包：380MB含數(shù)據(jù)集、權(quán)重與訓練日志)
簡介本資源為基于YOLOV5的VOC目標檢測實戰(zhàn)項目面向具備一定深度學習基礎(chǔ)、希望快速上手目標檢測訓練與推理的開發(fā)者與學習者。項目覆蓋火車、船、人、電視、飛機等20個類別的檢測任務(wù)提供可直接運行的代碼、數(shù)據(jù)集與訓練好的權(quán)重參數(shù)幫助讀者跳過環(huán)境搭建與數(shù)據(jù)整理的繁瑣環(huán)節(jié)專注于模型訓練與效果驗證。壓縮包共約2000個文件以txt標簽與說明、py訓練推理腳本、yaml配置文件、sh運行腳本及md文檔為主整體約357MB。項目迭代100個epoch在runs目錄下保存了完整訓練結(jié)果最佳精度達到map0.50.62、map0.5:0.950.42并在runs/detect中保留了網(wǎng)絡(luò)推理訓練集的可視化結(jié)果便于直觀評估檢測效果。訓練集含13700張圖片及對應(yīng)標簽測試集含3425張圖片及標簽數(shù)據(jù)規(guī)模適中適合作為課程設(shè)計、畢業(yè)設(shè)計或算法入門的實踐案例。目前已有161人學習配套腳本參數(shù)說明可進一步輔助理解訓練與推理流程。1. 20 分類 VOC 檢測項目380MB 里到底裝了什么如果你手頭正好有一個 20 類的目標檢測需求比如識別火車、船、人、電視、飛機這些常見目標又不想從零標注數(shù)據(jù)、從零調(diào)參那這個 YOLOV5 VOC 的實戰(zhàn)包值得先拆開看看。它不是一個空殼 demo而是把數(shù)據(jù)集、訓練腳本、推理腳本、訓練好的權(quán)重、100 個 epoch 的訓練日志和推理結(jié)果一起打包總大小 380MB。訓練集 13700 張圖配 13700 個 txt 標簽驗證集 3425 張圖配 3425 個標簽覆蓋 20 個類別。訓練到最好的精度是 map0.50.62、map0.5:0.950.42runs/detect 下還存了網(wǎng)絡(luò)對訓練集的全部推理結(jié)果。換句話說你拿到手就能跑推理、能接著訓練、能對照日志看它當時是怎么收斂的。適合兩類人一類是想快速驗證自己業(yè)務(wù)場景能不能套 VOC 格式跑通的工程師另一類是想拿一份完整訓練記錄來對照自己調(diào)參過程的學習者。下面按「資源是什么 → 怎么用 → 坑在哪」的順序拆。2. 數(shù)據(jù)集結(jié)構(gòu)與 VOC 轉(zhuǎn) YOLO 格式13700 張圖怎么對上 13700 個標簽2.1 目錄布局與類別映射這個項目的數(shù)據(jù)集不是原始 VOC 的 XML 結(jié)構(gòu)而是已經(jīng)轉(zhuǎn)成 YOLO 需要的 images labels 配對形式。訓練集在 datasets-images-train 下13700 張圖片和 13700 個 txt 標簽文件一一對應(yīng)驗證集在 datasets-images-val 下3425 張圖配 3425 個標簽。20 個類別包括火車、船、人、電視、飛機等類別順序由數(shù)據(jù)配置文件里的 names 列表決定這個順序一旦定下就不能亂改否則標簽索引和模型輸出會對不上。常見做法是先把類別名按固定順序?qū)戇M一個 data.yaml訓練和推理都讀同一份。下面是一個可直接抄的配置骨架# data.yaml path: ./datasets-images # 數(shù)據(jù)集根目錄 train: train # 訓練集相對路徑 val: val # 驗證集相對路徑 nc: 20 # 類別數(shù)必須和 names 長度一致 names: 0: train 1: boat 2: person 3: tv 4: airplane # ... 其余類別按你的實際順序補齊到 20 個邏輯說明path 是根目錄train/val 是相對 path 的子目錄YOLOV5 會去 path/train/images 找圖、path/train/labels 找標簽。nc 寫錯是最常見的翻車點20 類寫成 19 類訓練不報錯但精度會莫名其妙掉。names 的索引必須和 txt 標簽里每行第一個數(shù)字對應(yīng)標簽行格式是class_id x_center y_center width height坐標都是歸一化到 0~1 的值。2.2 從 VOC XML 轉(zhuǎn) YOLO txt 的腳本與邊界坑如果你手上是原始 VOC 的 Annotations XML需要自己轉(zhuǎn)。轉(zhuǎn)換核心是把 VOC 的絕對坐標 xmin/ymin/xmax/ymax 轉(zhuǎn)成歸一化的中心點加寬高。下面這段腳本我一般會直接拿來改import os import xml.etree.ElementTree as ET # 類別到索引的映射順序必須和 data.yaml 的 names 完全一致 class_map {train: 0, boat: 1, person: 2, tv: 3, airplane: 4} # 其余 15 類按實際補齊 def convert(xml_dir, out_dir, img_w, img_h): 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() lines [] for obj in root.iter(object): name obj.find(name).text if name not in class_map: continue # 未登記類別直接跳過避免索引錯位 cls_id class_map[name] bbox obj.find(bndbox) xmin float(bbox.find(xmin).text) ymin float(bbox.find(ymin).text) xmax float(bbox.find(xmax).text) ymax float(bbox.find(ymax).text) # 歸一化并轉(zhuǎn)中心點格式 x_center (xmin xmax) / 2.0 / img_w y_center (ymin ymax) / 2.0 / img_h w (xmax - xmin) / img_w h (ymax - ymin) / img_h lines.append(f{cls_id} {x_center:.6f} {y_center:.6f} {w:.6f} {h:.6f}) out_name os.path.splitext(xml_file)[0] .txt with open(os.path.join(out_dir, out_name), w) as f: f.write(\n.join(lines)) convert(./Annotations, ./labels, 640, 640)參數(shù)說明img_w、img_h 必須用每張圖真實的寬高不能統(tǒng)一寫 640否則非正方形圖會坐標偏移。class_map 里沒登記的類別我選擇跳過而不是報錯因為 VOC 里常混著一些不需要的類別直接跳過比中斷轉(zhuǎn)換更實用。轉(zhuǎn)換完一定要抽查幾張用可視化腳本把框畫回圖上確認框位置沒偏。提示標簽文件和圖片文件必須同名只差擴展名。13700 對里只要有一對名字對不上訓練時就會報「找不到標簽」或者靜默跳過最后表現(xiàn)為某類精度異常低。3. 訓練腳本參數(shù)怎么設(shè)100 epoch 跑出 map0.50.62 的配置拆解3.1 關(guān)鍵超參與命令行寫法這個項目迭代了 100 個 epoch最終 map0.50.62、map0.5:0.950.42。這個精度不算頂尖但對于 20 類、1.7 萬張圖的規(guī)模屬于能直接用的水平。要復(fù)現(xiàn)或接著訓核心是 train.py 的參數(shù)。常見做法是先用預(yù)訓練權(quán)重起步再按自己的數(shù)據(jù)微調(diào)python train.py \ --data data.yaml \ --cfg models/yolov5s.yaml \ --weights yolov5s.pt \ --epochs 100 \ --batch-size 16 \ --img-size 640 \ --optimizer SGD \ --lr0 0.01 \ --lrf 0.01 \ --cache參數(shù)說明--weights 指定預(yù)訓練權(quán)重從零訓 20 類小數(shù)據(jù)集很容易不收斂用預(yù)訓練是省時間的關(guān)鍵。--batch-size 16 是 8G 顯存左右的穩(wěn)妥值顯存不夠就降到 8但 batch 太小 BN 層統(tǒng)計會不穩(wěn)。--img-size 640 是 YOLOV5 的默認輸入改大能提小目標精度但顯存和耗時都漲。--cache 把圖片緩存到內(nèi)存1.7 萬張圖能明顯加快每個 epoch但內(nèi)存小于 16G 就別開。--lr0 初始學習率和 --lrf 最終學習率比例決定余弦退火曲線0.01 配 0.01 是官方推薦起點。3.2 訓練日志與 runs 目錄怎么讀訓練結(jié)果全在 runs 目錄下每次訓練會新建一個 exp 文件夾里面 results.csv 記錄每個 epoch 的 loss 和 mapweights 下存 best.pt 和 last.pt。判斷訓練是否健康重點看三個信號box_loss 和 obj_loss 是否穩(wěn)定下降、map0.5 是否在后期還在漲、驗證集 loss 有沒有先降后升。如果驗證 loss 抬頭而訓練 loss 還在降就是過擬合該早?；蚣訑?shù)據(jù)增強。常見做法是訓練完用 results.csv 畫曲線或者直接看 runs/train/exp 下的 results.png。這個項目 100 epoch 的曲線如果后期趨平說明 100 輪基本夠用如果還在明顯上升可以接著加輪次。runs/detect 下存的是推理結(jié)果可以直接看模型在訓練集上的實際表現(xiàn)注意這是訓練集精度會偏高別拿它當泛化指標。注意best.pt 是按驗證集 map 選的不是按訓練 loss。如果你換了驗證集劃分best.pt 的含義就變了別混用不同劃分下的權(quán)重做對比。4. 推理與部署從 detect.py 到邊緣設(shè)備量化4.1 推理腳本參數(shù)與結(jié)果核對推理入口是 detect.py最常用的幾條參數(shù)是權(quán)重、輸入源、置信度和 NMS 閾值python detect.py \ --weights runs/train/exp/weights/best.pt \ --source datasets-images-val \ --img-size 640 \ --conf-thres 0.25 \ --iou-thres 0.45 \ --save-txt參數(shù)說明--source 可以是單張圖、文件夾、視頻或攝像頭編號。--conf-thres 0.25 是置信度門檻調(diào)低召回高但誤檢多調(diào)高反之業(yè)務(wù)上先看你要的是查全還是查準。--iou-thres 0.45 控制 NMS 合并重疊框的力度密集場景可以適當調(diào)高到 0.5~0.6 減少漏合并。--save-txt 會把檢測框按 YOLO 格式存下來方便和標簽對比算指標。推理結(jié)果默認存 runs/detect/exp核對時重點看漏檢和誤檢分別集中在哪些類20 類里通常有幾類樣本少精度會明顯拖后腿。4.2 后處理與邊緣部署的量化思路YOLOV5 的后處理主要是三件事把輸出解碼成框、按置信度過濾、NMS 去重。部署到邊緣設(shè)備時常見做法是先導(dǎo)出 ONNX 再量化。以 RK3568 這類平臺為例流程是 PyTorch → ONNX → 量化校準 → 板端推理。量化會帶來精度損失map0.5 可能掉 1~3 個點所以校準集要覆蓋 20 個類的典型樣本不能只用一類圖。樹莓派 4B/5 上部署自己訓練的模型一般走 ONNX Runtime 或 ncnn幀率取決于輸入尺寸和是否量化640 輸入在樹莓派 5 上通常是個位數(shù)到十幾幀想實時得降輸入或換更小的模型。提示導(dǎo)出 ONNX 時注意 opset 版本和動態(tài)軸設(shè)置動態(tài) batch 在部分推理框架上會拖慢速度固定 batch1 往往更快。5. 避坑與排查20 分類項目里最容易翻車的五件事現(xiàn)象一訓練不報錯但 map 一直是 0。原因多半是標簽路徑或類別索引對不上YOLOV5 找不到有效標簽就當成全背景訓。解決先跑一遍數(shù)據(jù)檢查確認每張圖都有同名 txt且 txt 里 class_id 都在 0~19 范圍內(nèi)?，F(xiàn)象二某一類精度特別低其他類正常。原因通常是該類樣本太少或標注質(zhì)量差。解決統(tǒng)計每類框數(shù)量樣本少于幾百的類考慮補充數(shù)據(jù)或做重采樣同時抽查該類標簽有沒有漏標、錯標。現(xiàn)象三顯存爆了batch 降到 1 還是 OOM。原因可能是 --img-size 太大或 --cache 把圖全塞進內(nèi)存。解決先關(guān) --cache再把 img-size 降到 416 試跑確認能跑通再逐步加回去?，F(xiàn)象四推理結(jié)果框位置整體偏移。原因多是訓練和推理的 img-size 不一致或者 letterbox 填充參數(shù)沒對齊。解決保證 detect.py 的 --img-size 和訓練時一致檢查預(yù)處理有沒有做等比例縮放加灰邊填充?，F(xiàn)象五換驗證集劃分后 best.pt 精度暴跌。原因是你用的權(quán)重是按舊劃分選出來的和新劃分的分布不匹配。解決要么固定劃分不動要么在新劃分上重新訓一輪別拿舊 best.pt 直接對比新指標。6. 進階技巧用 100 epoch 日志反推超參該往哪調(diào)拿到一份已經(jīng)跑完 100 epoch 的日志最大的價值不是直接用權(quán)重而是反推這套超參在你的場景里該怎么改。我一般會先把 results.csv 拉出來按 epoch 看 map0.5 的斜率如果前 30 輪就沖到接近最終值然后走平說明學習率偏大或數(shù)據(jù)太簡單可以降 lr0 讓收斂更細如果 100 輪結(jié)束還在緩慢上升說明輪次不夠或?qū)W習率衰減太慢可以加 epoch 或調(diào)小 lrf。再對照 20 個類的 per-class map把低于平均的類挑出來。這些類要么補數(shù)據(jù)要么在數(shù)據(jù)增強上針對性加強比如小目標多的類可以開 mosaic 和 copy-paste。超參方面YOLOV5 的 hyp 文件里有幾個常調(diào)的box、cls、obj 三個 loss 權(quán)重默認 0.05/0.5/1.0類別不平衡時可以適當提 clsanchor 如果和你的目標尺寸差太多可以用 k-means 在自己的數(shù)據(jù)上重聚一遍。驗證方法很簡單固定驗證集每次只改一個參數(shù)跑 20~30 epoch 看 map 變化別一次改一堆否則出了問題根本不知道是哪個參數(shù)導(dǎo)致的。這套流程我踩過坑——有次同時改了學習率和增強結(jié)果精度掉了卻定位不到原因白白多跑了兩天。從那以后我每次調(diào)參都強制走一遍「單變量 固定驗證集」的流程寧可慢一點也要可復(fù)現(xiàn)。希望這份拆解幫到你拿到資源后先跑推理確認環(huán)境通再動訓練參數(shù)。本文還有配套的精品資源點擊獲取 YOLOV5+VOC 20類目標檢測實戰(zhàn)包：380MB含數(shù)據(jù)集、權(quán)重與訓練日志
簡介本資源為基于YOLOV5的VOC目標檢測實戰(zhàn)項目面向具備一定深度學習基礎(chǔ)、希望快速上手目標檢測訓練與推理的開發(fā)者與學習者。項目覆蓋火車、船、人、電視、飛機等20個類別的檢測任務(wù)提供可直接運行的代碼、數(shù)據(jù)集與訓練好的權(quán)重參數(shù)幫助讀者跳過環(huán)境搭建與數(shù)據(jù)整理的繁瑣環(huán)節(jié)專注于模型訓練與效果驗證。壓縮包共約2000個文件以txt標簽與說明、py訓練推理腳本、yaml配置文件、sh運行腳本及md文檔為主整體約357MB。項目迭代100個epoch在runs目錄下保存了完整訓練結(jié)果最佳精度達到map0.50.62、map0.5:0.950.42并在runs/detect中保留了網(wǎng)絡(luò)推理訓練集的可視化結(jié)果便于直觀評估檢測效果。訓練集含13700張圖片及對應(yīng)標簽測試集含3425張圖片及標簽數(shù)據(jù)規(guī)模適中適合作為課程設(shè)計、畢業(yè)設(shè)計或算法入門的實踐案例。目前已有161人學習配套腳本參數(shù)說明可進一步輔助理解訓練與推理流程。1. 20 分類 VOC 檢測項目380MB 里到底裝了什么如果你手頭正好有一個 20 類的目標檢測需求比如識別火車、船、人、電視、飛機這些常見目標又不想從零標注數(shù)據(jù)、從零調(diào)參那這個 YOLOV5 VOC 的實戰(zhàn)包值得先拆開看看。它不是一個空殼 demo而是把數(shù)據(jù)集、訓練腳本、推理腳本、訓練好的權(quán)重、100 個 epoch 的訓練日志和推理結(jié)果一起打包總大小 380MB。訓練集 13700 張圖配 13700 個 txt 標簽驗證集 3425 張圖配 3425 個標簽覆蓋 20 個類別。訓練到最好的精度是 map0.50.62、map0.5:0.950.42runs/detect 下還存了網(wǎng)絡(luò)對訓練集的全部推理結(jié)果。換句話說你拿到手就能跑推理、能接著訓練、能對照日志看它當時是怎么收斂的。適合兩類人一類是想快速驗證自己業(yè)務(wù)場景能不能套 VOC 格式跑通的工程師另一類是想拿一份完整訓練記錄來對照自己調(diào)參過程的學習者。下面按「資源是什么 → 怎么用 → 坑在哪」的順序拆。2. 數(shù)據(jù)集結(jié)構(gòu)與 VOC 轉(zhuǎn) YOLO 格式13700 張圖怎么對上 13700 個標簽2.1 目錄布局與類別映射這個項目的數(shù)據(jù)集不是原始 VOC 的 XML 結(jié)構(gòu)而是已經(jīng)轉(zhuǎn)成 YOLO 需要的 images labels 配對形式。訓練集在 datasets-images-train 下13700 張圖片和 13700 個 txt 標簽文件一一對應(yīng)驗證集在 datasets-images-val 下3425 張圖配 3425 個標簽。20 個類別包括火車、船、人、電視、飛機等類別順序由數(shù)據(jù)配置文件里的 names 列表決定這個順序一旦定下就不能亂改否則標簽索引和模型輸出會對不上。常見做法是先把類別名按固定順序?qū)戇M一個 data.yaml訓練和推理都讀同一份。下面是一個可直接抄的配置骨架# data.yaml path: ./datasets-images # 數(shù)據(jù)集根目錄 train: train # 訓練集相對路徑 val: val # 驗證集相對路徑 nc: 20 # 類別數(shù)必須和 names 長度一致 names: 0: train 1: boat 2: person 3: tv 4: airplane # ... 其余類別按你的實際順序補齊到 20 個邏輯說明path 是根目錄train/val 是相對 path 的子目錄YOLOV5 會去 path/train/images 找圖、path/train/labels 找標簽。nc 寫錯是最常見的翻車點20 類寫成 19 類訓練不報錯但精度會莫名其妙掉。names 的索引必須和 txt 標簽里每行第一個數(shù)字對應(yīng)標簽行格式是class_id x_center y_center width height坐標都是歸一化到 0~1 的值。2.2 從 VOC XML 轉(zhuǎn) YOLO txt 的腳本與邊界坑如果你手上是原始 VOC 的 Annotations XML需要自己轉(zhuǎn)。轉(zhuǎn)換核心是把 VOC 的絕對坐標 xmin/ymin/xmax/ymax 轉(zhuǎn)成歸一化的中心點加寬高。下面這段腳本我一般會直接拿來改import os import xml.etree.ElementTree as ET # 類別到索引的映射順序必須和 data.yaml 的 names 完全一致 class_map {train: 0, boat: 1, person: 2, tv: 3, airplane: 4} # 其余 15 類按實際補齊 def convert(xml_dir, out_dir, img_w, img_h): 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() lines [] for obj in root.iter(object): name obj.find(name).text if name not in class_map: continue # 未登記類別直接跳過避免索引錯位 cls_id class_map[name] bbox obj.find(bndbox) xmin float(bbox.find(xmin).text) ymin float(bbox.find(ymin).text) xmax float(bbox.find(xmax).text) ymax float(bbox.find(ymax).text) # 歸一化并轉(zhuǎn)中心點格式 x_center (xmin xmax) / 2.0 / img_w y_center (ymin ymax) / 2.0 / img_h w (xmax - xmin) / img_w h (ymax - ymin) / img_h lines.append(f{cls_id} {x_center:.6f} {y_center:.6f} {w:.6f} {h:.6f}) out_name os.path.splitext(xml_file)[0] .txt with open(os.path.join(out_dir, out_name), w) as f: f.write(\n.join(lines)) convert(./Annotations, ./labels, 640, 640)參數(shù)說明img_w、img_h 必須用每張圖真實的寬高不能統(tǒng)一寫 640否則非正方形圖會坐標偏移。class_map 里沒登記的類別我選擇跳過而不是報錯因為 VOC 里常混著一些不需要的類別直接跳過比中斷轉(zhuǎn)換更實用。轉(zhuǎn)換完一定要抽查幾張用可視化腳本把框畫回圖上確認框位置沒偏。提示標簽文件和圖片文件必須同名只差擴展名。13700 對里只要有一對名字對不上訓練時就會報「找不到標簽」或者靜默跳過最后表現(xiàn)為某類精度異常低。3. 訓練腳本參數(shù)怎么設(shè)100 epoch 跑出 map0.50.62 的配置拆解3.1 關(guān)鍵超參與命令行寫法這個項目迭代了 100 個 epoch最終 map0.50.62、map0.5:0.950.42。這個精度不算頂尖但對于 20 類、1.7 萬張圖的規(guī)模屬于能直接用的水平。要復(fù)現(xiàn)或接著訓核心是 train.py 的參數(shù)。常見做法是先用預(yù)訓練權(quán)重起步再按自己的數(shù)據(jù)微調(diào)python train.py \ --data data.yaml \ --cfg models/yolov5s.yaml \ --weights yolov5s.pt \ --epochs 100 \ --batch-size 16 \ --img-size 640 \ --optimizer SGD \ --lr0 0.01 \ --lrf 0.01 \ --cache參數(shù)說明--weights 指定預(yù)訓練權(quán)重從零訓 20 類小數(shù)據(jù)集很容易不收斂用預(yù)訓練是省時間的關(guān)鍵。--batch-size 16 是 8G 顯存左右的穩(wěn)妥值顯存不夠就降到 8但 batch 太小 BN 層統(tǒng)計會不穩(wěn)。--img-size 640 是 YOLOV5 的默認輸入改大能提小目標精度但顯存和耗時都漲。--cache 把圖片緩存到內(nèi)存1.7 萬張圖能明顯加快每個 epoch但內(nèi)存小于 16G 就別開。--lr0 初始學習率和 --lrf 最終學習率比例決定余弦退火曲線0.01 配 0.01 是官方推薦起點。3.2 訓練日志與 runs 目錄怎么讀訓練結(jié)果全在 runs 目錄下每次訓練會新建一個 exp 文件夾里面 results.csv 記錄每個 epoch 的 loss 和 mapweights 下存 best.pt 和 last.pt。判斷訓練是否健康重點看三個信號box_loss 和 obj_loss 是否穩(wěn)定下降、map0.5 是否在后期還在漲、驗證集 loss 有沒有先降后升。如果驗證 loss 抬頭而訓練 loss 還在降就是過擬合該早?；蚣訑?shù)據(jù)增強。常見做法是訓練完用 results.csv 畫曲線或者直接看 runs/train/exp 下的 results.png。這個項目 100 epoch 的曲線如果后期趨平說明 100 輪基本夠用如果還在明顯上升可以接著加輪次。runs/detect 下存的是推理結(jié)果可以直接看模型在訓練集上的實際表現(xiàn)注意這是訓練集精度會偏高別拿它當泛化指標。注意best.pt 是按驗證集 map 選的不是按訓練 loss。如果你換了驗證集劃分best.pt 的含義就變了別混用不同劃分下的權(quán)重做對比。4. 推理與部署從 detect.py 到邊緣設(shè)備量化4.1 推理腳本參數(shù)與結(jié)果核對推理入口是 detect.py最常用的幾條參數(shù)是權(quán)重、輸入源、置信度和 NMS 閾值python detect.py \ --weights runs/train/exp/weights/best.pt \ --source datasets-images-val \ --img-size 640 \ --conf-thres 0.25 \ --iou-thres 0.45 \ --save-txt參數(shù)說明--source 可以是單張圖、文件夾、視頻或攝像頭編號。--conf-thres 0.25 是置信度門檻調(diào)低召回高但誤檢多調(diào)高反之業(yè)務(wù)上先看你要的是查全還是查準。--iou-thres 0.45 控制 NMS 合并重疊框的力度密集場景可以適當調(diào)高到 0.5~0.6 減少漏合并。--save-txt 會把檢測框按 YOLO 格式存下來方便和標簽對比算指標。推理結(jié)果默認存 runs/detect/exp核對時重點看漏檢和誤檢分別集中在哪些類20 類里通常有幾類樣本少精度會明顯拖后腿。4.2 后處理與邊緣部署的量化思路YOLOV5 的后處理主要是三件事把輸出解碼成框、按置信度過濾、NMS 去重。部署到邊緣設(shè)備時常見做法是先導(dǎo)出 ONNX 再量化。以 RK3568 這類平臺為例流程是 PyTorch → ONNX → 量化校準 → 板端推理。量化會帶來精度損失map0.5 可能掉 1~3 個點所以校準集要覆蓋 20 個類的典型樣本不能只用一類圖。樹莓派 4B/5 上部署自己訓練的模型一般走 ONNX Runtime 或 ncnn幀率取決于輸入尺寸和是否量化640 輸入在樹莓派 5 上通常是個位數(shù)到十幾幀想實時得降輸入或換更小的模型。提示導(dǎo)出 ONNX 時注意 opset 版本和動態(tài)軸設(shè)置動態(tài) batch 在部分推理框架上會拖慢速度固定 batch1 往往更快。5. 避坑與排查20 分類項目里最容易翻車的五件事現(xiàn)象一訓練不報錯但 map 一直是 0。原因多半是標簽路徑或類別索引對不上YOLOV5 找不到有效標簽就當成全背景訓。解決先跑一遍數(shù)據(jù)檢查確認每張圖都有同名 txt且 txt 里 class_id 都在 0~19 范圍內(nèi)?，F(xiàn)象二某一類精度特別低其他類正常。原因通常是該類樣本太少或標注質(zhì)量差。解決統(tǒng)計每類框數(shù)量樣本少于幾百的類考慮補充數(shù)據(jù)或做重采樣同時抽查該類標簽有沒有漏標、錯標。現(xiàn)象三顯存爆了batch 降到 1 還是 OOM。原因可能是 --img-size 太大或 --cache 把圖全塞進內(nèi)存。解決先關(guān) --cache再把 img-size 降到 416 試跑確認能跑通再逐步加回去?，F(xiàn)象四推理結(jié)果框位置整體偏移。原因多是訓練和推理的 img-size 不一致或者 letterbox 填充參數(shù)沒對齊。解決保證 detect.py 的 --img-size 和訓練時一致檢查預(yù)處理有沒有做等比例縮放加灰邊填充?，F(xiàn)象五換驗證集劃分后 best.pt 精度暴跌。原因是你用的權(quán)重是按舊劃分選出來的和新劃分的分布不匹配。解決要么固定劃分不動要么在新劃分上重新訓一輪別拿舊 best.pt 直接對比新指標。6. 進階技巧用 100 epoch 日志反推超參該往哪調(diào)拿到一份已經(jīng)跑完 100 epoch 的日志最大的價值不是直接用權(quán)重而是反推這套超參在你的場景里該怎么改。我一般會先把 results.csv 拉出來按 epoch 看 map0.5 的斜率如果前 30 輪就沖到接近最終值然后走平說明學習率偏大或數(shù)據(jù)太簡單可以降 lr0 讓收斂更細如果 100 輪結(jié)束還在緩慢上升說明輪次不夠或?qū)W習率衰減太慢可以加 epoch 或調(diào)小 lrf。再對照 20 個類的 per-class map把低于平均的類挑出來。這些類要么補數(shù)據(jù)要么在數(shù)據(jù)增強上針對性加強比如小目標多的類可以開 mosaic 和 copy-paste。超參方面YOLOV5 的 hyp 文件里有幾個常調(diào)的box、cls、obj 三個 loss 權(quán)重默認 0.05/0.5/1.0類別不平衡時可以適當提 clsanchor 如果和你的目標尺寸差太多可以用 k-means 在自己的數(shù)據(jù)上重聚一遍。驗證方法很簡單固定驗證集每次只改一個參數(shù)跑 20~30 epoch 看 map 變化別一次改一堆否則出了問題根本不知道是哪個參數(shù)導(dǎo)致的。這套流程我踩過坑——有次同時改了學習率和增強結(jié)果精度掉了卻定位不到原因白白多跑了兩天。從那以后我每次調(diào)參都強制走一遍「單變量 固定驗證集」的流程寧可慢一點也要可復(fù)現(xiàn)。希望這份拆解幫到你拿到資源后先跑推理確認環(huán)境通再動訓練參數(shù)。本文還有配套的精品資源點擊獲取