简介面向目标检测开发者的YOLO实战项目源码围绕三角洲行动数据集中的“摸金”目标完整覆盖从数据集准备、标注、配置文件创建到模型训练、评估与推理的流程。资源共70个文件以32张jpg样例图像、30个txt标注文件、3个Python训练/检测脚本、1个yaml配置及预训练权重为主压缩包19.45MB目录结构清晰便于直接参考或二次开发。已有2023人学习下载。读者可通过该资源快速掌握YOLOv5/YOLOv8在3万张图片其中1万张完成全身标注的大规模数据集上的训练要点理解数据标签格式、调参与验证方法并借助附带脚本快速跑通检测Demo。适合希望系统学习YOLO训练流程、处理自定义数据集的初中级开发者。 从第一次拿到这份遥感影像的三角洲数据集到最终把模型跑到一个能落地的状态中间的过程远比我想象的曲折。很多人一听说“YOLO训练数据集”就以为只是把照片丢进去、跑几个epoch、看mAP涨不涨但真正动起手来才会发现数据准备、标签格式、模型配置、训练策略每一环都有坑稍不注意就是练了好几天结果全部报废。这篇文章我打算把整个项目源码的完整思路、训练过程的实操细节和踩过的坑都摊开讲清楚希望能帮到正在跟遥感/航拍类目标检测数据较劲的朋友。本文适合这样几类人刚入门YOLO、手里正好有一批自定义数据集但不知道从哪下手的新手已经跑过官方示例、但换到自己数据上效果稀烂、找不到原因的进阶玩家以及想把训练流程整理成可复用源码、做增量训练和模型导出部署的工程向同学。我会尽量把每一步“为什么这么做”也讲透而不是只丢给你一组能跑通的命令。1. 这个“三角洲数据集”到底难在哪1.1 先搞清楚你的目标长什么样“三角洲数据集”这个说法在目标检测圈子里并不指某个官方标准库而是泛指遥感影像中河流入海口、冲积平原这类地貌特征明显区域的切片数据。我们团队当时拿到的这批数据影像分辨率不低单张图的尺寸基本是几千乘几千像素但真正要检测的目标——比如河道里的小型船只、沿岸的建筑物、零散的车辆——在整张图里占的像素比例非常小。这就带来了最直接的一个问题YOLO这类单阶段检测器对“小目标”本身就比较吃力。模型默认的锚框尺寸、特征金字塔的浅层分辨率都是为了平衡不同尺度目标设计的可当你的目标大量集中在几十乘几十像素甚至更小的时候你如果仍然用COCO那套默认配置去硬训最后出来的模型会频繁漏检。我在第一版训练时没有针对小目标做任何调整结果mAP50只有0.35左右漏检率惊人。所以准备数据的第一步不是急着写训练脚本而是先统计清楚目标实例在图中最大是多少像素、最小是多少像素、平均是多少像素以及每张图的负样本比例有多高。这个统计结果直接决定了后续的切片策略、imgsz设置和增强方案。你可以写一个小脚本遍历所有标注框把宽高分布打印出来或者用现成的可视化工具跑一遍总之别跳过这一步。1.2 类别分布和标注质量决定你的模型上限除了尺寸问题三角洲区域的遥感数据还有两个麻烦一是类别天然不平衡。比如船只样本可能有几千个但某个小众类别比如油罐车可能只有几十个实例二是标注质量参差不齐。因为遥感影像的标注经常是外包完成的不同标注员对“是否该框住这个模糊目标”的理解不一样导致边界框时松时紧有些框甚至整体偏移了几个像素。我个人的经验是在正式训练之前必须做一次标注清洗。具体做法是写个脚本把所有标注框的宽高比、面积分布拉出来。如果发现某些框的宽高比极不合理比如船只有的标注接近正方形、有的又拉成一条长线那就需要人工复核。这一轮清洗通常会让mAP提升2到5个点远比换模型结构划算。“数据质量决定上限模型结构只是逼近上限的手段”这句话在遥感数据上体现得非常明显。2. 数据上道之前先把三件小事做对2.1 标注格式统一别让txt里混进“脏数据”YOLO的训练标注格式是每张图对应一个同名txt文件每行一组数据类别id、归一化的中心点x、中心点y、宽、高。听起来很简单但实际工程里你拿到的原始标注大概率不是这个格式。我们这批数据的原始标注是XML格式就是从LabelImg导出的Pascal VOC风格包含对象名称和绝对像素坐标。另外有一部分是GeoJSON格式的矢量标注因为一些目标是从GIS图层转过来的。要把这些统一成YOLO的txt格式你需要写一个转换脚本核心逻辑是读原始标注、建立类名到id的映射表、把边界框坐标从绝对像素转换成相对于图片宽高的归一化数值。这里有一个容易踩的坑GeoJSON里的坐标通常是经纬度或投影坐标需要你先做坐标转换把矢量数据映射回影像的像素坐标再切出标注框。如果你没有做地理配准直接拿经纬度当像素用出来的框会偏到天涯海角。我当时就是没注意坐标系第一轮训练完成后可视化检查样本发现一批标注框全部叠在图的边缘排查了半天才发现是投影坐标系没转换。转换完之后还要做一步“合理性校验”检查有没有坐标越界cx、cy、w、h归一化后超出0到1范围、有没有宽高为零的空框、有没有类别id超出预设类别数。这步写成一个独立脚本跑完输出一份统计报告能省掉后面训练时大量莫名其妙的报错。2.2 大图的切片策略让“看不见的目标”现形原始遥感影像动辄几千乘几千像素YOLO默认的输入尺寸一般是640x640直接把原图resize进网络目标会被压缩成十几个像素甚至几个像素那是神仙模型也救不回来的。所以大图必须做切片tiling把原图切成多张有重叠的小图再进行训练。切片尺寸我建议先用1024或者1280不要一上来就切640。原因很简单切片尺寸越大单位面积内的上下文信息越完整小目标在切片里保留的像素也相对更多但尺寸越大训练时显存占用和速度也会上升。你可以先用512到640验证一轮再用1024跑一轮对比同一验证集上的表现再定。切片还需要考虑“切边目标”的问题。如果一个目标恰好落在切片的边缘被切掉了一半这类样本一定要处理不能丢进训练集。我的做法是切片时设置overlap重叠率比如15%到20%如果某个切片里的目标框有超过30%的区域落在切片外就直接丢弃这个切片中的该标注如果目标超过一半可见就保留并把框裁剪到切片范围内。还有人会问切出来的大量纯背景负样本要不要保留我的建议是保留一小部分作为负样本比例控制在目标切片数量的10%左右这有助于模型降低误检。但如果负样本太多训练会偏向“什么都不检”反而把召回率压下去。2.3 数据集划分和可视化自查划分数据集这件事看起来简单train/val/test按比例分就行但遥感数据集有个特殊性同一张大图上切出来的相邻切片高度相似如果随机划分验证集里会出现大量跟训练集几乎一模一样的样本导致验证指标虚高模型实际泛化能力却很差。正确做法是“按大图划分”也就是先把原始大图分成三组从每组大图里再去做切片保证训练集和验证集来自完全不重叠的大图区域。这样验证出来的mAP才有参考意义。划分完成之后一定要跑一遍可视化检查随机抽几十张训练图片把标注框画在原图上并存成新图人眼过一遍。这一步能暴露很多隐藏问题标注框跑偏、类别编号错乱、边界框把整个目标截断等等。不要嫌麻烦宁可在这里多花一小时也不要等到训练完才发现数据有问题。3. 训练配置不是玄学这些参数我是一次次试出来的3.1 模型选型不要一上来就追求大模型YOLO系列现在可选型号很多从YOLOv5到YOLOv8再到最新版本每个版本里又有n/s/m/l/x不同的scale。很多人拿到自己的数据集习惯性地选最大的模型觉得容量大一定更准。但遥感小目标场景下模型尺寸不是越大越好——更大的模型需要更多数据才能填满如果你的样本量只有几千张切片用x模型轻则严重过拟合重则训练周期长到让你怀疑人生。我当时对比过YOLOv8n、YOLOv8s和YOLOv8m同一份数据、同样的训练轮数结果很有意思n模型收敛快但精度明显不足s模型在精度和速度之间最平衡m模型虽然mAP略高一点但训练时间增加了接近一倍推理速度也降了一个档次。如果你的数据量小于一万张切片我建议从s起步先用s把数据pipeline和训练策略调通最后再决定要不要上m或l。另外如果你用的是遥感类数据还可以考虑YOLO的实例分割模型因为有些目标比如密集停靠的船只边界框互相重叠检测框很难准确表达目标轮廓但实例分割可以输出掩膜。不过分割模型的训练成本更高建议先用检测模型跑通整个流程再评估是否有必要升级到分割。3.2 imgsz和batch显存不够时先动哪个训练尺寸imgsz和批次大小batch size是训练时最常调的两个参数但很多新手不知道它们的优先级。我的建议是先决定imgsz再根据显存往后推batch。因为imgsz直接影响模型能“看到”的目标大小对遥感小目标尤其关键而batch的大小只影响梯度估计的稳定性和训练速度在大多数情况下batch从16降到8只是收敛变慢一点不会导致模型彻底训废。如果你用的是我前面提到的大图切片方案训练时的imgsz可以直接设为切片尺寸比如1024。这样一来网络在输入维度上看到了跟切片一致的分辨率小目标保留的像素足够训练效率也高。但要注意imgsz设得越大同一张卡能放的batch就越小。如果显存只有16G左右imgsz1024时batch可能只能开到8或4这时候不要硬扛可以配合梯度累积gradient accumulation来模拟更大的有效batch既保住显存又让训练稳定。我实际测试中imgsz从640提到1024对小目标数据的mAP50-95提升非常明显大约能涨3到5个点。代价是单epoch耗时翻倍。如果你嫌慢可以采取两阶段策略先用imgsz640粗训几百轮再用imgsz1024做微调这样速度和精度都能兼顾。3.3 数据增强开关mosaic、mixup在遥感场景下的取舍YOLO官方训练默认开启mosaic增强、随机翻转、色彩抖动等一系列数据增强策略这些策略在COCO这类自然图像数据集上效果很好但在遥感数据上要谨慎。原因是遥感影像是“俯视视角”目标长得跟自然场景里的同类目标差异很大比如船只在正射影像里是从上往下看的完整轮廓强行做水平翻转问题不大但如果你的模型会在实际部署时遇到有方向性的目标比如船头指向某个方向那随机旋转90度这类增强反而会制造“不真实”的训练样本。mosaic增强是把四张图拼成一张能显著增加样本多样性对一般目标检测是神技。但在遥感小目标场景下mosaic把四张图各缩小一半后再拼接小目标被进一步压缩反而加剧了“目标太小”的问题。我试过在纯小目标数据集上把mosaic关闭或把mosaic概率从1.0降到0.5验证集mAP不降反升。所以对这类数据我建议把mosaic的概率调低并且适当关闭旋转和上下翻转只保留左右翻转和轻微的颜色抖动、高斯噪声。mixup增强同理它虽然能提升模型的鲁棒性但会让“目标边界”变得更加模糊对于小目标和密集排列的目标并不是很友好。整体的原则是遥感小目标数据集的增强策略要“轻”重点是保住目标本身的形状和细节而不是追求极致的多样性。4. 训练中那个让我忙了一天一夜的Loss波动4.1 现象Loss曲线像心电图训练半天不收敛训练启动的前几十轮一切正常loss稳步下降但到了第40轮左右loss曲线突然开始剧烈震荡有时候一个epoch结束loss不降反升验证集mAP也跟着来回抖动。我当时第一反应是学习率设置太高于是把初始学习率从0.01一口气降到0.001重启训练结果震荡依旧。后来我把训练过程中的数据增强部分打开可视化一段一段看增强后的图片发现问题出在了mosaic和颜色增强的组合上。因为遥感影像的颜色分布和自然图像不一样某些波段组合下mosaic拼接的四张图之间的亮度差异巨大而YOLO默认的HSV增强会把这种差异进一步放大导致模型在一个batch里看到的“同一类目标”长得完全不像梯度方向来回拉扯。4.2 排查链路从学习率查到数据集最后发现是增强策略的锅这里分享一下我的完整排查思路希望帮你少走弯路。首先确认“学习率是否合理”打印每个epoch的学习率变化曲线如果学习率在warmup后已经降到很低但loss还在震荡那基本可以排除学习率问题。接着检查“数据加载是否正常”把每个batch的图片和标签做一个可视化逐张看是否有标注错位、是否有全黑的图、是否有增强后目标被裁剪掉的情况。我就是在这一步发现mosaic拼接后有些目标框落在了拼接缝上经过随机裁剪后目标直接消失但标注还在相当于模型被迫去学“看不见的目标”。然后我做了两组对照实验第一组关闭mosaic第二组关闭HSV色彩增强只保留随机翻转和缩放。结果显示单独关闭mosaic之后loss曲线明显平稳mAP50提升了接近3个点。这两组实验成本不高但能精确定位问题。所以如果你也遇到了loss震荡我建议先不要在参数搜索上死磕先做“消融实验”把增强策略一项项关掉对比往往能找到真凶。4.3 增量训练与续训不要轻易从头再跑训练过程中如果因为断电、显存溢出或者你手动改参数导致中断后面一定要接着上次的权重继续跑而不是从头开始。YOLO训练脚本默认支持断点续训也就是加载last.pt继续训练并会自动恢复优化器状态和当前epoch。但这里有一个很容易忽略的细节如果你修改了数据集配置或者类别数量直接resume会报错或者导致结果不可信。所以续训前先检查是否改了数据配置如果改了就不要再恢复优化器状态只加载权重做finetune把初始学习率调低一些比如原来的十分之一。增量训练也是我这次项目里的一个重点需求。一开始跑出来的模型对船只的检测效果不错但对建筑物的漏检率比较高。后来新到了一批标注好的建筑物数据我没让模型从头训练而是加载之前的best.pt把新数据追加进训练集再用较低的初始学习率继续训练几十个epoch。增量训练不仅在时间上节省了一半还多而且因为模型之前已经学到了船只的特征再训练时不会出现灾难性遗忘建筑物类别的AP也涨了不少。如果你也想做增量训练建议旧数据不要全丢按一定比例混入少量旧样本可以进一步防止遗忘。5. 源码结构、推理导出与二次开发5.1 训练脚本怎么组织改哪里最容易出效果这次项目的源码我按“配置-数据-训练-评估-导出”五个模块来组织。训练入口是一个train.py读取一个YAML配置文件配置文件里定义了数据路径、类别列表、训练参数、增强开关等。之所以这样拆分是因为遥感数据集的实验往往是多轮调参的你不可能每次都去改代码把该变的参数全部收进YAML就舒服很多。如果你要拿这份源码做二次开发我建议优先关注几个位置一是数据加载器里的增强部分根据你自己的数据特点去调整增强组合二是训练过程中的验证频率和早停策略遥感数据训练周期长把验证频率调高、早停耐心值调大能帮你更早发现模型是否在过拟合三是模型导出部分训练完直接一键导出ONNX/TensorRT免去再写转换脚本的麻烦。5.2 从pth到ONNX再到跨语言调用很多同学训练完模型就结束了但实际项目里模型往往要集成到别的系统里。比如这次的项目最终要接进一个桌面端程序程序用C写的不能直接加载PyTorch的pth文件。我的做法是先把权重转成ONNX通用格式再用ONNX Runtime做推理。转换过程有几个关键点首先固定输入尺寸不要在导出时用动态尺寸因为遥感切片推理时固定成1024x1024既方便又稳定其次要指定opset版本太老太新都可能在某些推理引擎上出问题我用的opset12基本通吃最后一定要在导出后做一次输入输出对齐验证用同一张图分别走PyTorch推理和ONNX推理对比输出框和置信度确保转换没有引入误差。如果你要接入的是桌面端程序ONNX Runtime的C接口是很成熟的加载模型、构造输入tensor、执行run函数拿到输出整个流程不算复杂。推理后的后处理部分NMS非极大值抑制最好在本地代码里自己实现一遍这样你对输出框的过滤逻辑有完全的控制权。5.3 评价指标到底该信mAP50还是mAP50-95训练结束后YOLO训练日志会打印一堆指标其中最常见的是mAP50和mAP50-95。很多新手只看mAP50因为它数值高、好看但这其实是个误区。mAP50只计算IoU阈值为0.5时的平均精度对边界框的位置精度不敏感而mAP50-95是在0.5到0.95多个IoU阈值下取平均对框的“准不准”要求严格得多。遥感小目标场景里目标本身就小IoU计算对几个像素的偏移都很敏感所以mAP50-95的参考价值更大。我见过不少模型mAP50能到0.8以上但mAP50-95只有0.35这种模型在线上跑起来就是“框得差不多但总差一点”实际体验并不好。所以你在评估自己模型时请以mAP50-95为主要优化目标mAP50作为参考就好了。另外一个很有用的评估工具是混淆矩阵和F1曲线。YOLO训练结束后会生成混淆矩阵图能看到每个类别之间的互检情况。比如我这次就发现“车辆”类别经常被误检成“建筑”因为它们颜色和纹理相似后来通过增加负样本和修改类别定义改善了很多。这些小细节单看mAP是发现不了的。如果要说这次训练三角洲数据集给我留下最深的体会那就是“先把数据处理彻底再谈调参和换模型”。很多人会把训练效果不好归结于模型不够强于是去换更大的网络、加更复杂的模块但实际上问题往往出在数据格式、切片策略、增强组合这些看起来不太起眼的地方。我在这个项目里前前后后跑了不下二十组实验真正让指标明显提升的几次改动全部来自数据处理层面的修正而不是模型结构的变化。最后再分享一个小技巧每跑完一组实验记得把训练命令、参数配置、关键指标都记录到一个表格里最好连当时的Loss曲线截图一起保存。这个习惯我坚持了两年它让我在回头复盘时能快速找到“当时到底是什么改动让mAP涨了”的关键线索比记忆可靠得多。希望这份源码和踩坑记录能帮你少熬几个夜。本文还有配套的精品资源点击获取