的高爾夫球、球桿、球頭檢測(cè)數(shù)據(jù)集無(wú)論從規(guī)模、類(lèi)別設(shè)計(jì)還是雙格式發(fā)布的角度都算得上乘。但真正決定項(xiàng)目成敗的不是哪一份數(shù)據(jù)集而是你拿到數(shù)據(jù)之后有沒(méi)有做嚴(yán)格的體檢、有沒(méi)有理解每類(lèi)目標(biāo)的物理特性、有沒(méi)有針對(duì)小目標(biāo)做系統(tǒng)性的調(diào)優(yōu)。把這套方法論吃透你會(huì)發(fā)現(xiàn)換到其他垂直場(chǎng)景也照樣管用。本文還有配套的精品資源點(diǎn)擊獲取