做目標(biāo)檢測的人應(yīng)該都有過類似的體驗(yàn)跑通官方示例容易真正想訓(xùn)練自己的場景數(shù)據(jù)時(shí)第一個(gè)攔路虎往往是“沒有合適的數(shù)據(jù)集”。尤其是無人機(jī)視角下的車輛檢測很多朋友習(xí)慣直接拿地面相機(jī)的公開車輛數(shù)據(jù)集來訓(xùn)練結(jié)果一到航拍畫面上漏檢、誤檢、置信度飄忽不定問題層出不窮。這期整理的就是專門針對(duì)無人機(jī)拍攝場景的車輛檢測數(shù)據(jù)集采用YOLO標(biāo)注格式圖片和標(biāo)簽文件都處理得規(guī)規(guī)矩矩拿到手就能直接開練。我會(huì)把這份數(shù)據(jù)集的細(xì)節(jié)、使用方式以及訓(xùn)練中容易踩的坑一并講清楚希望能幫正在做智慧交通、安防巡檢、車輛統(tǒng)計(jì)這類項(xiàng)目的朋友省下整理數(shù)據(jù)的時(shí)間。1. 為什么無人機(jī)視角的車輛檢測數(shù)據(jù)集這么難找很多初學(xué)者會(huì)問車輛檢測的數(shù)據(jù)集不是很多嗎怎么還要專門整理無人機(jī)視角的這里面的差別非常大。地面視角的車輛檢測數(shù)據(jù)車輛在畫面里往往占據(jù)幾十甚至上百像素輪廓清晰能看到車頭、車尾、車門這些“側(cè)面特征”而無人機(jī)拍攝的畫面是從上往下看的俯視圖車輛在畫面里就是一堆“車頂”目標(biāo)小、密度高、互相遮擋也很常見。如果直接把地面數(shù)據(jù)訓(xùn)練的模型搬到航拍圖上模型學(xué)到的是側(cè)面視覺線索遇到俯視場景自然就不認(rèn)識(shí)了。1.1 一張航拍圖和一張地面照片的差別到底在哪先說尺度。以常見的1080p航拍畫面為例一輛普通轎車在畫面里通常只有40到80像素的寬度有些偏遠(yuǎn)區(qū)域的車甚至只有20個(gè)像素左右。地面數(shù)據(jù)里常見的車輛目標(biāo)動(dòng)輒200像素以上這兩種尺度下模型提取的特征完全不同。小目標(biāo)在卷積神經(jīng)網(wǎng)絡(luò)的高層特征圖中會(huì)被壓縮到幾乎沒有信息這也是很多地面模型在航拍圖上表現(xiàn)差的核心原因之一。再看觀察角度。地面拍攝時(shí)車身的側(cè)面、輪胎、車窗反射這些特征是判據(jù)無人機(jī)俯拍時(shí)看到的主要是車頂輪廓、天窗、車頂顏色和周圍陰影。數(shù)據(jù)分布差異這么大模型沒有見過這樣的特征組合強(qiáng)行遷移結(jié)果自然不理想。還有一個(gè)經(jīng)常被忽視的因素光照和陰影。無人機(jī)一般在白天作業(yè)陽光直射下車輛會(huì)形成明顯的投影陰影和車身邊界混在一起非常干擾檢測。地面數(shù)據(jù)集里陰影問題相對(duì)輕因?yàn)榕臄z角度讓陰影大多落在車體側(cè)后方不會(huì)把車的輪廓吞掉。俯拍時(shí)陰影可能把相鄰車輛連成一片這對(duì)標(biāo)注和檢測都是額外的挑戰(zhàn)。1.2 航拍數(shù)據(jù)的標(biāo)注難點(diǎn)與數(shù)據(jù)集價(jià)值無人機(jī)畫面里車輛又小又多標(biāo)注一枚框往往需要把圖片放大好幾倍才能看清楚邊界。原始畫幅里有上百輛車的情況下標(biāo)注員得一個(gè)個(gè)放大、確認(rèn)、拉框工作量比地面數(shù)據(jù)大得多。這也是市面上免費(fèi)航拍數(shù)據(jù)集稀少的主要原因——不是沒人拍而是沒人愿意花時(shí)間精標(biāo)。這期分享的數(shù)據(jù)集就是在這個(gè)背景下整理的目標(biāo)是做一個(gè)“拿到就能用”的基礎(chǔ)版本。它適合三類人一是想驗(yàn)證自己在航拍場景下算法效果的研究者二是做交通流量統(tǒng)計(jì)、停車場監(jiān)測等項(xiàng)目的開發(fā)者三是還在學(xué)習(xí)目標(biāo)檢測流程、想找一份真實(shí)場景數(shù)據(jù)練手的新手。用這份數(shù)據(jù)先把整體流程跑通再根據(jù)自己業(yè)務(wù)補(bǔ)場景數(shù)據(jù)會(huì)比自己從零采集、標(biāo)注高效得多。2. 數(shù)據(jù)集全景與YOLO標(biāo)注格式解析這份數(shù)據(jù)集我事先整理成了標(biāo)準(zhǔn)的目標(biāo)檢測工程結(jié)構(gòu)圖片集和標(biāo)簽集分開存放同時(shí)附上了一份配置文件。先別急著打開訓(xùn)練腳本花幾分鐘把數(shù)據(jù)集的“長相”看清楚會(huì)幫你省下后面很多排查時(shí)間。2.1 數(shù)據(jù)集里有什么規(guī)模、場景與類別分布整個(gè)數(shù)據(jù)集包含約3200張無人機(jī)拍攝的圖片覆蓋城市道路、高速互通、十字路口、園區(qū)停車場、鄉(xiāng)村公路等常見場景。圖片以1920×1080分辨率為主少部分來自4K航拍設(shè)備尺寸不統(tǒng)一這一點(diǎn)和實(shí)際使用情況很吻合。標(biāo)注框累計(jì)約18000個(gè)共4個(gè)類別car、truck、bus、van。需要提醒一下這4個(gè)類別的樣本數(shù)量并不均勻car占了絕大多數(shù)truck和bus相對(duì)少一些。這種不均衡在真實(shí)采集數(shù)據(jù)里非常普遍后面我會(huì)單獨(dú)講怎么處理。壓縮包里包含三個(gè)部分images存放圖片、labels存放同名的txt標(biāo)注文件、data.yaml是描述數(shù)據(jù)集信息的配置文件。如果你拿到手的是某個(gè)平臺(tái)上的分享壓縮包解壓后建議先不要直接開訓(xùn)按下面幾步做一次體檢。數(shù)據(jù)集的完整性決定了訓(xùn)練的成敗這一步是最值得花時(shí)間的。2.2 YOLO標(biāo)簽文件到底怎么讀YOLO格式的標(biāo)注文件是純文本每張圖片對(duì)應(yīng)一個(gè)同名txt文件文件里每一行代表一個(gè)目標(biāo)物體。標(biāo)準(zhǔn)格式是類別編號(hào)、歸一化后的中心點(diǎn)x、中心點(diǎn)y、歸一化后的寬度w、歸一化后的高度h。舉個(gè)例子假設(shè)類別定義是0為car、1為truck、2為bus、3為van那么某張圖里有四輛車它的label文件內(nèi)容可能是這樣的0 0.532345 0.671023 0.043210 0.051232 0 0.123456 0.456789 0.033890 0.042154 1 0.803412 0.392001 0.071234 0.062178 3 0.615123 0.223411 0.028345 0.036201第一行的含義是類別為car目標(biāo)中心點(diǎn)在圖片橫向53.23%、縱向67.10%的位置寬度約占圖片4.32%高度約占5.12%。所有坐標(biāo)都縮放到0到1之間這樣做的好處是和圖片分辨率無關(guān)1920×1080和3840×2160可以混在一起訓(xùn)練模型不需要關(guān)心輸入尺寸。但代價(jià)是精度依賴浮點(diǎn)數(shù)一旦標(biāo)注工具導(dǎo)出時(shí)沒有歸一化坐標(biāo)直接寫成了像素值訓(xùn)練就會(huì)出大問題這一點(diǎn)在后面的踩坑部分細(xì)說。2.3 拿到數(shù)據(jù)集后的第一件事完整性體檢不要因?yàn)閿?shù)據(jù)集是別人整理好的就跳過檢查。實(shí)際操作中我最常遇到的情況是圖片后綴大小寫不一致導(dǎo)致標(biāo)簽匹配不上或者某些txt是空文件、里面什么目標(biāo)都沒有或者類別編號(hào)超出了配置文件里的類別總數(shù)。這些隱藏問題不會(huì)讓訓(xùn)練直接報(bào)錯(cuò)而是會(huì)不動(dòng)聲色地拖低精度排查起來最費(fèi)時(shí)間。我通常用下面這個(gè)Python腳本快速體檢標(biāo)準(zhǔn)庫就能完成不需要額外裝依賴import os from collections import Counter img_dir images label_dir labels img_exts {.jpg, .jpeg, .png, .bmp} imgs set() for f in os.listdir(img_dir): ext os.path.splitext(f)[1].lower() if ext in img_exts: imgs.add(os.path.splitext(f)[0]) label_exts {.txt} labels set() for f in os.listdir(label_dir): ext os.path.splitext(f)[1].lower() if ext in label_exts: labels.add(os.path.splitext(f)[0]) print(無標(biāo)簽的圖片:, len(imgs - labels)) print(無圖片的標(biāo)簽:, len(labels - imgs)) all_classes Counter() bad_lines [] for f in labels: path os.path.join(label_dir, f .txt) with open(path, encodingutf-8) as fp: for line in fp: parts line.strip().split() if len(parts) ! 5: bad_lines.append((f, 字段數(shù)不為5)) continue cid float(parts[0]) if cid ! int(cid) or int(cid) 0 or int(cid) 3: bad_lines.append((f, 類別編號(hào)異常)) continue coords list(map(float, parts[1:])) if max(coords) 1.0001 or min(coords) -0.0001: bad_lines.append((f, 坐標(biāo)越界)) continue all_classes[int(cid)] 1 print(標(biāo)簽行總數(shù):, sum(all_classes.values())) print(類別分布:, dict(sorted(all_classes.items()))) print(異常行數(shù):, len(bad_lines))跑一遍下來圖片和標(biāo)簽數(shù)量是否對(duì)得上、類別分布是否合理、有沒有坐標(biāo)越界基本就一目了然了。我見過不少人跳過這一步直接開訓(xùn)后面損失震蕩怎么調(diào)都調(diào)不好最后發(fā)現(xiàn)是標(biāo)簽文件里混進(jìn)了幾千個(gè)像素坐標(biāo)的臟數(shù)據(jù)。這種問題越早發(fā)現(xiàn)越好。3. 從下載到訓(xùn)練把數(shù)據(jù)集喂給YOLO的完整流程確認(rèn)數(shù)據(jù)集沒有明顯問題之后接下來就是把它組織成目標(biāo)檢測框架能直接讀取的工程結(jié)構(gòu)。不同框架對(duì)目錄結(jié)構(gòu)的要求大同小異只要抓住核心規(guī)則一通百通。3.1 目錄結(jié)構(gòu)與data.yaml配置YOLO系訓(xùn)練框架通常要求圖片和標(biāo)簽分開存放并且訓(xùn)練集、驗(yàn)證集都要有對(duì)應(yīng)的圖片目錄和標(biāo)簽?zāi)夸洝Ｍ扑]的結(jié)構(gòu)是這樣的dataset/ ├── images/ │ ├── train/ │ └── val/ ├── labels/ │ ├── train/ │ └── val/ └── data.yamlimages/train里放訓(xùn)練圖片labels/train里放對(duì)應(yīng)對(duì)應(yīng)的txt標(biāo)注文件文件名必須完全一致包括后綴名的大小寫。val目錄同理。data.yaml放在dataset根目錄下內(nèi)容很固定train: ./images/train val: ./images/val nc: 4 names: [car, truck, bus, van]路徑我用的是相對(duì)路徑這樣整個(gè)dataset文件夾挪到哪里都能用。如果你用的是線上訓(xùn)練環(huán)境或者路徑容易變也可以改成絕對(duì)路徑。nc是類別數(shù)量names是類別名字列表順序必須和標(biāo)注文件里的數(shù)字編號(hào)一一對(duì)應(yīng)這一點(diǎn)一旦錯(cuò)位模型訓(xùn)練出來就是“張冠李戴”檢測結(jié)果全部錯(cuò)亂。3.2 訓(xùn)練集和驗(yàn)證集怎么劃分才合理很多朋友拿到數(shù)據(jù)后直接按比例隨機(jī)打亂劃分比如8:2切分。對(duì)普通圖片數(shù)據(jù)集這么做沒問題但對(duì)無人機(jī)航拍數(shù)據(jù)這個(gè)做法有一個(gè)容易被忽略的隱患無人機(jī)拍攝的連續(xù)幀之間高度相似。同一個(gè)架次繞著一個(gè)路口飛一圈可能拍下幾百張圖隨機(jī)劃分后某條路的畫面會(huì)同時(shí)出現(xiàn)在訓(xùn)練集和驗(yàn)證集里模型等于提前“看過”驗(yàn)證題的答案指標(biāo)自然好看但一換到新場景就露餡。我建議按采集場景來劃分而不是按文件隨機(jī)切。比如壓縮包里如果有多個(gè)子目錄盡量保證同一條路、同一個(gè)地塊的圖片只進(jìn)入訓(xùn)練集或只進(jìn)入驗(yàn)證集不要混用。這樣驗(yàn)證集才有真正的泛化意義。如果沒有場景信息也可以對(duì)圖片做抽幀式的劃分每隔幾幀取一張進(jìn)驗(yàn)證集效果比純隨機(jī)好不少。3.3 開訓(xùn)前自檢清單即便數(shù)據(jù)集已經(jīng)整理好我還是建議在啟動(dòng)訓(xùn)練前花30秒過一遍自檢清單。這里直接把我的習(xí)慣列出來你可以對(duì)照檢查圖片數(shù)量與標(biāo)簽文件數(shù)量一致沒有“孤兒”圖片或“孤兒”標(biāo)簽所有txt里的坐標(biāo)都在0到1之間類別編號(hào)是0到3之間的整數(shù)與data.yaml的names順序一致沒有內(nèi)容是空的txt文件如果存在空文件確認(rèn)該圖確實(shí)無目標(biāo)刪掉txt即可訓(xùn)練集和驗(yàn)證集的圖片不存在文件名重復(fù)各類別在訓(xùn)練集里都有一定數(shù)量的樣本像bus、van這類少數(shù)類最少也要有幾十個(gè)實(shí)例檢查完這些再開訓(xùn)基本能保證問題出在模型調(diào)參而不是數(shù)據(jù)格式上。數(shù)據(jù)格式問題上花的時(shí)間永遠(yuǎn)是最值得的。4. 訓(xùn)練實(shí)測記錄三個(gè)高頻問題與完整排查鏈路我自己在拿類似無人機(jī)數(shù)據(jù)訓(xùn)練時(shí)踩過的坑比想象中多。下面這三個(gè)問題基本是每次都會(huì)碰到的我把完整的排查鏈路寫出來讓你能復(fù)現(xiàn)思路而不是只得到一個(gè)結(jié)論。4.1 問題一損失函數(shù)前期震蕩結(jié)果發(fā)現(xiàn)是標(biāo)簽遺漏第一次用這份數(shù)據(jù)訓(xùn)練時(shí)我開了300輪結(jié)果前20輪loss像心電圖一樣上躥下跳。一開始我懷疑是學(xué)習(xí)率太大調(diào)低之后有所緩和但驗(yàn)證集精度仍然異常mAP0.5一直卡在0.3上下。排查到后面我翻看訓(xùn)練日志發(fā)現(xiàn)每個(gè)batch的target數(shù)量時(shí)多時(shí)少平均每張圖的標(biāo)注數(shù)只有0.8個(gè)左右而實(shí)際畫面里平均應(yīng)該有兩到三輛車。這說明大量圖片的標(biāo)簽文件根本沒有對(duì)應(yīng)的目標(biāo)行。排查過程是這樣的先統(tǒng)計(jì)標(biāo)簽文件的行數(shù)分布發(fā)現(xiàn)很多txt文件大小只有幾個(gè)字節(jié)打開一看是空的再往前查發(fā)現(xiàn)數(shù)據(jù)集壓縮包里的“空標(biāo)注”圖片在轉(zhuǎn)換格式時(shí)被標(biāo)注工具跳過但沒有刪掉對(duì)應(yīng)的txt占位文件。對(duì)于某些目標(biāo)檢測框架空txt不會(huì)被當(dāng)成錯(cuò)誤只是這張圖變得沒有任何目標(biāo)參與訓(xùn)練數(shù)據(jù)量就這樣悄悄縮水了。解決辦法分兩步第一步寫腳本把所有內(nèi)容為空的txt文件移出標(biāo)簽?zāi)夸洷苊馑加糜?xùn)練樣本第二步如果某些圖確實(shí)有目標(biāo)但txt為空就需要重新標(biāo)注。對(duì)這類數(shù)據(jù)來說刪除空文件之后訓(xùn)練數(shù)據(jù)有效量大約提升了15%到20%loss曲線立刻平滑了很多。這個(gè)坑的教訓(xùn)是訓(xùn)練日志里每個(gè)batch的target數(shù)量一定要看它是數(shù)據(jù)質(zhì)量最直接的晴雨表。4.2 問題二小目標(biāo)漏檢嚴(yán)重mAP數(shù)值卻不錯(cuò)另一件讓我困惑的事是驗(yàn)證集mAP已經(jīng)到0.5以上了結(jié)果拿一段無人機(jī)實(shí)拍視頻一測小目標(biāo)漏得亂七八糟。后來我把驗(yàn)證集的情況單獨(dú)剖開看發(fā)現(xiàn)mAP高是因?yàn)轵?yàn)證集里如果包含了大量相對(duì)較大、清晰的車輛或者和訓(xùn)練集場景重疊的圖片整體指標(biāo)被“拉高”了。一旦單獨(dú)統(tǒng)計(jì)圖像中小于32×32像素的目標(biāo)檢測率慘不忍睹。排查的方法是把驗(yàn)證集按目標(biāo)尺寸分成幾個(gè)區(qū)間分別算AP目標(biāo)寬度小于32像素的AP32到64像素的AP大于64像素的AP。對(duì)比之后發(fā)現(xiàn)差距懸殊問題就清楚了。模型不是不會(huì)檢測車輛而是對(duì)小目標(biāo)沒有足夠的分辨能力。這類問題的通用解法是提升輸入分辨率、增加小目標(biāo)增強(qiáng)策略或者用切圖推理的思路把大圖切成小塊逐塊檢測再合并結(jié)果。切圖方案在無人機(jī)場景尤其有效因?yàn)樵瓐D畫幅大、目標(biāo)小直接縮放到模型輸入尺寸時(shí)小目標(biāo)丟失嚴(yán)重切塊之后相當(dāng)于變相放大了目標(biāo)。4.3 問題三類別分布嚴(yán)重不均如何用采樣和增強(qiáng)拉齊數(shù)據(jù)集中car約占總標(biāo)注量的七成以上truck和bus占比很小。直接訓(xùn)練出來的模型往往car的AP很高truck、bus的AP低得沒法看。盲目對(duì)少數(shù)類重復(fù)采樣會(huì)讓模型反復(fù)看到同一批樣本結(jié)果是過擬合訓(xùn)練集AP漂亮一換場景就崩。我的做法是組合拳首先給少數(shù)類復(fù)制粘貼增強(qiáng)從已有標(biāo)注框里摳出truck、bus的目標(biāo)經(jīng)過縮放、旋轉(zhuǎn)后隨機(jī)粘貼到?jīng)]有目標(biāo)或者目標(biāo)稀疏的道路區(qū)域同時(shí)生成對(duì)應(yīng)的標(biāo)注行其次在訓(xùn)練配置里增大對(duì)少數(shù)類的采樣權(quán)重讓每個(gè)epoch里少數(shù)類參與訓(xùn)練的次數(shù)更多最后驗(yàn)證集使用最原始的分布不做任何過采樣這樣看到的指標(biāo)才真實(shí)。這套組合拳跑下來truck和bus的AP大約能提升10個(gè)點(diǎn)左右car的AP基本不受影響。5. 別止步于跑通把數(shù)據(jù)集用到自己業(yè)務(wù)里的幾個(gè)建議數(shù)據(jù)集的最終價(jià)值在于能用起來。這份無人機(jī)車輛檢測數(shù)據(jù)集作為基礎(chǔ)數(shù)據(jù)完全可以支撐很多實(shí)際項(xiàng)目但直接照搬訓(xùn)練結(jié)果去部署還遠(yuǎn)遠(yuǎn)不夠下面這幾個(gè)方向是我實(shí)操后覺得最值得投入的。5.1 模型選型小目標(biāo)優(yōu)先的幾條路線先給結(jié)論小目標(biāo)占比高的場景不一定是模型越大越好而是要看輸入分辨率和特征圖的匹配關(guān)系。大模型參數(shù)量多、特征提取能力強(qiáng)但如果輸入圖被縮到640×640遠(yuǎn)處的小車可能只占兩三個(gè)像素再強(qiáng)的模型也無米下鍋。我測試過幾條路線一是用高分辨率輸入直接把模型輸入從640提升到1280小目標(biāo)召回率明顯上升代價(jià)是顯存占用翻倍推理速度下降二是切圖推理把原圖切成若干個(gè)帶重疊的塊每塊單獨(dú)檢測再合并速度快、顯存友好是實(shí)現(xiàn)成本最低的方案三是使用帶小目標(biāo)檢測層的檢測器結(jié)構(gòu)這類模型在特征金字塔上額外增加了針對(duì)小目標(biāo)的淺層特征輸出對(duì)于航拍數(shù)據(jù)比較友好。如果你的項(xiàng)目對(duì)實(shí)時(shí)性要求高建議用輕量模型加切圖推理的組合。我在一個(gè)車輛計(jì)數(shù)項(xiàng)目中用過這套方案無人機(jī)圖傳分辨率為1920×1080切成三四塊并行推理整體幀率還能維持在可接受的范圍內(nèi)。5.2 數(shù)據(jù)增強(qiáng)俯拍場景哪些增強(qiáng)真正有效無人機(jī)俯拍圖的一個(gè)特點(diǎn)是旋轉(zhuǎn)不變性很強(qiáng)——車頂朝上還是朝左對(duì)檢測任務(wù)來說沒有語義差異。因此水平翻轉(zhuǎn)、垂直翻轉(zhuǎn)、90度旋轉(zhuǎn)這類幾何增強(qiáng)可以大膽開幾乎不會(huì)破壞標(biāo)注語義。我一般會(huì)把翻轉(zhuǎn)增強(qiáng)概率開到0.5旋轉(zhuǎn)也開到較大值這相當(dāng)于不花成本擴(kuò)充了小目標(biāo)樣本的朝向多樣性。相比之下馬賽克增強(qiáng)要謹(jǐn)慎一點(diǎn)。馬賽克拼接對(duì)提升模型魯棒性很有用但無人機(jī)原圖里的目標(biāo)本身很小拼接時(shí)如果把大量目標(biāo)裁切到圖像邊緣很多小目標(biāo)只剩下半個(gè)框模型學(xué)到的是殘缺特征反而有害。我的經(jīng)驗(yàn)是把馬賽克概率調(diào)低到0.3左右并配合更大范圍的隨機(jī)縮放讓拼接后的目標(biāo)尺度分布更接近真實(shí)場景。色彩類的增強(qiáng)對(duì)無人機(jī)數(shù)據(jù)也有用。航拍圖經(jīng)常遇到曝光不均、云影遮擋等問題適當(dāng)?shù)腍SV擾動(dòng)可以提升模型對(duì)光照變化的耐受度。但要注意飽和度擾動(dòng)幅度不要過大否則車體顏色被改得面目全非反而干擾類別判斷。5.3 如果拍攝場景變化大怎么擴(kuò)充和再標(biāo)注實(shí)際項(xiàng)目里你手里的無人機(jī)拍攝高度、云臺(tái)角度、傳感器型號(hào)都可能和這份數(shù)據(jù)集不同。一個(gè)非常高效的做法是先用這份基礎(chǔ)數(shù)據(jù)訓(xùn)練一個(gè)初版模型然后對(duì)你自己采集的視頻做預(yù)標(biāo)注生成初步標(biāo)簽再由人工修正。別一上來就手動(dòng)在幾千張圖上畫框那樣太浪費(fèi)人力。預(yù)標(biāo)注加人工修正時(shí)有個(gè)經(jīng)驗(yàn)視頻抽幀不要逐幀標(biāo)每隔2到4幀抽一幀即可。相鄰幀之間的畫面幾乎沒變化逐幀標(biāo)注純屬重復(fù)勞動(dòng)。抽幀頻率取決于無人機(jī)飛行速度和車輛運(yùn)動(dòng)速度飛得越快抽幀間隔越小。還有一個(gè)小細(xì)節(jié)預(yù)標(biāo)注結(jié)果一定要按前面提到的坐標(biāo)歸一化規(guī)則檢查很多自動(dòng)標(biāo)注工具會(huì)導(dǎo)出像素坐標(biāo)混進(jìn)訓(xùn)練集后會(huì)讓損失函數(shù)突然惡化這種問題幾乎每批新數(shù)據(jù)都會(huì)遇到。如果項(xiàng)目場景跨越很大比如除了白天還要用夜間紅外數(shù)據(jù)基礎(chǔ)數(shù)據(jù)集就只能作為熱身。更合理的做法是在這份數(shù)據(jù)上先確定好網(wǎng)絡(luò)結(jié)構(gòu)和訓(xùn)練配置然后引入少量目標(biāo)場景的真值數(shù)據(jù)做微調(diào)這種“基礎(chǔ)數(shù)據(jù)定框架、場景數(shù)據(jù)做微調(diào)”的路徑投入產(chǎn)出比是最高的。最后再分享一個(gè)個(gè)人習(xí)慣我每次把數(shù)據(jù)集發(fā)給朋友或同事都會(huì)提醒他們先跑一個(gè)50輪的mini實(shí)驗(yàn)。不是為了看精度而是看數(shù)據(jù)管線通不通暢、loss曲線穩(wěn)不穩(wěn)定、標(biāo)簽有沒有臟數(shù)據(jù)。等mini實(shí)驗(yàn)確認(rèn)沒有低級(jí)錯(cuò)誤再上全量數(shù)據(jù)調(diào)參數(shù)。數(shù)據(jù)集的規(guī)模固然重要但標(biāo)注質(zhì)量的一致性才是決定模型上限的命門。希望這份數(shù)據(jù)集能幫你少走幾步彎路把時(shí)間花在真正有價(jià)值的算法優(yōu)化上。