简介面向目标检测实战与智慧环卫应用的YOLOV5垃圾桶满溢检测数据集包适用于需要快速搭建垃圾分类识别模型并部署上线的开发者、高校学生以及算法工程师。资源共包含2000个文件压缩包整体大小约450MB以1921个txt格式的标注文件构成基础标签库40个py脚本负责模型训练、验证与推理23个yaml文件提供网络结构与超参数配置同时附带sh脚本、md说明文档和json配置文件目录组织清晰便于按模块调用。数据集训练集包含2680张标注图像验证集669张项目已迭代训练100个epoch最优map0.5达到0.91map0.5:0.95为0.73同时保存有验证集混淆矩阵、PR曲线、F1曲线等训练过程可视化结果runs/detect目录还保留了对训练集图片的完整推理结果可直接观察检测框与置信度表现。目前已有363人学习适合希望快速体验YOLOV5完整训练与推理流程或实际落地垃圾桶满溢识别场景的研究与工程人员。1. 垃圾桶满溢检测一份能直接跑的YOLOV5数据集项目凌晨的垃圾中转站满溢的垃圾桶往往要等清运车到场才被发现。这类垃圾桶满溢检测需求落到技术上就是让YOLOV5学会区分三个状态满溢的垃圾桶、未满溢的垃圾桶、散落的垃圾。这套实战项目把标注好的数据集、完整训练代码、训练好的权重一次打包训练集2680张图、验证集669张图迭代100个epoch后mAP0.5跑到0.91、mAP0.5:0.95跑到0.73runs目录里连混淆矩阵、PR曲线、F1曲线和全部推理结果都保留着。对想快速上手YOLOV5目标检测的从业者来说它最大的价值是省掉标注和调参的时间直接拿现成权重改场景新手想学完整训练流程这套产物也是很好的对照样本。2. 数据集的三个类别与标签格式训练前先做一次标签体检拿到资源第一步不是急着训练而是把数据集结构摸清楚。YOLOV5对数据的组织方式有固定要求目录对不上、标签格式不规范训练时轻则警告重则报错。这套项目的目录结构是标准YOLO布局但我建议动手前先用自己的脚本做一次体检确认图片和标签一一对应、类别索引没写错、坐标没有越界。这一步能避开后面大量玄学问题。2.1 目录结构与类别定义解压后核心数据在datasets目录下images和labels分开存放train和val各自配对。图片统一是jpg标签是同名txt文件。我一般会先跑一遍统计命令确认数量# 统计训练集图片和标签数量 find datasets/images/train -name *.jpg | wc -l find datasets/labels/train -name *.txt | wc -l # 统计验证集图片和标签数量 find datasets/images/val -name *.jpg | wc -l find datasets/labels/val -name *.txt | wc -l逻辑说明find命令按文件名后缀枚举文件wc -l统计行数。每行代表一个文件路径行数就是文件个数。图片和标签数量应当完全一致如果差几个说明存在漏标或多余文件。参数说明这里假设图片扩展名都是jpg如果数据里有png记得加一行find ... -name *.png补上两行结果相加才是总数。训练集2680张、验证集669张和项目描述对得上。这套数据不只能喂给YOLOv5目录结构整理一下同样能用于YOLOv8训练标签txt格式是通用的。类别定义方面项目里共3类我习惯用小写英文做类别名配置时按索引对齐。分类顺序是0对应满溢的垃圾桶1对应未满溢的垃圾桶2对应垃圾。这个顺序在你改data.yaml时不能乱训练和推理用的是同一套索引。2.2 标签txt逐行拆解与归一化坐标YOLO格式的标签每一行代表一个目标框格式是class x_center y_center width height五个值用空格分隔。四个坐标全部是归一化到0到1之间的小数不是像素值。这点新手最容易理解错以为坐标就是像素坐标结果训练出来检测框全乱。import os from collections import Counter label_dir datasets/labels/train stats Counter() empty_files 0 sample_lines [] for fname in os.listdir(label_dir): if not fname.endswith(.txt): continue path os.path.join(label_dir, fname) with open(path) as f: lines [line.strip() for line in f if line.strip()] if not lines: empty_files 1 continue for line in lines: parts line.split() stats[parts[0]] 1 if len(sample_lines) 5: sample_lines.append((fname, parts)) print(空标签文件数:, empty_files) print(类别分布:, dict(stats)) print(样例:) for fname, parts in sample_lines: print( , fname, parts)逻辑说明遍历所有txt标签按行切分后第一个字段是类别id统计每个id出现的次数。如果空标签文件数不为0说明有图片没有任何目标YOLOV5训练时对这张图会跳过loss计算数量太多会拉低召回。参数说明parts列表长度固定为5如果某行长度不是5说明标注工具导出的格式有问题。四个坐标值的范围应当都在0到1之间超出这个范围说明归一化没做好训练时会出现loss异常或边框偏移。W的值越界往往是把x_center和width填反了。2.3 用可视化确认标注框质量数值体检只能发现格式问题框到底画得准不准得看图。我一般会在训练前随机抽三到五张图把标注框画出来人工确认一眼这一步花十分钟能避免训练完才发现标注本身是错的。import random import cv2 image_dir datasets/images/train label_dir datasets/labels/train files os.listdir(image_dir) for fname in random.sample(files, 3): img cv2.imread(os.path.join(image_dir, fname)) h, w img.shape[:2] txt_path os.path.join(label_dir, fname.replace(.jpg, .txt)) with open(txt_path) as f: for line in f: cid, cx, cy, bw, bh map(float, line.split()) x1 int((cx - bw / 2) * w) y1 int((cy - bh / 2) * h) x2 int((cx bw / 2) * w) y2 int((cy bh / 2) * h) cv2.rectangle(img, (x1, y1), (x2, y2), (0, 255, 0), 2) cv2.putText(img, str(int(cid)), (x1, y1 - 5), cv2.FONT_HERSHEY_SIMPLEX, 0.6, (0, 255, 0), 1) cv2.imwrite(fcheck_{fname}, img)逻辑说明读取图片后拿到实际像素尺寸把归一化坐标还原成像素坐标用cv2画框和类别id。这样做一次能看到标注框与真实物体轮廓的重合程度。参数说明class id这里直接取整数画在框上方。如果发现满溢垃圾桶的框把旁边的建筑也框进去了说明标注偏大如果只框住桶盖说明偏小。这类问题趁没训练前修掉成本最低。3. 训练配置与100个epoch超参数怎么设才不翻车数据集没问题之后接下来就是环境配置和训练参数。YOLOV5这个版本是2020年开源的经典分支社区资料最多遇到问题搜一下基本都能找到答案。环境配置别用最新版Python常见做法是装Python 3.9坑最少。这章把从零到跑通训练的命令和参数讲清楚。3.1 环境准备与依赖安装YOLOV5官方仓库依赖PyTorch和一堆图像处理库老手一般用conda建独立环境避免和别的项目互相污染依赖版本。我这边按常见做法给一套能稳定跑通的环境组合conda create -n yolo python3.9 -y conda activate yolo cd yolov5 pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple逻辑说明conda创建独立Python环境requirements.txt里锁定了torch、opencv-python、numpy、pandas等核心依赖版本。加清华镜像源是为了在国内网络环境下下载快一点如果已经全局配置过镜像可以不加。参数说明Python版本选3.9而不是3.11是因为YOLOV5官方测试环境主要针对3.8到3.103.11上偶尔会遇到依赖编译失败。如果机器有NVIDIA显卡建议先确认nvidia-smi驱动版本再装对应CUDA版PyTorch纯CPU机器也能训练只是速度会慢十倍以上。3.2 data.yaml的核心字段与常见填错YOLOV5训练不读json所有数据集信息都写在data.yaml里。项目里的数据配置文件要自己建一个指向刚才确认过的目录。这一步是最容易出错的地方路径写法、类别数量、类别名字顺序任何一个和实际不一致训练过程都会出问题。# data.yaml 训练配置文件 train: datasets/images/train val: datasets/images/val nc: 3 names: 0: overflowing 1: normal 2: garbage逻辑说明train和val字段指向的是图片目录YOLOV5会自动把路径中的images替换成labels去找同名txt所以标签目录不需要写在这里。nc是类别总数3names按索引顺序定义类名。参数说明train路径支持相对路径和绝对路径相对路径是相对于你执行train.py的位置。如果写成datasets/images/train/带末尾斜杠也可以但不要写成datasets/labels/train否则YOLOV5会去labels里找labels直接报找不到。项目自带的README里有对每个文件的说明训练前翻一遍能省不少排查时间。3.3 训练命令、断点续训与显存控制环境配好、yaml写好就可以启动训练。项目迭代了100个epoch且mAP0.5到0.91说明这套超参数对这个数据集是有效的。我按这个配置给你可复现的训练命令python train.py \ --data data.yaml \ --weights yolov5s.pt \ --epochs 100 \ --batch-size 16 \ --imgsz 640 \ --workers 4 \ --cache \ --name trash_run逻辑说明train.py读取data.yaml中的数据集配置加载yolov5s.pt预训练权重做迁移学习按设定epoch数迭代训练每轮结束后在验证集上算mAP并保存权重。--cache参数把图片缓存到内存减少磁盘IO等待能明显提速。参数说明--weights选择模型大小yolov5s是small版本速度和精度平衡适合边缘部署显存充足可以换yolov5l精度会略高但训练时间翻倍。--batch-size 16在8G显存上比较稳显存小就降到8大显存可以开到32。--name指定本次训练的文件夹名runs/train/trash_run里会存放权重和曲线图。如果中途断了想继续加--resume runs/train/trash_run/weights/last.pt即可不用重新从头跑。训练过程中如果看到loss曲线震荡不下降常见做法是调低学习率。默认lr0是0.01我一般遇到震荡先改成0.001试跑30个epoch观察稳定后再加大。4. 训练产物与指标解读mAP0.50.91背后的四个文件训练跑完runs/train/trash_run目录下会生成一堆文件。很多人只知道best.pt能用来推理其实混淆矩阵、PR曲线、results.csv这几个文件才是判断模型好坏的关键依据。项目里保存了全部100个epoch的结果进阶玩家可以直接通过这些文件复盘整个训练过程。4.1 runs目录里到底存了些什么训练结束后最重要的产物是weights下的两个权重文件best.pt是验证集上mAP最高的那一轮权重last.pt是最后一轮权重。两者用途不同推理用best.pt想继续训练用last.pt。| 文件/目录 | 内容 | 什么时候看它 | | weights/best.pt | 验证集最优权重 | 推理、导出、部署 | | weights/last.pt | 最后一次epoch权重 | 断点续训 | | results.csv | 每个epoch的loss和mAP指标 | 判断收敛情况 | | confusion_matrix.png | 验证集混淆矩阵 | 看哪两类容易混 | | PR_curve.png | 各类别PR曲线 | 选置信度阈值 | | F1_curve.png | F1分数与阈值关系 | 选置信度阈值 | | detect/ | 推理结果图 | 直观确认效果 |这个项目的runs/detect目录下保存了全部验证图片的推理结果框画得很干净直接翻一遍就能对模型能力有个整体印象比自己跑一次推理还省事。4.2 results.csv怎么看收敛results.csv记录了每个epoch的box loss、obj loss、cls loss以及精度指标是判断训练是否收敛最直接的数值来源。我习惯用Python读最后几行看看尾部指标import csv with open(runs/train/trash_run/results.csv) as f: rows list(csv.reader(f)) header rows[0] for row in rows[-3:]: record dict(zip(header, row)) print(fepoch {record[epoch]}: fmAP0.5{record[mAP0.5]}, fmAP0.5:0.95{record[mAP0.5:0.95]}, fbox_loss{record[box_loss]})逻辑说明results.csv第一行是表头每一行对应一个epoch的指标。用字典把表头和数值对齐取最后三行看尾部值。如果尾部mAP还在上升说明100个epoch不够可以追加训练。参数说明这里的mAP0.5表示IoU阈值为0.5时的平均精度mAP0.5:0.95是0.5到0.95每间隔0.05算一个IoU阈值再取平均。项目结果mAP0.50.91说明检测框位置够准mAP0.5:0.950.73说明高IoU要求下也有不错的定位精度日常监控场景足够用。4.3 混淆矩阵与PR曲线的读法confusion_matrix.png是一张N1行N1列的图行是真实类别列是预测类别对角线上的值越高越好。对垃圾检测这类场景最需要注意的就是满溢垃圾桶和未满溢垃圾桶是否互相混淆因为这两类外形相似只有桶内垃圾高度有区别。如果混淆矩阵里这两类交叉值超过0.2就得考虑加训练数据或者调整损失权重。PR_curve.png横轴是召回率、纵轴是精确率曲线越靠近右上角越好。箱线图边上会标出每个类别的AP值。这张图还帮你决定推理时的置信度阈值——曲线拐点对应的conf值就是甜点区太低会引入大量误检太高会漏掉真正的满溢垃圾桶。F1_curve.png直接画出F1随阈值变化的曲线最高点对应的阈值就是这个模型在当前数据集上最优的置信度设定。5. 排查与避坑目标检测训练最常见的五个翻车点YOLOV5虽然成熟但训练过程中的坑一点不少。这一章把这套项目实际训练中可能遇到的五个典型问题列出来每条按现象、原因、解决三步拆开。全是血泪经验照着排查能省下大半天时间。5.1 loss变成nan现象训练跑到几十个epoch时终端打印的loss突然变成nan精度指标也跟着消失之后所有数值都是nan。原因最常见是学习率过大导致梯度爆炸其次是因为标签坐标出现越界值归一化坐标大于1或小于0计算损失时梯度异常。还有一种情况是数据里有损坏的图片文件解码出来的数组是空的。解决先把学习率从默认0.01降到0.001重启训练观察前20个epoch的loss曲线。如果还出现nan回头跑前面那段标签检查脚本把所有txt里超过范围的值打印出来人工修正。最后用file命令扫一遍图片目录把损坏的图片移出去。5.2 百度网盘解压后代码识别txt文件失败现象从网盘下载压缩包解压后训练时报错提示找不到标签文件或者标签文件被识别为空。原因部分网盘工具在Windows上会把txt文件名做处理或者解压时把扩展名改了。YOLOV5通过图片同名匹配txt文件名对不上就直接跳过。解决把图片名和文件名做一次交集比对找到缺失的对应用脚本批量改回一致。更省事的办法是重新解压到纯英文路径避免中文路径和编码干扰。5.3 mAP高但推理时漏检现象验证集mAP0.5有0.9以上但用detect.py推理视频或摄像头画面时某些明显满溢的垃圾桶没被框出来。原因验证集评估时用的是多尺度测试和集成推理时默认单尺度且置信度阈值偏高。另外训练图片里的垃圾桶都是近距离大目标实际场景摄像头离得远目标变小后小目标检出率下降。解决推理时把--conf降到0.15试一遍漏检会明显减少代价是误检变多。把--imgsz从640提到1280也能提升小目标检出但推理速度会下降。根本办法是收集更多远距离样本补充训练。5.4 类别数量对不上现象训练正常结束但推理时只识别出两类第三类完全不出现。原因data.yaml里nc写的值和标签里实际出现的类别id不匹配。最常见是把nc写成了2或者names里类别名字顺序和标注文件里的id对应错位比如把garbage写到了索引1的位置。解决重新跑类别分布统计脚本看txt里实际出现几个类别id把data.yaml的nc改成实际数量再核对names顺序。这里没有一个参数能自动修复必须人工对齐。5.5 显存溢出现象训练刚开始就报CUDA out of memory进程直接退出。原因batch-size设得太大输入分辨率640加上默认开启的多次缩放和增强一次性占满显存。8G显存开batch-size 16比较临界如果图片尺寸大就会爆。解决batch-size降到8workers降到4关闭--cache让图片按需读取。如果还要跑大模型可以加--rect参数按长宽比分组训练降低显存峰值。我一般先以8跑通确认资源够用再往上调。6. 推理与模型导出把best.pt用到实际场景的验证方法训练完的best.pt不能只在训练集上自嗨最终要落到实际场景跑推理。第一步用detect.py在验证集上再跑一遍和runs/detect里保存的结果对比第二步导出ONNX为边缘部署做准备。python detect.py \ --weights runs/train/trash_run/weights/best.pt \ --source datasets/images/val \ --conf 0.25 \ --iou 0.45逻辑说明detect.py加载best.pt对source指定的图片或视频逐帧推理画框后保存到runs/detect目录。--conf是置信度阈值、--iou是NMS的IoU阈值这两个参数就是YOLOV5后处理阶段的核心控制点。参数说明--source支持图片目录、视频文件、摄像头编号输出默认存到runs/detect/exp。如果发现满溢垃圾桶没被检出把conf降到0.15看效果如果发现同一目标出现两个框提高iou到0.5压制重复框。确认PyTorch推理没问题后下一步是导出ONNX。用Python做服务端推理时ONNX比PyTorch原生模型更通用换成树莓派5这类ARM设备也能跑python export.py \ --weights runs/train/trash_run/weights/best.pt \ --include onnx \ --imgsz 640 \ --batch-size 1逻辑说明export.py把best.pt转成ONNX格式ONNX本身不支持NMS后处理导出时默认会把后处理以额外输出节点保留下来部署时用onnxruntime配合nms即可。参数说明--batch-size 1固定单batch动态batch导出会在部分部署框架上报错固定1最稳。--imgsz要和推理时一致否则输出尺寸对不上。部署到树莓派5这类设备时ONNX需要配合onnxruntime或rknn-toolkit使用直接跑PyTorch模型很吃力内存和CPU都扛不住。从那以后我每次拿到新数据集都强制走一遍标签体检流程先统计空标签和类别分布再检查坐标范围最后随机抽三张图把框画出来确认然后才启动训练。这个流程救过我太多次了希望帮到你。本文还有配套的精品资源点击获取
YOLOv5垃圾桶满溢检测实战：从数据标注到模型部署全流程
简介面向目标检测实战与智慧环卫应用的YOLOV5垃圾桶满溢检测数据集包适用于需要快速搭建垃圾分类识别模型并部署上线的开发者、高校学生以及算法工程师。资源共包含2000个文件压缩包整体大小约450MB以1921个txt格式的标注文件构成基础标签库40个py脚本负责模型训练、验证与推理23个yaml文件提供网络结构与超参数配置同时附带sh脚本、md说明文档和json配置文件目录组织清晰便于按模块调用。数据集训练集包含2680张标注图像验证集669张项目已迭代训练100个epoch最优map0.5达到0.91map0.5:0.95为0.73同时保存有验证集混淆矩阵、PR曲线、F1曲线等训练过程可视化结果runs/detect目录还保留了对训练集图片的完整推理结果可直接观察检测框与置信度表现。目前已有363人学习适合希望快速体验YOLOV5完整训练与推理流程或实际落地垃圾桶满溢识别场景的研究与工程人员。1. 垃圾桶满溢检测一份能直接跑的YOLOV5数据集项目凌晨的垃圾中转站满溢的垃圾桶往往要等清运车到场才被发现。这类垃圾桶满溢检测需求落到技术上就是让YOLOV5学会区分三个状态满溢的垃圾桶、未满溢的垃圾桶、散落的垃圾。这套实战项目把标注好的数据集、完整训练代码、训练好的权重一次打包训练集2680张图、验证集669张图迭代100个epoch后mAP0.5跑到0.91、mAP0.5:0.95跑到0.73runs目录里连混淆矩阵、PR曲线、F1曲线和全部推理结果都保留着。对想快速上手YOLOV5目标检测的从业者来说它最大的价值是省掉标注和调参的时间直接拿现成权重改场景新手想学完整训练流程这套产物也是很好的对照样本。2. 数据集的三个类别与标签格式训练前先做一次标签体检拿到资源第一步不是急着训练而是把数据集结构摸清楚。YOLOV5对数据的组织方式有固定要求目录对不上、标签格式不规范训练时轻则警告重则报错。这套项目的目录结构是标准YOLO布局但我建议动手前先用自己的脚本做一次体检确认图片和标签一一对应、类别索引没写错、坐标没有越界。这一步能避开后面大量玄学问题。2.1 目录结构与类别定义解压后核心数据在datasets目录下images和labels分开存放train和val各自配对。图片统一是jpg标签是同名txt文件。我一般会先跑一遍统计命令确认数量# 统计训练集图片和标签数量 find datasets/images/train -name *.jpg | wc -l find datasets/labels/train -name *.txt | wc -l # 统计验证集图片和标签数量 find datasets/images/val -name *.jpg | wc -l find datasets/labels/val -name *.txt | wc -l逻辑说明find命令按文件名后缀枚举文件wc -l统计行数。每行代表一个文件路径行数就是文件个数。图片和标签数量应当完全一致如果差几个说明存在漏标或多余文件。参数说明这里假设图片扩展名都是jpg如果数据里有png记得加一行find ... -name *.png补上两行结果相加才是总数。训练集2680张、验证集669张和项目描述对得上。这套数据不只能喂给YOLOv5目录结构整理一下同样能用于YOLOv8训练标签txt格式是通用的。类别定义方面项目里共3类我习惯用小写英文做类别名配置时按索引对齐。分类顺序是0对应满溢的垃圾桶1对应未满溢的垃圾桶2对应垃圾。这个顺序在你改data.yaml时不能乱训练和推理用的是同一套索引。2.2 标签txt逐行拆解与归一化坐标YOLO格式的标签每一行代表一个目标框格式是class x_center y_center width height五个值用空格分隔。四个坐标全部是归一化到0到1之间的小数不是像素值。这点新手最容易理解错以为坐标就是像素坐标结果训练出来检测框全乱。import os from collections import Counter label_dir datasets/labels/train stats Counter() empty_files 0 sample_lines [] for fname in os.listdir(label_dir): if not fname.endswith(.txt): continue path os.path.join(label_dir, fname) with open(path) as f: lines [line.strip() for line in f if line.strip()] if not lines: empty_files 1 continue for line in lines: parts line.split() stats[parts[0]] 1 if len(sample_lines) 5: sample_lines.append((fname, parts)) print(空标签文件数:, empty_files) print(类别分布:, dict(stats)) print(样例:) for fname, parts in sample_lines: print( , fname, parts)逻辑说明遍历所有txt标签按行切分后第一个字段是类别id统计每个id出现的次数。如果空标签文件数不为0说明有图片没有任何目标YOLOV5训练时对这张图会跳过loss计算数量太多会拉低召回。参数说明parts列表长度固定为5如果某行长度不是5说明标注工具导出的格式有问题。四个坐标值的范围应当都在0到1之间超出这个范围说明归一化没做好训练时会出现loss异常或边框偏移。W的值越界往往是把x_center和width填反了。2.3 用可视化确认标注框质量数值体检只能发现格式问题框到底画得准不准得看图。我一般会在训练前随机抽三到五张图把标注框画出来人工确认一眼这一步花十分钟能避免训练完才发现标注本身是错的。import random import cv2 image_dir datasets/images/train label_dir datasets/labels/train files os.listdir(image_dir) for fname in random.sample(files, 3): img cv2.imread(os.path.join(image_dir, fname)) h, w img.shape[:2] txt_path os.path.join(label_dir, fname.replace(.jpg, .txt)) with open(txt_path) as f: for line in f: cid, cx, cy, bw, bh map(float, line.split()) x1 int((cx - bw / 2) * w) y1 int((cy - bh / 2) * h) x2 int((cx bw / 2) * w) y2 int((cy bh / 2) * h) cv2.rectangle(img, (x1, y1), (x2, y2), (0, 255, 0), 2) cv2.putText(img, str(int(cid)), (x1, y1 - 5), cv2.FONT_HERSHEY_SIMPLEX, 0.6, (0, 255, 0), 1) cv2.imwrite(fcheck_{fname}, img)逻辑说明读取图片后拿到实际像素尺寸把归一化坐标还原成像素坐标用cv2画框和类别id。这样做一次能看到标注框与真实物体轮廓的重合程度。参数说明class id这里直接取整数画在框上方。如果发现满溢垃圾桶的框把旁边的建筑也框进去了说明标注偏大如果只框住桶盖说明偏小。这类问题趁没训练前修掉成本最低。3. 训练配置与100个epoch超参数怎么设才不翻车数据集没问题之后接下来就是环境配置和训练参数。YOLOV5这个版本是2020年开源的经典分支社区资料最多遇到问题搜一下基本都能找到答案。环境配置别用最新版Python常见做法是装Python 3.9坑最少。这章把从零到跑通训练的命令和参数讲清楚。3.1 环境准备与依赖安装YOLOV5官方仓库依赖PyTorch和一堆图像处理库老手一般用conda建独立环境避免和别的项目互相污染依赖版本。我这边按常见做法给一套能稳定跑通的环境组合conda create -n yolo python3.9 -y conda activate yolo cd yolov5 pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple逻辑说明conda创建独立Python环境requirements.txt里锁定了torch、opencv-python、numpy、pandas等核心依赖版本。加清华镜像源是为了在国内网络环境下下载快一点如果已经全局配置过镜像可以不加。参数说明Python版本选3.9而不是3.11是因为YOLOV5官方测试环境主要针对3.8到3.103.11上偶尔会遇到依赖编译失败。如果机器有NVIDIA显卡建议先确认nvidia-smi驱动版本再装对应CUDA版PyTorch纯CPU机器也能训练只是速度会慢十倍以上。3.2 data.yaml的核心字段与常见填错YOLOV5训练不读json所有数据集信息都写在data.yaml里。项目里的数据配置文件要自己建一个指向刚才确认过的目录。这一步是最容易出错的地方路径写法、类别数量、类别名字顺序任何一个和实际不一致训练过程都会出问题。# data.yaml 训练配置文件 train: datasets/images/train val: datasets/images/val nc: 3 names: 0: overflowing 1: normal 2: garbage逻辑说明train和val字段指向的是图片目录YOLOV5会自动把路径中的images替换成labels去找同名txt所以标签目录不需要写在这里。nc是类别总数3names按索引顺序定义类名。参数说明train路径支持相对路径和绝对路径相对路径是相对于你执行train.py的位置。如果写成datasets/images/train/带末尾斜杠也可以但不要写成datasets/labels/train否则YOLOV5会去labels里找labels直接报找不到。项目自带的README里有对每个文件的说明训练前翻一遍能省不少排查时间。3.3 训练命令、断点续训与显存控制环境配好、yaml写好就可以启动训练。项目迭代了100个epoch且mAP0.5到0.91说明这套超参数对这个数据集是有效的。我按这个配置给你可复现的训练命令python train.py \ --data data.yaml \ --weights yolov5s.pt \ --epochs 100 \ --batch-size 16 \ --imgsz 640 \ --workers 4 \ --cache \ --name trash_run逻辑说明train.py读取data.yaml中的数据集配置加载yolov5s.pt预训练权重做迁移学习按设定epoch数迭代训练每轮结束后在验证集上算mAP并保存权重。--cache参数把图片缓存到内存减少磁盘IO等待能明显提速。参数说明--weights选择模型大小yolov5s是small版本速度和精度平衡适合边缘部署显存充足可以换yolov5l精度会略高但训练时间翻倍。--batch-size 16在8G显存上比较稳显存小就降到8大显存可以开到32。--name指定本次训练的文件夹名runs/train/trash_run里会存放权重和曲线图。如果中途断了想继续加--resume runs/train/trash_run/weights/last.pt即可不用重新从头跑。训练过程中如果看到loss曲线震荡不下降常见做法是调低学习率。默认lr0是0.01我一般遇到震荡先改成0.001试跑30个epoch观察稳定后再加大。4. 训练产物与指标解读mAP0.50.91背后的四个文件训练跑完runs/train/trash_run目录下会生成一堆文件。很多人只知道best.pt能用来推理其实混淆矩阵、PR曲线、results.csv这几个文件才是判断模型好坏的关键依据。项目里保存了全部100个epoch的结果进阶玩家可以直接通过这些文件复盘整个训练过程。4.1 runs目录里到底存了些什么训练结束后最重要的产物是weights下的两个权重文件best.pt是验证集上mAP最高的那一轮权重last.pt是最后一轮权重。两者用途不同推理用best.pt想继续训练用last.pt。| 文件/目录 | 内容 | 什么时候看它 | | weights/best.pt | 验证集最优权重 | 推理、导出、部署 | | weights/last.pt | 最后一次epoch权重 | 断点续训 | | results.csv | 每个epoch的loss和mAP指标 | 判断收敛情况 | | confusion_matrix.png | 验证集混淆矩阵 | 看哪两类容易混 | | PR_curve.png | 各类别PR曲线 | 选置信度阈值 | | F1_curve.png | F1分数与阈值关系 | 选置信度阈值 | | detect/ | 推理结果图 | 直观确认效果 |这个项目的runs/detect目录下保存了全部验证图片的推理结果框画得很干净直接翻一遍就能对模型能力有个整体印象比自己跑一次推理还省事。4.2 results.csv怎么看收敛results.csv记录了每个epoch的box loss、obj loss、cls loss以及精度指标是判断训练是否收敛最直接的数值来源。我习惯用Python读最后几行看看尾部指标import csv with open(runs/train/trash_run/results.csv) as f: rows list(csv.reader(f)) header rows[0] for row in rows[-3:]: record dict(zip(header, row)) print(fepoch {record[epoch]}: fmAP0.5{record[mAP0.5]}, fmAP0.5:0.95{record[mAP0.5:0.95]}, fbox_loss{record[box_loss]})逻辑说明results.csv第一行是表头每一行对应一个epoch的指标。用字典把表头和数值对齐取最后三行看尾部值。如果尾部mAP还在上升说明100个epoch不够可以追加训练。参数说明这里的mAP0.5表示IoU阈值为0.5时的平均精度mAP0.5:0.95是0.5到0.95每间隔0.05算一个IoU阈值再取平均。项目结果mAP0.50.91说明检测框位置够准mAP0.5:0.950.73说明高IoU要求下也有不错的定位精度日常监控场景足够用。4.3 混淆矩阵与PR曲线的读法confusion_matrix.png是一张N1行N1列的图行是真实类别列是预测类别对角线上的值越高越好。对垃圾检测这类场景最需要注意的就是满溢垃圾桶和未满溢垃圾桶是否互相混淆因为这两类外形相似只有桶内垃圾高度有区别。如果混淆矩阵里这两类交叉值超过0.2就得考虑加训练数据或者调整损失权重。PR_curve.png横轴是召回率、纵轴是精确率曲线越靠近右上角越好。箱线图边上会标出每个类别的AP值。这张图还帮你决定推理时的置信度阈值——曲线拐点对应的conf值就是甜点区太低会引入大量误检太高会漏掉真正的满溢垃圾桶。F1_curve.png直接画出F1随阈值变化的曲线最高点对应的阈值就是这个模型在当前数据集上最优的置信度设定。5. 排查与避坑目标检测训练最常见的五个翻车点YOLOV5虽然成熟但训练过程中的坑一点不少。这一章把这套项目实际训练中可能遇到的五个典型问题列出来每条按现象、原因、解决三步拆开。全是血泪经验照着排查能省下大半天时间。5.1 loss变成nan现象训练跑到几十个epoch时终端打印的loss突然变成nan精度指标也跟着消失之后所有数值都是nan。原因最常见是学习率过大导致梯度爆炸其次是因为标签坐标出现越界值归一化坐标大于1或小于0计算损失时梯度异常。还有一种情况是数据里有损坏的图片文件解码出来的数组是空的。解决先把学习率从默认0.01降到0.001重启训练观察前20个epoch的loss曲线。如果还出现nan回头跑前面那段标签检查脚本把所有txt里超过范围的值打印出来人工修正。最后用file命令扫一遍图片目录把损坏的图片移出去。5.2 百度网盘解压后代码识别txt文件失败现象从网盘下载压缩包解压后训练时报错提示找不到标签文件或者标签文件被识别为空。原因部分网盘工具在Windows上会把txt文件名做处理或者解压时把扩展名改了。YOLOV5通过图片同名匹配txt文件名对不上就直接跳过。解决把图片名和文件名做一次交集比对找到缺失的对应用脚本批量改回一致。更省事的办法是重新解压到纯英文路径避免中文路径和编码干扰。5.3 mAP高但推理时漏检现象验证集mAP0.5有0.9以上但用detect.py推理视频或摄像头画面时某些明显满溢的垃圾桶没被框出来。原因验证集评估时用的是多尺度测试和集成推理时默认单尺度且置信度阈值偏高。另外训练图片里的垃圾桶都是近距离大目标实际场景摄像头离得远目标变小后小目标检出率下降。解决推理时把--conf降到0.15试一遍漏检会明显减少代价是误检变多。把--imgsz从640提到1280也能提升小目标检出但推理速度会下降。根本办法是收集更多远距离样本补充训练。5.4 类别数量对不上现象训练正常结束但推理时只识别出两类第三类完全不出现。原因data.yaml里nc写的值和标签里实际出现的类别id不匹配。最常见是把nc写成了2或者names里类别名字顺序和标注文件里的id对应错位比如把garbage写到了索引1的位置。解决重新跑类别分布统计脚本看txt里实际出现几个类别id把data.yaml的nc改成实际数量再核对names顺序。这里没有一个参数能自动修复必须人工对齐。5.5 显存溢出现象训练刚开始就报CUDA out of memory进程直接退出。原因batch-size设得太大输入分辨率640加上默认开启的多次缩放和增强一次性占满显存。8G显存开batch-size 16比较临界如果图片尺寸大就会爆。解决batch-size降到8workers降到4关闭--cache让图片按需读取。如果还要跑大模型可以加--rect参数按长宽比分组训练降低显存峰值。我一般先以8跑通确认资源够用再往上调。6. 推理与模型导出把best.pt用到实际场景的验证方法训练完的best.pt不能只在训练集上自嗨最终要落到实际场景跑推理。第一步用detect.py在验证集上再跑一遍和runs/detect里保存的结果对比第二步导出ONNX为边缘部署做准备。python detect.py \ --weights runs/train/trash_run/weights/best.pt \ --source datasets/images/val \ --conf 0.25 \ --iou 0.45逻辑说明detect.py加载best.pt对source指定的图片或视频逐帧推理画框后保存到runs/detect目录。--conf是置信度阈值、--iou是NMS的IoU阈值这两个参数就是YOLOV5后处理阶段的核心控制点。参数说明--source支持图片目录、视频文件、摄像头编号输出默认存到runs/detect/exp。如果发现满溢垃圾桶没被检出把conf降到0.15看效果如果发现同一目标出现两个框提高iou到0.5压制重复框。确认PyTorch推理没问题后下一步是导出ONNX。用Python做服务端推理时ONNX比PyTorch原生模型更通用换成树莓派5这类ARM设备也能跑python export.py \ --weights runs/train/trash_run/weights/best.pt \ --include onnx \ --imgsz 640 \ --batch-size 1逻辑说明export.py把best.pt转成ONNX格式ONNX本身不支持NMS后处理导出时默认会把后处理以额外输出节点保留下来部署时用onnxruntime配合nms即可。参数说明--batch-size 1固定单batch动态batch导出会在部分部署框架上报错固定1最稳。--imgsz要和推理时一致否则输出尺寸对不上。部署到树莓派5这类设备时ONNX需要配合onnxruntime或rknn-toolkit使用直接跑PyTorch模型很吃力内存和CPU都扛不住。从那以后我每次拿到新数据集都强制走一遍标签体检流程先统计空标签和类别分布再检查坐标范围最后随机抽三张图把框画出来确认然后才启动训练。这个流程救过我太多次了希望帮到你。本文还有配套的精品资源点击获取
