簡(jiǎn)介一套基于Python與YOLOv5實(shí)現(xiàn)的骨齡檢測(cè)完整項(xiàng)目面向需要完成畢業(yè)設(shè)計(jì)、課程設(shè)計(jì)或相關(guān)課題開(kāi)發(fā)的計(jì)算機(jī)視覺(jué)學(xué)習(xí)者。資源覆蓋從模型訓(xùn)練、數(shù)據(jù)預(yù)處理到推理部署的完整鏈路內(nèi)含可運(yùn)行源碼、項(xiàng)目說(shuō)明文檔、數(shù)據(jù)模型、數(shù)據(jù)集與預(yù)訓(xùn)練權(quán)重源碼已經(jīng)過(guò)嚴(yán)格測(cè)試可在此基礎(chǔ)上拓展定制降低二次開(kāi)發(fā)門(mén)檻。壓縮包共25個(gè)文件以20個(gè)Python腳本為主體涵蓋模型定義、訓(xùn)練工具、通用模塊等核心邏輯另配套Markdown說(shuō)明文檔、環(huán)境依賴(lài)清單及YAML/TOML配置文件整體約95KB輕量且結(jié)構(gòu)緊湊。目錄按模型、工具、配置等分層組織便于快速定位所需代碼整體麻雀雖小、五臟俱全非常適合作為課題起步模板。目前已有107人學(xué)習(xí)參考適合作為骨齡檢測(cè)方向的選題范本、功能擴(kuò)展基底或答辯演示基礎(chǔ)。1. 骨齡檢測(cè)為什么選擇YOLOv5這個(gè)項(xiàng)目到底在檢測(cè)什么骨齡檢測(cè)是兒科和放射科最常規(guī)的檢查之一拍一張左手X光片醫(yī)生數(shù)腕骨、掌骨、指骨的骨化區(qū)成熟等級(jí)再對(duì)照標(biāo)準(zhǔn)圖譜換算成骨齡。這個(gè)流程依賴(lài)醫(yī)生的經(jīng)驗(yàn)和耐心而基于pythonyolov5實(shí)現(xiàn)的骨齡檢測(cè)本質(zhì)就是把“數(shù)骨化區(qū)”這一步交給目標(biāo)檢測(cè)模型先用YOLOv5定位并分類(lèi)多個(gè)骨化關(guān)鍵區(qū)再按標(biāo)準(zhǔn)計(jì)分規(guī)則或輕量回歸頭得到骨齡值。相比端到端的CNN回歸這種“檢測(cè)-評(píng)分”兩段式做法精度可控、過(guò)程可解釋也方便在畢業(yè)設(shè)計(jì)和課程設(shè)計(jì)里把每個(gè)環(huán)節(jié)單獨(dú)展示。如果你手頭有源碼但不知道怎么改數(shù)據(jù)、調(diào)參數(shù)或者想自己從數(shù)據(jù)集開(kāi)始復(fù)現(xiàn)這篇就是照著做的完整路徑。2. 骨齡檢測(cè)數(shù)據(jù)集的準(zhǔn)備左手X光片、關(guān)鍵骨化區(qū)標(biāo)注與轉(zhuǎn)換腳本2.1 骨齡檢測(cè)要“看”什么TW3計(jì)分區(qū)與YOLO檢測(cè)目標(biāo)的映射骨齡檢測(cè)不是把整只左手當(dāng)作一個(gè)目標(biāo)來(lái)分類(lèi)而是要在左手X光片里找到若干骨化關(guān)鍵區(qū)再根據(jù)這些區(qū)域的成熟度給出骨齡。臨床常用的TW3法把左手腕分成橈骨遠(yuǎn)端、尺骨遠(yuǎn)端、腕骨、掌骨近端、指骨近端等計(jì)分區(qū)每個(gè)區(qū)按成熟度分成若干等級(jí)。用YOLOv5做這個(gè)任務(wù)就是把計(jì)分區(qū)當(dāng)作檢測(cè)框的類(lèi)別來(lái)訓(xùn)練。目標(biāo)數(shù)量不多常見(jiàn)7~13個(gè)但框的大小差異很大橈骨尺骨的框細(xì)長(zhǎng)腕骨的框小而密集。這個(gè)特點(diǎn)直接影響anchors的配置后面會(huì)專(zhuān)門(mén)說(shuō)。TW3法的核心假設(shè)是手腕部各骨化區(qū)的出現(xiàn)順序和形態(tài)變化有較強(qiáng)的時(shí)間規(guī)律橈骨和尺骨的骨化形態(tài)在青春期變化最快腕骨在低齡段更有判別力。所以不同骨化區(qū)在不同年齡段的權(quán)重并不一樣這也是為什么后處理里按區(qū)域加權(quán)平均往往比簡(jiǎn)單平均更貼近臨床判斷。公開(kāi)數(shù)據(jù)方面RSNA 2017骨齡檢測(cè)挑戰(zhàn)賽數(shù)據(jù)集是從NIH臨床影像庫(kù)脫敏來(lái)的包含上萬(wàn)張左手X光片和對(duì)應(yīng)的骨齡標(biāo)簽是AI骨齡方向最常被引用的數(shù)據(jù)來(lái)源之一。但要提醒一點(diǎn)這份數(shù)據(jù)自帶的是整圖骨齡標(biāo)簽并不直接給骨化區(qū)的檢測(cè)框。要做“檢測(cè)-評(píng)分”兩段式要么自己標(biāo)關(guān)鍵區(qū)要么先找?guī)OI標(biāo)注的腕骨數(shù)據(jù)集跑通流程再回頭處理RSNA。課程設(shè)計(jì)想快建議先用已標(biāo)注數(shù)據(jù)的子集做原型別一上來(lái)就標(biāo)上萬(wàn)張。2.2 把COCO或VOC標(biāo)注轉(zhuǎn)成YOLOv5格式轉(zhuǎn)換腳本與目錄結(jié)構(gòu)YOLOv5的標(biāo)簽格式是“類(lèi)別ID加四個(gè)歸一化坐標(biāo)”一行一個(gè)目標(biāo)完整寫(xiě)法是 class x_center y_center w h。你在網(wǎng)上下到的源碼包里最常碰見(jiàn)的就是COCO格式的JSON標(biāo)注。轉(zhuǎn)換腳本可以從零寫(xiě)邏輯并不復(fù)雜# coco2yolo.py —— 把COCO標(biāo)注轉(zhuǎn)成YOLOv5訓(xùn)練用的txt標(biāo)簽 import json import os def coco_to_yolo(coco_json, out_dir, default_img_size1024): with open(coco_json, r, encodingutf-8) as f: coco json.load(f) os.makedirs(out_dir, exist_okTrue) # COCO的category_id是稀疏的必須重映射成0..N-1 cat_map {c[id]: idx for idx, c in enumerate(coco[categories])} img_map {img[id]: img for img in coco[images]} ann_map {} for ann in coco[annotations]: ann_map.setdefault(ann[image_id], []).append(ann) for img_id, anns in ann_map.items(): img img_map[img_id] w img.get(width, default_img_size) h img.get(height, default_img_size) txt_name os.path.splitext(img[file_name])[0] .txt lines [] for ann in anns: x, y, bw, bh ann[bbox] # COCO bbox 左上角x, 左上角y, 框?qū)? 框高 cx (x bw / 2) / w # 轉(zhuǎn)成中心點(diǎn)坐標(biāo)并歸一化 cy (y bh / 2) / h nw bw / w nh bh / h lines.append(f{cat_map[ann[category_id]]} {cx:.6f} {cy:.6f} {nw:.6f} {nh:.6f}) with open(os.path.join(out_dir, txt_name), w) as out: out.write(\n.join(lines)) if __name__ __main__: coco_to_yolo(data/annotations/train.json, data/labels/train)這段轉(zhuǎn)換邏輯有兩個(gè)關(guān)鍵點(diǎn)第一COCO的bbox是“左上角坐標(biāo)寬高”YOLOv5的格式是“中心點(diǎn)坐標(biāo)寬高”不換算直接復(fù)制坐標(biāo)是新手最容易翻車(chē)的地方第二類(lèi)別ID必須重映射成從0開(kāi)始的連續(xù)整數(shù)否則categories和names對(duì)不上訓(xùn)練的loss會(huì)異常玄學(xué)模型學(xué)完也分不清類(lèi)別。default_img_size只在COCO的JSON里沒(méi)寫(xiě)寬高時(shí)兜底實(shí)際數(shù)據(jù)最好用真實(shí)寬高否則框歸一化后整體錯(cuò)位。轉(zhuǎn)完后統(tǒng)一按YOLOv5約定放目錄訓(xùn)練時(shí)直接寫(xiě)bone.yaml指向即可datasets/bone/ ├── images/ │ ├── train/ # 訓(xùn)練圖片 │ └── val/ # 驗(yàn)證圖片 ├── labels/ │ ├── train/ # 和圖片同名同前綴的txt標(biāo)簽 │ └── val/ └── bone.yaml # 數(shù)據(jù)配置文件圖片和txt文件的文件名必須完全一致包括大小寫(xiě)和后綴YOLOv5按文件名做匹配對(duì)不上就自動(dòng)當(dāng)成“沒(méi)有標(biāo)簽的負(fù)樣本”。訓(xùn)練驗(yàn)證集劃分建議8:2數(shù)據(jù)少于500張時(shí)驗(yàn)證集可以降到5%但至少要留出驗(yàn)證集不然沒(méi)法判斷過(guò)擬合。如果你下載的源碼包里自帶轉(zhuǎn)換工具也建議用上面腳本核對(duì)一遍因?yàn)榫W(wǎng)上不少打包的轉(zhuǎn)換器寫(xiě)死了類(lèi)別映射換數(shù)據(jù)集就錯(cuò)。轉(zhuǎn)完之后不要急著訓(xùn)練先跑一個(gè)可視化GT的腳本把標(biāo)注框畫(huà)在原圖上抽查20張。這一步能看出兩個(gè)最常見(jiàn)問(wèn)題框是不是整體偏移了半個(gè)骨頭寬度類(lèi)別ID是不是和names對(duì)調(diào)了。可視化不復(fù)雜用OpenCV讀圖、再按txt內(nèi)容畫(huà)矩形半小時(shí)能寫(xiě)完但它能避免你后面兩三天都在跟一個(gè)錯(cuò)位標(biāo)注較勁。網(wǎng)上很多“源碼數(shù)據(jù)集”的包數(shù)據(jù)混亂的比例不低先畫(huà)框檢驗(yàn)再進(jìn)訓(xùn)練是我每次拿到新數(shù)據(jù)集的第一件事。2.3 數(shù)據(jù)增強(qiáng)與切片小樣本醫(yī)學(xué)數(shù)據(jù)的兩個(gè)補(bǔ)救辦法醫(yī)學(xué)影像數(shù)據(jù)集普遍不大左手X光片更是典型的“少量數(shù)據(jù)、高標(biāo)注成本”。YOLOv5內(nèi)置的mosaic增強(qiáng)在訓(xùn)練時(shí)把四張圖拼成一張對(duì)小目標(biāo)檢測(cè)的提升明顯。但它在骨齡場(chǎng)景里有副作用四張X光片拼接時(shí)手骨的指端和腕骨會(huì)被隨機(jī)裁剪或拉伸骨化區(qū)的形態(tài)發(fā)生變化模型學(xué)到的框分布會(huì)偏移。我一般會(huì)把mosaic的概率從默認(rèn)1.0降到0.6左右這個(gè)在data/hyps/hyp.scratch-low.yaml里改mosaic: 0.6就行。切片是另一個(gè)常用手段把高分辨率X光片按滑動(dòng)窗口裁成若干子圖用子圖做檢測(cè)這樣能用更小的輸入分辨率保留局部細(xì)節(jié)。切片要配套坐標(biāo)還原邏輯否則同一骨化區(qū)會(huì)在原圖坐標(biāo)上被重復(fù)計(jì)數(shù)這一點(diǎn)在第5章有專(zhuān)門(mén)的坑。另外一個(gè)必須強(qiáng)調(diào)的是病歷隱私即使項(xiàng)目只是課程設(shè)計(jì)也不要把帶著患者姓名、檢查號(hào)的DICOM原片直接丟進(jìn)數(shù)據(jù)集。RSNA這類(lèi)公開(kāi)集已經(jīng)做了脫敏自建數(shù)據(jù)務(wù)必先清理頭信息再做標(biāo)注。注意醫(yī)學(xué)影像數(shù)據(jù)涉及患者隱私RSNA數(shù)據(jù)集已經(jīng)做過(guò)脫敏但如果你自己從醫(yī)院拿片子務(wù)必先去掉患者姓名、檢查號(hào)等DICOM頭信息再做任何標(biāo)注和訓(xùn)練。3. 用YOLOv5訓(xùn)練自己的骨齡數(shù)據(jù)集模型選型、超參數(shù)設(shè)置與預(yù)訓(xùn)練權(quán)重選擇3.1 yolov5s還是yolov5m先看顯存預(yù)算和小目標(biāo)密度用YOLOv5訓(xùn)練骨齡模型選哪個(gè)型號(hào)其實(shí)不是精度問(wèn)題而是設(shè)備和目標(biāo)問(wèn)題。yolov5n和yolov5s適合8G顯存的筆記本一個(gè)epoch幾分鐘適合畢設(shè)和課程設(shè)計(jì)反復(fù)試參yolov5m需要16G顯存才跑得比較從容mAP比s高2~3個(gè)點(diǎn)但骨化區(qū)這種特征不算難的目標(biāo)s通常已經(jīng)能到90以上的mAP50。硬上大模型的代價(jià)是顯存壓力和推理延遲。而且骨齡檢測(cè)對(duì)最終價(jià)值來(lái)說(shuō)更重要的是骨齡誤差不是檢測(cè)框卡得有多準(zhǔn)。如果你是本科畢設(shè)yolov5s是穩(wěn)妥起步。如果最終要部署到rk3568這類(lèi)邊緣盒子s模型配合INT8量化是更現(xiàn)實(shí)的選擇。骨齡檢測(cè)并不需要追求檢測(cè)框的像素級(jí)精度它需要的是“關(guān)鍵區(qū)找得全、類(lèi)別分得清、坐標(biāo)穩(wěn)定”這幾點(diǎn)s模型都?jí)蛴?。另外YOLOv5在訓(xùn)練時(shí)會(huì)根據(jù)標(biāo)簽框自動(dòng)k-means聚類(lèi)anchors骨齡數(shù)據(jù)的框形狀跨度大橈骨尺骨的長(zhǎng)寬比能到1:4腕骨接近1:1所以聚類(lèi)出來(lái)的小尺度anchor通常不夠密?？梢韵扰芤粋€(gè)epoch看日志里打印的anchors結(jié)果如果最小尺寸的anchor明顯偏大就在模型yaml里手工改小。3.2 訓(xùn)練命令與超參數(shù)落地imgsz、batch、epochs、hyp訓(xùn)練命令是這套項(xiàng)目里改動(dòng)最頻繁的入口。下面這條命令基于YOLOv5官方倉(cāng)庫(kù)骨齡數(shù)據(jù)按bone.yaml配置python train.py --data bone.yaml \ --weights yolov5s.pt \ --img 640 \ --batch 16 \ --epochs 150 \ --hyp data/hyps/hyp.scratch-low.yaml \ --patience 30 \ --seed 42 \ --device 0參數(shù)的選擇邏輯按實(shí)際踩坑經(jīng)驗(yàn)排個(gè)序--img 640是最安全的輸入分辨率。骨化區(qū)在標(biāo)準(zhǔn)X光片里占的區(qū)域不大640已經(jīng)把腕骨的細(xì)節(jié)保留得足夠再往上提分辨率收益有限顯存和速度卻要付出明顯代價(jià)。如果你的顯存只有6G降到512也能跑mAP會(huì)掉1個(gè)點(diǎn)左右但訓(xùn)練速度更快。--batch以顯存為準(zhǔn)。8G卡用1624G卡可以到32或48但一般不建議超過(guò)64。骨齡數(shù)據(jù)量不大batch過(guò)大反而容易在驗(yàn)證集上更快過(guò)擬合。--epochs配--patience 30是最實(shí)用的組合設(shè)150的上限讓早停機(jī)制在連續(xù)30個(gè)epoch沒(méi)有改善時(shí)自動(dòng)停保存最佳權(quán)重。這樣即使你不在電腦前守著訓(xùn)練也不會(huì)一直無(wú)效跑下去。--hyp選hyp.scratch-low.yaml增強(qiáng)幅度比較溫和。骨齡檢測(cè)的圖像構(gòu)圖是固定的左手永遠(yuǎn)是主體、背景統(tǒng)一、方向統(tǒng)一這和COCO那種復(fù)雜場(chǎng)景完全不同過(guò)強(qiáng)的增強(qiáng)反而會(huì)把解剖結(jié)構(gòu)破壞掉。--seed 42是為了讓兩次訓(xùn)練可復(fù)現(xiàn)寫(xiě)論文畫(huà)對(duì)比曲線(xiàn)時(shí)很有用。訓(xùn)練過(guò)程中有兩處一定要盯的指標(biāo)訓(xùn)練集loss曲線(xiàn)是否穩(wěn)定下降以及驗(yàn)證集的mAP50和mAP50-95的差距。如果mAP50高但mAP50-95掉說(shuō)明框定位不夠準(zhǔn)回頭檢查anchors和標(biāo)注質(zhì)量如果驗(yàn)證loss先降后漲說(shuō)明過(guò)擬合把epochs調(diào)低或用早停。3.3 預(yù)訓(xùn)練權(quán)重怎么選COCO權(quán)重做遷移的邊界條件yolov5s.pt用的是COCO預(yù)訓(xùn)練權(quán)重。很多新手覺(jué)得“X光片和COCO場(chǎng)景八竿子打不著”但其實(shí)backbone學(xué)到的是邊緣、紋理、亮度對(duì)比這些通用表征它們能直接遷移到灰度的X光片。一個(gè)經(jīng)常被忽略的細(xì)節(jié)是X光片本身是單通道灰度圖而YOLOv5的輸入是三通道把灰度圖復(fù)制成三通道再送入網(wǎng)絡(luò)是一種默認(rèn)且有效的做法它保留了預(yù)訓(xùn)練權(quán)重的通道統(tǒng)計(jì)分布比拿一張真正的單通道圖去喂網(wǎng)絡(luò)效果好。但不要把目標(biāo)檢測(cè)里“凍結(jié)backbone前幾層微調(diào)”的做法照搬到骨齡任務(wù)。自然圖像和X光片的域差距太大凍結(jié)淺層會(huì)把模型鎖死在自然圖像的響應(yīng)模式上導(dǎo)致訓(xùn)練后期loss卡住不動(dòng)。我通常完全不解凍用0.001的初始學(xué)習(xí)率從頭微調(diào)配合余弦退火效果更平穩(wěn)。如果擔(dān)心過(guò)擬合更有效的辦法是降低數(shù)據(jù)增強(qiáng)強(qiáng)度而不是凍結(jié)網(wǎng)絡(luò)層。注意下載yolov5s.pt時(shí)優(yōu)先從官方release列表拿避免第三方打包的權(quán)重文件和代碼版本不匹配。訓(xùn)練日志里如果出現(xiàn)“weight shape不匹配”的報(bào)錯(cuò)九成是權(quán)重文件被替換過(guò)。4. 從檢測(cè)框到骨齡值回歸頭設(shè)計(jì)、分類(lèi)輸出與后處理4.1 方案一檢測(cè)框特征接回歸頭YOLOv5檢測(cè)完之后你手里有每個(gè)骨化區(qū)的類(lèi)別、坐標(biāo)、置信度但這些信息本身不足以推算出骨齡。要得到骨齡得把檢測(cè)模型提取的特征接一個(gè)回歸頭。這里的核心難點(diǎn)是每張圖檢測(cè)到的目標(biāo)框數(shù)量不一樣特征張量的長(zhǎng)度不固定不能直接拼起來(lái)喂全連接層。我一般用全局平均池化解決# bone_age_regressor.py import torch import torch.nn as nn class BoneAgeHead(nn.Module): 輸入: 檢測(cè)到的N個(gè)框的特征, shape [B, N, C] 輸出: 每個(gè)樣本的骨齡, shape [B, 1] def __init__(self, feat_dim256, hidden_dim64): super().__init__() # 先對(duì)每個(gè)框做特征壓縮把每個(gè)框的語(yǔ)義信息壓到64維 self.fc_boxes nn.Sequential( nn.Linear(feat_dim, hidden_dim), nn.ReLU(inplaceTrue), ) # 再把所有框的特征做全局平均池化回歸一個(gè)標(biāo)量 self.regressor nn.Sequential( nn.Linear(hidden_dim, hidden_dim), nn.ReLU(inplaceTrue), nn.Linear(hidden_dim, 1), ) def forward(self, box_features): # box_features: [B, N, C]N是每張圖的目標(biāo)框數(shù)量會(huì)變化 box_embed self.fc_boxes(box_features) # [B, N, 64] pooled box_embed.mean(dim1) # [B, 64] return self.regressor(pooled) # [B, 1]mean(dim1)把N個(gè)框的特征做平均得到的向量包含了“各個(gè)骨化區(qū)綜合成熟度”的信息這和TW3評(píng)分里綜合計(jì)分的直覺(jué)一致。如果你知道某些骨化區(qū)對(duì)特定年齡段更關(guān)鍵也可以在mean之前按類(lèi)別加權(quán)而不是簡(jiǎn)單的平均。訓(xùn)練這個(gè)回歸頭時(shí)先凍結(jié)YOLOv5的backbone只訓(xùn)練這里的參數(shù)學(xué)習(xí)率調(diào)到1e-4量級(jí)用L1或L2損失回歸骨齡。另一個(gè)常見(jiàn)的接入方式是把檢測(cè)框在特征圖上對(duì)應(yīng)的區(qū)域摳出來(lái)也就是ROI Align然后逐框預(yù)測(cè)成熟度等級(jí)再匯總。這個(gè)方案更精細(xì)但實(shí)現(xiàn)復(fù)雜度高畢設(shè)時(shí)間緊的話(huà)全局平均池化的版本足夠用了。4.2 方案二把骨齡“按月離散化”做成分類(lèi)問(wèn)題如果把骨齡按月離散化比如0~18歲對(duì)應(yīng)216個(gè)類(lèi)別骨齡檢測(cè)就變成一個(gè)分類(lèi)任務(wù)。RSNA挑戰(zhàn)賽里高名次的方案大多走這條路線(xiàn)。分類(lèi)輸出的優(yōu)勢(shì)是抗噪相鄰月份的混淆會(huì)被模型當(dāng)作“接近但沒(méi)完全分對(duì)”不會(huì)像回歸頭那樣直接產(chǎn)生一個(gè)偏移很大的數(shù)值。最終讀數(shù)是把softmax概率按月份坐標(biāo)做加權(quán)平均得到的小數(shù)年齡連續(xù)性很好。# 從分類(lèi)概率換算骨齡年 import numpy as np def prob_to_bone_age(probs, min_months0, num_classes216, step1.0): # probs: 長(zhǎng)度num_classes的softmax概率 months np.arange(num_classes) * step min_months age_months np.sum(probs * months) # 概率期望值單位月 return age_months / 12.0 # 轉(zhuǎn)成歲 # 示例訓(xùn)練時(shí)標(biāo)簽是“骨齡月數(shù)”編碼成one-hot推理時(shí)用這個(gè)函數(shù)換回年num_classes決定了標(biāo)簽粒度按月是216類(lèi)按兩個(gè)月是108類(lèi)按半歲是37類(lèi)。粒度越細(xì)對(duì)數(shù)據(jù)量要求越高如果你的標(biāo)注精度本身只有半歲硬上216類(lèi)只會(huì)增加混淆。推算的加權(quán)求和環(huán)節(jié)不能用argmax否則輸出只會(huì)是整數(shù)值和醫(yī)生習(xí)慣的“歲月”表達(dá)不一致。訓(xùn)練時(shí)分類(lèi)頭用CrossEntropyLoss注意類(lèi)別標(biāo)簽和這里的月份索引要對(duì)齊常見(jiàn)錯(cuò)誤是訓(xùn)練用0~215的類(lèi)標(biāo)推理時(shí)卻按1~216個(gè)月來(lái)解算偏差出整整一個(gè)月。4.3 后處理給模型輸出做平滑和區(qū)間化模型直接輸出的骨齡通常抖得厲害同一張圖稍微改一下輸入分辨率結(jié)果可能差出3個(gè)月。臨床和答辯都不能接受這種不穩(wěn)定。兩個(gè)實(shí)用的后處理辦法一是輸出區(qū)間估計(jì)把結(jié)果寫(xiě)成“骨齡X歲±3個(gè)月”這比單一數(shù)值更誠(chéng)實(shí)地反映模型不確定性也對(duì)應(yīng)醫(yī)生讀片時(shí)對(duì)邊界模糊區(qū)的處理習(xí)慣二是對(duì)連續(xù)輸入做平滑比如在同一批多次推理后取中位數(shù)。如果做的是視頻或連續(xù)幀的體態(tài)檢測(cè)可以加一個(gè)EMA滑動(dòng)平均。論文里展示后處理效果時(shí)繪制一張誤差分布直方圖比貼表格更有說(shuō)服力橫軸是“模型骨齡-醫(yī)生骨齡”縱軸是樣本數(shù)量圖上能看到大部分樣本落在±6個(gè)月內(nèi)。這也是我最后寫(xiě)項(xiàng)目文檔時(shí)一定會(huì)放進(jìn)的一張圖。5. 骨齡檢測(cè)避坑指南5個(gè)真實(shí)踩坑記錄與排查思路5.1 坑一檢測(cè)mAP很高骨齡誤差卻大得離譜現(xiàn)象YOLOv5驗(yàn)證集mAP50能到0.92但把檢測(cè)框信息送進(jìn)回歸頭后骨齡預(yù)測(cè)和標(biāo)注差了2歲以上。原因兩段式方案最典型的翻車(chē)點(diǎn)。檢測(cè)網(wǎng)絡(luò)學(xué)的是“骨化區(qū)在哪”回歸頭卻只拿到坐標(biāo)和尺寸這些低層信息根本無(wú)法推斷“骨化區(qū)有多熟”。等于把兩個(gè)任務(wù)的前后依賴(lài)切斷評(píng)價(jià)指標(biāo)自然對(duì)不上。解決讓回歸頭看到特征圖而不是框坐標(biāo)。兩種做法一是把yolov5 backbone輸出特征接入回歸頭二是把檢測(cè)框裁出來(lái)再單獨(dú)訓(xùn)練一個(gè)骨齡分類(lèi)網(wǎng)絡(luò)。后一種穩(wěn)定但要多訓(xùn)一個(gè)模型前一種流程更順但要注意特征圖的感受野對(duì)應(yīng)關(guān)系最好在backbone輸出后接一個(gè)1x1卷積降維再接全局池化。5.2 坑二同一骨化區(qū)被切成多塊后重復(fù)計(jì)數(shù)現(xiàn)象高分辨率X光片做滑動(dòng)窗口切片提速但同一塊腕骨在相鄰兩個(gè)切片里各出現(xiàn)一次匯總時(shí)被算兩次骨齡整體偏高。原因滑動(dòng)窗口有重疊區(qū)域后處理只按類(lèi)別計(jì)數(shù)沒(méi)做跨切片的去重。解決匯總時(shí)把每個(gè)檢測(cè)框的類(lèi)別和置信度保留并把框中心點(diǎn)映射回原圖坐標(biāo)然后做一次全局NMSIOU閾值取0.5。這個(gè)去重步驟直接決定骨齡偏不偏別省。邊界上的框還要額外處理中心點(diǎn)落在重疊區(qū)的目標(biāo)只保留置信度最高的那一個(gè)。5.3 坑三訓(xùn)練時(shí)顯存爆掉模型卻沒(méi)必要那么大現(xiàn)象yolov5m跑batch 32在12G顯卡上直接OOM有時(shí)候不報(bào)錯(cuò)就是訓(xùn)練中途卡死。原因X光片雖然resize到640但數(shù)據(jù)加載和增強(qiáng)時(shí)占用的中間內(nèi)存比自然圖像更高mosaic增強(qiáng)一次性拼4張圖峰值顯存被放大。解決換yolov5sbatch降到16開(kāi)--amp混合精度顯存占用能降到原來(lái)的三分之一。如果還爆檢查是不是開(kāi)了--cache把整個(gè)數(shù)據(jù)集預(yù)先加載進(jìn)內(nèi)存這是顯存以外的隱藏開(kāi)銷(xiāo)?；旌暇扔?xùn)練在骨齡這種小數(shù)據(jù)集上不會(huì)有明顯的精度損失放心開(kāi)。5.4 坑四標(biāo)注框與骨化區(qū)邊界對(duì)不上anchors聚類(lèi)結(jié)果很怪現(xiàn)象訓(xùn)練完可視化預(yù)測(cè)框發(fā)現(xiàn)框普遍比骨化區(qū)大一圈貼在骨頭邊緣外側(cè)。原因標(biāo)注人員畫(huà)框標(biāo)準(zhǔn)不一致有的把整個(gè)腕骨群框起來(lái)有的只框單個(gè)骨化區(qū)導(dǎo)致標(biāo)簽框整體偏大。解決訓(xùn)練前先對(duì)驗(yàn)證集逐張畫(huà)GT框檢查把明顯過(guò)大的框按中心點(diǎn)裁剪到合理尺寸。再把hyp里的anchor_t從默認(rèn)4改成3提高正樣本篩選的閾值讓模型更關(guān)注框內(nèi)的真實(shí)目標(biāo)區(qū)域。注意裁剪后要重新生成標(biāo)簽txt別改完圖像尺寸忘了改標(biāo)注坐標(biāo)。5.5 坑五推理速度太慢單張片子要1秒以上現(xiàn)象yolov5m640輸入在GPU上單張約200毫秒換CPU直接到2秒現(xiàn)場(chǎng)demo根本沒(méi)法流暢展示。原因模型深度大、后處理NMS計(jì)算量大加上IOU閾值設(shè)置過(guò)低時(shí)候選框數(shù)量多拖慢推理。解決換yolov5s單張能壓到100毫秒以?xún)?nèi)要更快就導(dǎo)出ONNX用半精度跑或直接上rk3568這類(lèi)盒子做INT8量化單張幾十毫秒足夠。需要權(quán)衡的是量化后的精度損失必須用驗(yàn)證集重新測(cè)一次骨齡MAE而不是只看mAP。6. 把骨齡檢測(cè)項(xiàng)目做成能講清楚的demo驗(yàn)證方法、后處理展示與部署路徑骨齡檢測(cè)項(xiàng)目做到能跑只是第一步畢業(yè)設(shè)計(jì)和課程設(shè)計(jì)的區(qū)別在于能不能把“為什么這樣做”講清楚。我有一個(gè)很實(shí)用的建議用Streamlit寫(xiě)一個(gè)極簡(jiǎn)前端上傳一張左手X光片左邊顯示YOLOv5畫(huà)出的檢測(cè)框和置信度右邊顯示每個(gè)關(guān)鍵區(qū)的類(lèi)別、檢測(cè)數(shù)量、以及最終骨齡和誤差區(qū)間。這個(gè)demo在答辯現(xiàn)場(chǎng)的說(shuō)服力比十頁(yè)P(yáng)PT都強(qiáng)因?yàn)樵u(píng)審能看到中間過(guò)程。驗(yàn)證階段我建議在測(cè)試集上按年齡組分層統(tǒng)計(jì)0~6歲、7~12歲、13~18歲各挑5~10張計(jì)算每組的平均絕對(duì)誤差。骨齡在不同年齡段的表現(xiàn)差異很大低齡組腕骨特征分化明顯高齡組骨干閉合程度才是關(guān)鍵合成一個(gè)總MAE會(huì)把分布差異掩蓋掉。匯報(bào)時(shí)給出整組MAE加分組MAE再加一張誤差分布直方圖基本就是一篇完整的方法學(xué)實(shí)驗(yàn)。部署層面如果你的場(chǎng)景是離線(xiàn)批量閱片ONNXOpenVINO在CPU上足夠如果是邊緣設(shè)備yolov5s導(dǎo)出ONNX后在rk3568上做INT8量化單張幾十毫秒是可用的水平。我吃過(guò)一次虧當(dāng)時(shí)為了量化省事直接對(duì)完整模型做INT8結(jié)果骨齡MAE從0.4歲漲到0.9歲后來(lái)改成只量化backbone、保留回歸頭浮點(diǎn)才把誤差壓下來(lái)。這也是為什么驗(yàn)證永遠(yuǎn)不能只看模型推理速度要回到骨齡本身的誤差上。這些年的經(jīng)驗(yàn)里我漸漸養(yǎng)成一個(gè)習(xí)慣拿到任何骨齡檢測(cè)項(xiàng)目先看數(shù)據(jù)標(biāo)注質(zhì)量和后處理邏輯再碰模型結(jié)構(gòu)。YOLOv5的訓(xùn)練參數(shù)是固定的套路真正決定項(xiàng)目成敗的是“檢測(cè)結(jié)果能不能轉(zhuǎn)換成可信的骨齡數(shù)值”這條鏈路。希望這篇踩坑記錄能幫你少走一段彎路把時(shí)間花在真正影響結(jié)果的地方。本文還有配套的精品資源點(diǎn)擊獲取