簡(jiǎn)介這份資源是面向溺水檢測(cè)場(chǎng)景的YOLO系列目標(biāo)檢測(cè)數(shù)據(jù)集適合計(jì)算機(jī)視覺(jué)初學(xué)者、算法工程師及安全監(jiān)控方向研究者使用可用于訓(xùn)練和驗(yàn)證溺水、出水、游泳等水上行為的識(shí)別模型。壓縮包共1018個(gè)文件包含339張jpg圖像、339個(gè)txt標(biāo)簽、339個(gè)xml標(biāo)簽以及1個(gè)yaml配置文件整體約14.6MB已按訓(xùn)練與驗(yàn)證需求劃分完畢。標(biāo)簽同時(shí)提供YOLO格式與VOC格式兩套YOLO格式以類(lèi)別索引和歸一化中心點(diǎn)、寬高比例記錄目標(biāo)框VOC格式則以xml結(jié)構(gòu)保存方便直接接入yolov5、yolov8、yolov9、yolov7、yolov10及yolo11等算法。目前已有303人學(xué)習(xí)下載讀者可快速獲得一份開(kāi)箱即用的水上安全檢測(cè)數(shù)據(jù)省去自行標(biāo)注與格式轉(zhuǎn)換的環(huán)節(jié)將精力集中在模型選型、訓(xùn)練調(diào)參與效果對(duì)比上也便于復(fù)現(xiàn)和擴(kuò)展溺水預(yù)警相關(guān)實(shí)驗(yàn)。1. 339 張溺水圖像數(shù)據(jù)集小樣本 YOLO 訓(xùn)練到底能不能落地溺水檢測(cè)這個(gè)方向真正卡住大多數(shù)團(tuán)隊(duì)的從來(lái)不是模型結(jié)構(gòu)而是數(shù)據(jù)。公開(kāi)可用的溺水圖像本身就少標(biāo)注質(zhì)量參差不齊涉及泳池、河道、海邊等不同水域場(chǎng)景時(shí)光照、水面反光、人體姿態(tài)差異極大。我拿到「339 張圖像帶標(biāo)簽」這個(gè)量級(jí)時(shí)第一反應(yīng)是這數(shù)據(jù)量放在常規(guī)目標(biāo)檢測(cè)任務(wù)里連熱身都不夠但放在溺水出水、游泳姿態(tài)識(shí)別這種垂直場(chǎng)景里如果標(biāo)注干凈、類(lèi)別定義清晰反而有可能跑出一個(gè)能用的基線(xiàn)。這篇文章要解決的問(wèn)題很具體手里有一份 339 張帶標(biāo)簽的溺水/游泳圖像數(shù)據(jù)集想用 YOLO 訓(xùn)練一個(gè)能識(shí)別溺水出水狀態(tài)的檢測(cè)器該怎么配環(huán)境、怎么劃分?jǐn)?shù)據(jù)、參數(shù)怎么設(shè)、訓(xùn)練中 BN 崩潰和混淆矩陣異常怎么排查。適合已經(jīng)跑通過(guò)一次 YOLO 官方 demo、但沒(méi)在小樣本垂直數(shù)據(jù)集上踩過(guò)坑的工程師也適合想評(píng)估這個(gè)方向值不值得投入的技術(shù)負(fù)責(zé)人。我不會(huì)假裝見(jiàn)過(guò)這份數(shù)據(jù)的原始?jí)嚎s包所有步驟都按「339 張帶標(biāo)簽圖像」這個(gè)前提給出可復(fù)現(xiàn)路徑你按自己的實(shí)際目錄結(jié)構(gòu)替換即可。2. 從 339 張圖到可訓(xùn)練數(shù)據(jù)集劃分、增強(qiáng)與標(biāo)簽校驗(yàn)2.1 小樣本下為什么不能隨便按 8:2 切339 張圖像如果按常見(jiàn)的 8:2 劃分驗(yàn)證集只有 67 張左右。問(wèn)題在于溺水場(chǎng)景的圖像往往成組出現(xiàn)——同一段視頻抽幀出來(lái)的連續(xù)畫(huà)面人物姿態(tài)、光照、背景幾乎一致。如果隨機(jī)切分訓(xùn)練集和驗(yàn)證集里會(huì)混入高度相似的幀驗(yàn)證指標(biāo)虛高實(shí)際部署時(shí)換一個(gè)泳池就翻車(chē)。這是小樣本目標(biāo)檢測(cè)里最隱蔽的坑之一。我一般會(huì)先做一次「來(lái)源分組」把同一視頻、同一拍攝時(shí)段、同一水域的圖像歸為一組然后按組劃分而不是按單張圖像隨機(jī)劃分。339 張如果來(lái)自 20 到 30 個(gè)來(lái)源組按 7:2:1 分到訓(xùn)練/驗(yàn)證/測(cè)試每組整體進(jìn)同一個(gè)集合。這樣驗(yàn)證集指標(biāo)才有參考價(jià)值。如果數(shù)據(jù)來(lái)源無(wú)法追溯退而求其次的做法是按圖像感知哈希做聚類(lèi)把相似度高的圖聚成組再切。import os import shutil import random from collections import defaultdict # 假設(shè)文件名前綴代表來(lái)源組例如 pool_A_001.jpg # 實(shí)際使用時(shí)按你的命名規(guī)則替換 group_key 的提取邏輯 def group_key(filename): return filename.split(_)[0] _ filename.split(_)[1] def split_dataset(img_dir, label_dir, out_dir, ratios(0.7, 0.2, 0.1)): groups defaultdict(list) for f in os.listdir(img_dir): if f.lower().endswith((.jpg, .png, .jpeg)): groups[group_key(f)].append(f) group_list list(groups.keys()) random.seed(42) random.shuffle(group_list) n len(group_list) n_train int(n * ratios[0]) n_val int(n * ratios[1]) train_groups group_list[:n_train] val_groups group_list[n_train:n_train n_val] test_groups group_list[n_train n_val:] for split_name, gs in [(train, train_groups), (val, val_groups), (test, test_groups)]: for g in gs: for f in groups[g]: stem os.path.splitext(f)[0] shutil.copy(os.path.join(img_dir, f), os.path.join(out_dir, images, split_name, f)) lbl stem .txt src_lbl os.path.join(label_dir, lbl) if os.path.exists(src_lbl): shutil.copy(src_lbl, os.path.join(out_dir, labels, split_name, lbl)) split_dataset(./images, ./labels, ./dataset)這段腳本的核心邏輯是「先分組、再切分」group_key函數(shù)需要你根據(jù)實(shí)際文件名規(guī)則調(diào)整。random.seed(42)保證可復(fù)現(xiàn)ratios參數(shù)在 339 張這種量級(jí)下建議保持 7:2:1不要為了湊驗(yàn)證集數(shù)量改成 6:4那會(huì)進(jìn)一步壓縮本就不多的訓(xùn)練樣本。輸出目錄結(jié)構(gòu)直接對(duì)齊 YOLO 官方要求的images/train、labels/train格式省去后面再轉(zhuǎn)換。2.2 標(biāo)簽格式校驗(yàn)別讓一個(gè)越界框毀掉整個(gè)訓(xùn)練YOLO 的標(biāo)簽格式是class_id x_center y_center width height全部歸一化到 0 到 1。339 張圖像手工標(biāo)注或半自動(dòng)標(biāo)注出現(xiàn)越界坐標(biāo)、寬高為負(fù)、類(lèi)別號(hào)超出范圍的概率不低。這些臟標(biāo)簽在訓(xùn)練初期不會(huì)報(bào)錯(cuò)但會(huì)導(dǎo)致?lián)p失函數(shù)震蕩、BN 層統(tǒng)計(jì)量異常甚至訓(xùn)練到一半突然崩潰。我習(xí)慣在訓(xùn)練前跑一遍校驗(yàn)?zāi)_本把問(wèn)題標(biāo)簽直接列出來(lái)。import os def validate_labels(label_dir, num_classes): issues [] for f in os.listdir(label_dir): if not f.endswith(.txt): continue path os.path.join(label_dir, f) with open(path) as fh: for i, line in enumerate(fh): parts line.strip().split() if len(parts) ! 5: issues.append((f, i, 字段數(shù)不為5)) continue cls, x, y, w, h parts cls int(cls) x, y, w, h map(float, (x, y, w, h)) if cls 0 or cls num_classes: issues.append((f, i, f類(lèi)別號(hào)越界: {cls})) if not (0 x 1 and 0 y 1): issues.append((f, i, f中心點(diǎn)越界: {x},{y})) if w 0 or h 0 or w 1 or h 1: issues.append((f, i, f寬高異常: {w},{h})) return issues issues validate_labels(./dataset/labels/train, num_classes2) for it in issues[:20]: print(it) print(f共發(fā)現(xiàn) {len(issues)} 處問(wèn)題)num_classes按你的類(lèi)別數(shù)填溺水出水、游泳兩類(lèi)就填 2。校驗(yàn)結(jié)果里如果出現(xiàn)大量寬高異常說(shuō)明標(biāo)注工具導(dǎo)出時(shí)可能用了像素坐標(biāo)沒(méi)歸一化需要回退到標(biāo)注環(huán)節(jié)重新導(dǎo)出。這一步花十分鐘能省掉后面幾小時(shí)的排查。2.3 小樣本增強(qiáng)哪些增強(qiáng)有用哪些是負(fù)優(yōu)化339 張圖像做增強(qiáng)思路和常規(guī)數(shù)據(jù)集不同。常規(guī)做法是 mosaic、mixup、隨機(jī)縮放、色彩抖動(dòng)全開(kāi)但在溺水場(chǎng)景里水面反光和人體姿態(tài)是核心判別特征過(guò)度色彩抖動(dòng)會(huì)讓水面紋理失真mixup 把兩個(gè)溺水目標(biāo)疊在一起會(huì)產(chǎn)生不存在的語(yǔ)義。我的經(jīng)驗(yàn)是幾何增強(qiáng)保留色彩增強(qiáng)減半mixup 直接關(guān)掉。具體配置上YOLOv8 的degrees可以設(shè)到 10 左右translate設(shè) 0.1scale設(shè) 0.5flipud和fliplr各 0.5。hsv_h降到 0.01hsv_s和hsv_v各 0.4 左右。mosaic保持 1.0 但配合close_mosaic在最后 10 個(gè) epoch 關(guān)閉讓模型在訓(xùn)練末期看到真實(shí)分布。這些參數(shù)不是拍腦袋是小樣本垂直場(chǎng)景下反復(fù)試出來(lái)的平衡點(diǎn)。3. YOLO 訓(xùn)練配置從環(huán)境搭建到損失函數(shù)收斂3.1 環(huán)境搭建與預(yù)訓(xùn)練模型選擇環(huán)境這塊CUDA 版本和 PyTorch 版本對(duì)不上是新手最常見(jiàn)的翻車(chē)點(diǎn)。我一般用 conda 建獨(dú)立環(huán)境Python 3.10 配 PyTorch 2.xCUDA 11.8 或 12.1 都行關(guān)鍵是torch.cuda.is_available()要返回 True。ultralytics 包直接 pip 裝最新穩(wěn)定版即可不用追 nightly。預(yù)訓(xùn)練模型的選擇直接影響小樣本訓(xùn)練的收斂速度。339 張圖從零訓(xùn)練基本沒(méi)戲必須用 COCO 預(yù)訓(xùn)練權(quán)重。YOLOv8n 或 YOLOv8s 是合理起點(diǎn)n 參數(shù)量小、過(guò)擬合風(fēng)險(xiǎn)低s 精度略高但需要更多數(shù)據(jù)支撐。我的建議是先跑 YOLOv8n 拿到基線(xiàn)如果驗(yàn)證集 mAP 能到 0.5 以上再考慮換 s。更大的 m 或 l 在 339 張圖上幾乎必然過(guò)擬合除非你做大量?jī)鼋Y(jié)層微調(diào)。conda create -n drowning python3.10 -y conda activate drowning pip install torch torchvision --index-url https://download.pytorch.org/whl/cu118 pip install ultralytics yolo checksyolo checks會(huì)輸出環(huán)境自檢結(jié)果重點(diǎn)看 CUDA 是否可用、顯存大小、ultralytics 版本。如果顯存小于 8GB訓(xùn)練時(shí)batch要降到 8 或 16配合ampTrue混合精度。V100 這類(lèi) 16GB 以上的卡可以上 batch 32但小樣本下 batch 太大反而梯度更新次數(shù)少339 張圖一個(gè) epoch 才十幾次迭代batch 設(shè) 16 比較均衡。3.2 數(shù)據(jù)配置文件與訓(xùn)練命令YOLO 需要一個(gè) YAML 描述數(shù)據(jù)路徑和類(lèi)別。這個(gè)文件寫(xiě)錯(cuò)路徑是另一個(gè)高頻翻車(chē)點(diǎn)path用絕對(duì)路徑最穩(wěn)train和val相對(duì)path寫(xiě)。# drowning.yaml path: /home/user/drowning_dataset train: images/train val: images/val test: images/test names: 0: drowning 1: swimming類(lèi)別名要和你的標(biāo)注類(lèi)別號(hào)嚴(yán)格對(duì)應(yīng)。如果標(biāo)注時(shí)溺水是 0、游泳是 1這里就不能反。訓(xùn)練命令如下yolo detect train \ datadrowning.yaml \ modelyolov8n.pt \ epochs150 \ imgsz640 \ batch16 \ lr00.001 \ lrf0.01 \ warmup_epochs5 \ patience30 \ close_mosaic10 \ ampTrue \ projectruns/drowning \ nameexp1lr00.001比默認(rèn)的 0.01 低一個(gè)量級(jí)是小樣本微調(diào)的常規(guī)做法避免預(yù)訓(xùn)練權(quán)重被大梯度沖垮。patience30表示 30 個(gè) epoch 驗(yàn)證指標(biāo)不提升就早停339 張圖通常 80 到 120 個(gè) epoch 就收斂了。close_mosaic10在最后 10 個(gè) epoch 關(guān)掉 mosaic讓模型適應(yīng)真實(shí)圖像分布。warmup_epochs5讓學(xué)習(xí)率從極小值線(xiàn)性爬升防止訓(xùn)練初期 BN 統(tǒng)計(jì)量被異常 batch 帶偏。3.3 損失函數(shù)三項(xiàng)到底在看什么YOLO 的損失由三部分組成邊界框回歸損失、分類(lèi)損失、目標(biāo)置信度損失。小樣本訓(xùn)練時(shí)這三項(xiàng)的收斂曲線(xiàn)能直接反映問(wèn)題。邊界框損失下降慢說(shuō)明標(biāo)注框質(zhì)量差或增強(qiáng)過(guò)度導(dǎo)致目標(biāo)形變分類(lèi)損失震蕩說(shuō)明類(lèi)別定義模糊比如溺水出水和游泳的邊界在標(biāo)注時(shí)沒(méi)統(tǒng)一置信度損失居高不下往往是背景樣本太多或前景目標(biāo)太小。我習(xí)慣在訓(xùn)練時(shí)盯著box_loss、cls_loss、dfl_loss三條曲線(xiàn)。正常情況下三者同步下降cls_loss略高于box_loss。如果cls_loss突然飆升先檢查標(biāo)簽里有沒(méi)有類(lèi)別號(hào)寫(xiě)錯(cuò)。如果box_loss降到很低但 mAP 不漲多半是過(guò)擬合驗(yàn)證集和訓(xùn)練集分布不一致。這些判斷不需要改代碼看 ultralytics 輸出的 results.csv 就行。4. 訓(xùn)練中的 BN 崩潰與混淆矩陣異常排查4.1 BN 崩潰現(xiàn)象、原因與三種解法BN 崩潰的典型現(xiàn)象是訓(xùn)練到某個(gè) epoch 突然報(bào)NaN損失或者驗(yàn)證 mAP 直接掉到 0日志里出現(xiàn)AssertionError: Torch not compiled with CUDA enabled之外的數(shù)值異常。根因通常是某個(gè) batch 的統(tǒng)計(jì)量方差接近零除零后梯度爆炸。小樣本 小 batch 是 BN 崩潰的高發(fā)組合因?yàn)?batch 內(nèi)樣本太少統(tǒng)計(jì)量估計(jì)不穩(wěn)。解法一把batch提到 16 以上讓 BN 有足夠樣本估計(jì)均值和方差。解法二改用SyncBN或凍結(jié) BN 層在 YOLOv8 里可以通過(guò)設(shè)置freeze參數(shù)凍結(jié) backbone 的前若干層。解法三降低學(xué)習(xí)率并加梯度裁剪lr0降到 0.0005同時(shí)在訓(xùn)練配置里開(kāi)clip_grad10.0。我一般先試提 batch不行再凍結(jié) BN最后才動(dòng)學(xué)習(xí)率因?yàn)楦膶W(xué)習(xí)率會(huì)影響整體收斂節(jié)奏。4.2 混淆矩陣總合不唯一是怎么回事有讀者反饋混淆矩陣的行列總和對(duì)不上懷疑代碼有 bug。這其實(shí)不是 bug是 YOLO 驗(yàn)證階段的多重匹配機(jī)制導(dǎo)致的。一個(gè)預(yù)測(cè)框可能同時(shí)匹配到多個(gè)真實(shí)框或者一個(gè)真實(shí)框被多個(gè)預(yù)測(cè)框匹配混淆矩陣在統(tǒng)計(jì)時(shí)按匹配對(duì)累加總合自然不等于圖像總數(shù)。判斷模型好壞要看對(duì)角線(xiàn)占比和各類(lèi)的召回率不要糾結(jié)總合數(shù)字。如果發(fā)現(xiàn)溺水類(lèi)被大量預(yù)測(cè)成游泳類(lèi)先看兩類(lèi)在標(biāo)注時(shí)的定義是否清晰。溺水出水往往只露出頭部和部分手臂游泳則有完整的身體姿態(tài)如果標(biāo)注時(shí)把「水中掙扎」也標(biāo)成游泳模型學(xué)到的邊界就是模糊的。這種情況回退到標(biāo)注環(huán)節(jié)重新定義類(lèi)別比調(diào)模型參數(shù)有效得多。4.3 驗(yàn)證指標(biāo)虛高過(guò)擬合的五個(gè)信號(hào)339 張圖訓(xùn)練過(guò)擬合幾乎是必然要面對(duì)的。五個(gè)信號(hào)訓(xùn)練損失持續(xù)下降但驗(yàn)證損失在某個(gè) epoch 后回升訓(xùn)練 mAP 到 0.95 以上而驗(yàn)證 mAP 卡在 0.6驗(yàn)證集預(yù)測(cè)框大量重疊在同一目標(biāo)上模型對(duì)訓(xùn)練集圖像置信度普遍 0.9 以上對(duì)驗(yàn)證集圖像置信度集中在 0.3 到 0.5混淆矩陣?yán)锉尘氨淮罅空`檢為前景。應(yīng)對(duì)手段按優(yōu)先級(jí)先加數(shù)據(jù)增強(qiáng)的多樣性尤其是幾何變換再降模型容量從 s 換回 n然后加權(quán)重衰減weight_decay0.0005最后考慮凍結(jié) backbone 只訓(xùn)練 head。如果這些都不行說(shuō)明 339 張圖對(duì)這個(gè)場(chǎng)景確實(shí)不夠需要考慮半監(jiān)督或主動(dòng)學(xué)習(xí)補(bǔ)充數(shù)據(jù)。5. 小樣本溺水檢測(cè)的進(jìn)階技巧從基線(xiàn)到可用5.1 用測(cè)試時(shí)增強(qiáng)把 mAP 再抬幾個(gè)點(diǎn)訓(xùn)練完之后推理階段還有提升空間。測(cè)試時(shí)增強(qiáng)TTA對(duì)溺水這種目標(biāo)姿態(tài)多變的場(chǎng)景特別有效因?yàn)椴煌叨群头D(zhuǎn)下的預(yù)測(cè)可以互補(bǔ)。ultralytics 里開(kāi) TTA 很簡(jiǎn)單yolo detect val \ modelruns/drowning/exp1/weights/best.pt \ datadrowning.yaml \ augmentTrue \ imgsz640augmentTrue會(huì)同時(shí)做多尺度、翻轉(zhuǎn)的推理再融合。代價(jià)是推理速度降到原來(lái)的三分之一左右如果部署在邊緣設(shè)備上要權(quán)衡。我在 RK3588 這類(lèi)邊緣板上一般不開(kāi) TTA在服務(wù)端 GPU 推理時(shí)開(kāi)mAP 通常能漲 2 到 4 個(gè)點(diǎn)。5.2 閾值調(diào)優(yōu)溺水檢測(cè)寧可誤報(bào)不可漏報(bào)溺水檢測(cè)的業(yè)務(wù)邏輯和常規(guī)目標(biāo)檢測(cè)不同漏報(bào)的代價(jià)遠(yuǎn)大于誤報(bào)。默認(rèn)置信度閾值 0.25 在這個(gè)場(chǎng)景下偏低會(huì)引入大量水面反光誤檢。我的做法是把置信度閾值提到 0.4 到 0.5同時(shí)把 NMS 的 IoU 閾值從 0.7 降到 0.5減少重疊框。然后在驗(yàn)證集上畫(huà) PR 曲線(xiàn)找到召回率 0.9 對(duì)應(yīng)的精度那個(gè)點(diǎn)才是業(yè)務(wù)可用的工作點(diǎn)。參數(shù)默認(rèn)值溺水場(chǎng)景建議值影響conf0.250.4~0.5提高減少誤報(bào)過(guò)高漏報(bào)增加iou0.70.5降低減少重疊框imgsz640640~960提高小目標(biāo)召回顯存換精度max_det30050溺水場(chǎng)景目標(biāo)少降低提速5.3 我踩過(guò)的最大一個(gè)坑最后說(shuō)一個(gè)血淚教訓(xùn)。我早期做溺水檢測(cè)時(shí)驗(yàn)證集 mAP 跑到 0.78興沖沖部署到泳池?cái)z像頭結(jié)果誤檢率高達(dá)每小時(shí)幾十次全是水面波紋和漂浮物。回頭查才發(fā)現(xiàn)驗(yàn)證集和訓(xùn)練集來(lái)自同一批視頻模型學(xué)到的是「這個(gè)泳池的水面紋理」而不是「溺水的人體姿態(tài)」。后來(lái)我把驗(yàn)證集換成完全沒(méi)見(jiàn)過(guò)的水域場(chǎng)景mAP 掉到 0.52但那個(gè)數(shù)字才是真實(shí)的。這件事之后我養(yǎng)成了一個(gè)習(xí)慣任何垂直場(chǎng)景的小樣本數(shù)據(jù)集先花時(shí)間確認(rèn)驗(yàn)證集的獨(dú)立性再談模型指標(biāo)。339 張圖不多但如果來(lái)源組劃分干凈、增強(qiáng)策略克制、閾值按業(yè)務(wù)調(diào)跑出一個(gè)能用的溺水檢測(cè)基線(xiàn)是完全可行的。值不值得做取決于你能不能持續(xù)補(bǔ)充新場(chǎng)景的數(shù)據(jù)而不是這 339 張本身。希望幫到你。本文還有配套的精品資源點(diǎn)擊獲取