1. 为什么猫狗检测值得单独做一个数据集项目猫狗检测听起来像是目标检测里的“Hello World”但真要把这件事做扎实你会发现它远没有想象中那么简单。我前后经手过三个跟宠物识别相关的项目从最开始拿公开数据集凑合到后来自己标注、清洗、增强踩过的坑足够写一篇长文。这次要聊的这套猫狗检测数据集规模是4300张采用YOLO格式标注专门面向宠物识别场景。它解决的核心问题是让做目标检测的人能快速拿到一份干净、可直接训练、类别定义清晰的猫狗数据而不用花两三周时间去爬图、去重、手动画框。什么人适合看这份经验如果你正在做目标检测入门练手或者要给智能喂食器、宠物摄像头、宠物门禁这类产品做算法原型再或者你手上有YOLO系列模型想找个真实场景验证效果这套数据都能直接用。哪怕你是刚接触YOLO训练的新手只要跟着我把流程走一遍也能在半天内跑出第一个可用的猫狗检测模型。下面我会从数据集设计思路、标注细节、训练实操、问题排查几个维度把我知道的全倒出来。2. 数据集整体设计与标注思路拆解2.1 为什么是4300张这个量级很多人一上来就问4300张够不够这个问题得拆开看。目标检测里数据量够不够取决于三个变量类别数、场景复杂度、模型容量。猫狗检测只有2个类别cat、dog类别数极少这意味着模型要学的类间差异很有限。相比之下COCO那种80类数据集每类至少需要几千张才能撑起来而2类任务对数据量的需求会低一个数量级。4300张这个规模如果场景相对集中比如室内、家庭环境为主训练一个YOLOv8n或YOLOv5s这种轻量模型是绰绰有余的。我实测过2类任务在3000张左右就能让mAP50稳定在0.85以上4300张主要是为了覆盖更多姿态、光照和遮挡情况提升泛化能力。如果你要做的是高精度场景比如宠物医院的身份核验那可能需要上万张但如果是消费级产品原型这个量级完全够用。这里有个经验值可以参考单类目标检测的经验下限大约是1500到2000个实例。4300张图里猫狗实例总数通常在5000到8000之间取决于每张图的目标数平均每类2500到4000个实例属于“够用且略有冗余”的区间。冗余是好事因为你可以留出一部分做验证和测试还能做数据增强的底料。2.2 YOLO格式标注的关键约定这套数据用的是YOLO格式也就是每张图对应一个.txt文件每行是一个目标格式为class_id x_center y_center width height其中坐标都是归一化到0到1之间的浮点数。class_id从0开始通常约定0是cat1是dog但不同来源的数据集可能反过来用之前一定要看classes.txt或data.yaml。我见过太多人栽在格式细节上。举几个真实踩过的坑有的数据集坐标没归一化直接写了像素值训练时loss直接爆炸有的把宽高写成了左上右下角坐标模型学出来框全是错的还有的class_id从1开始导致训练时报“label out of range”。所以拿到任何YOLO数据集第一件事不是急着训练而是写个脚本抽查几十个标注文件确认格式无误。提示YOLO格式的坐标是相对于图像宽高的归一化值不是像素值。如果你自己转换VOC或COCO格式务必先除以图像宽高。2.3 类别定义与场景覆盖的取舍猫狗检测看似简单但“猫”和“狗”这两个类别内部差异极大。猫有长毛短毛、有折耳立耳狗更是从吉娃娃到阿拉斯加跨度惊人。如果数据集里只包含某几个品种模型很容易过拟合到品种特征上遇到没见过的品种就翻车。这套4300张的数据从我拿到的样本看品种覆盖还算均衡包含了常见的家猫、橘猫、狸花、布偶、英短狗的方面有泰迪、金毛、柯基、哈士奇、中华田园犬等。场景上以室内为主也有部分户外草地、公园、街道。这种分布适合家庭宠物识别场景但如果你要做的是流浪动物监测可能需要补充更多复杂背景和远距离小目标样本。另一个取舍点是是否区分品种。有人会问能不能把类别细化成“橘猫”“金毛”这种。我的建议是除非你有明确的品种识别需求否则不要细化。原因很简单品种标注的一致性极难保证同一只猫不同角度可能被标成不同品种反而引入噪声。猫狗二分类是性价比最高的方案需要品种信息时再叠加一个分类模型即可。3. 核心细节解析与实操要点3.1 数据清洗比标注更重要的环节拿到数据集后别急着开训。我一般会花半天做数据清洗这一步的收益远大于多训几个epoch。清洗主要做四件事第一去重。用感知哈希pHash或简单的MD5比对把完全重复或高度相似的图删掉。重复图会导致验证集泄漏mAP虚高实际部署时性能断崖式下跌。我遇到过一份数据集4300张里有近400张是重复的删完之后模型泛化明显变好。第二剔除坏图。包括纯黑纯白图、严重模糊图、标注框明显错位的图。可以写个脚本统计每张图的亮度均值和拉普拉斯方差把异常值挑出来人工过一遍。第三检查标注完整性。有些图里有猫有狗但只标了猫这种漏标对训练伤害很大模型会把狗当成背景学。可以用一个简单办法拿一个预训练的COCO模型跑一遍推理把预测框和标注框做IoU比对IoU低但置信度高的区域大概率是漏标。第四类别平衡检查。统计cat和dog的实例数如果比例超过3:1就要考虑对少样本类做过采样或增强。猫狗数据一般比较均衡但也要确认一下。3.2 数据增强策略的选择YOLO训练默认自带Mosaic、HSV抖动、随机翻转等增强。对于猫狗检测我的经验是Mosaic可以用但要注意尺度。Mosaic把4张图拼成1张会让目标变小、场景变复杂对小目标检测有帮助但猫狗通常占图比例较大过度Mosaic反而让模型学到不真实的上下文。我一般会把Mosaic的概率从默认的1.0降到0.5到0.7训练后期再关掉。HSV增强色调、饱和度、亮度抖动对猫狗很有用因为不同光照下毛色差异明显适度抖动能提升鲁棒性。随机翻转也可以用但要注意如果数据里有大量“猫在左边、狗在右边”的构图偏差翻转能打破这种偏差。不建议用的增强随机旋转大角度猫狗有明确上下方向旋转90度会变成不自然的姿态、Cutout遮挡关键部位如头部反而有害。如果你要做的是监控场景可以加一些模拟运动模糊的增强。3.3 训练集、验证集、测试集的划分划分比例没有绝对标准2类任务我通常用8:1:1。但关键是划分要保证分布一致。不能出现训练集全是室内、测试集全是户外的情况。我的做法是按场景分层抽样先把图片按背景粗分成室内、户外、混合三类然后在每类里按8:1:1切分。还有一个细节同一只猫或狗的多张图要放在同一个集合里。如果同一只宠物的照片既出现在训练集又出现在验证集验证指标会虚高。虽然猫狗数据集里很难追踪个体身份但可以通过图像相似度聚类把相似图分到同一组再划分。4. 实操过程与核心环节实现4.1 环境搭建与依赖安装我习惯用conda建独立环境避免和系统Python打架。以下是我常用的配置流程基于Ultralytics的YOLOv8因为它的API最简洁对新手最友好。conda create -n petdet python3.10 -y conda activate petdet pip install ultralytics opencv-python numpy pandas matplotlib如果你有GPU确认一下CUDA版本和PyTorch是否匹配。用nvidia-smi看驱动支持的CUDA版本然后去PyTorch官网找对应安装命令。CPU也能训但4300张图用CPU训YOLOv8n大概要几个小时一轮不推荐。安装完之后跑一句yolo checks确认环境没问题。这一步会输出PyTorch版本、CUDA是否可用、依赖是否齐全。我见过有人跳过这步结果训练时才发现装的是CPU版PyTorch白等半天。4.2 数据集目录组织与配置文件YOLO要求特定的目录结构我一般这样组织pet_dataset/ ├── images/ │ ├── train/ │ ├── val/ │ └── test/ ├── labels/ │ ├── train/ │ ├── val/ │ └── test/ └── data.yamldata.yaml内容如下path: /absolute/path/to/pet_dataset train: images/train val: images/val test: images/test nc: 2 names: [cat, dog]注意path要用绝对路径相对路径在不同工作目录下容易出问题。nc是类别数names的顺序必须和标注文件里的class_id对应。如果搞反了模型会把猫叫成狗虽然mAP看起来正常但实际用的时候全错。4.3 从零开始训练一个猫狗检测模型假设你已经把数据放好配置文件写好训练命令就一行yolo detect train datapet_dataset/data.yaml modelyolov8n.pt epochs100 imgsz640 batch16 patience20这里每个参数都有讲究。modelyolov8n.pt用的是COCO预训练权重迁移学习能大幅加快收敛。如果你从随机初始化开始训100轮根本不够。imgsz640是YOLO的标准输入尺寸猫狗目标通常较大640够用如果数据里有很多小目标可以提到1280但显存占用会翻倍。batch16是常见起点显存不够就降到8或4。patience20是早停验证指标20轮不提升就停省时间。训练过程中重点看几个指标box_loss应该稳步下降mAP50逐步上升。如果loss震荡剧烈可能是学习率太大或batch太小如果mAP一直不涨检查数据标注是否有问题。4.4 推理与效果验证训练完模型权重在runs/detect/train/weights/best.pt。用它对单张图或视频推理yolo detect predict modelruns/detect/train/weights/best.pt sourcetest_image.jpg conf0.25 saveTrueconf0.25是置信度阈值低于这个值的框不显示。实际部署时这个值要调宁可漏检不要误检就调高反之调低。我一般会在验证集上画PR曲线找一个F1最大的阈值。验证模型好坏不能只看mAP。我会额外做几件事一是拿一些训练集里没有的品种图测试看泛化二是测试遮挡场景比如猫躲在沙发后只露个头三是测试多目标场景一张图里三猫两狗看能不能全检出来。这些才是真实场景里最常遇到的情况。5. 常见问题与排查技巧实录5.1 训练不收敛或loss爆炸这是新手最常见的问题。原因通常有三个标注格式错误、学习率过大、数据里有坏样本。排查顺序是先抽查标注文件确认坐标在0到1之间、class_id在有效范围再用小学习率比如0.001跑几轮看loss是否下降最后用脚本筛出标注框面积异常过大或过小的图。我遇到过一次loss爆炸查了半天发现是某张图的标注文件里有个坐标写成了1.5超出归一化范围。YOLO对这种情况不会报错但会算出错误的loss。所以数据校验脚本一定要写。5.2 mAP虚高但实际效果差这通常是数据泄漏或验证集分布问题。检查两点训练集和验证集有没有重复图验证集场景是否和训练集过于相似。解决办法是重新划分用相似度聚类确保同一只宠物的图不跨集合。还有一种可能是过拟合。4300张图训100轮如果模型参数量大比如YOLOv8x很容易过拟合。看训练日志里的val/box_loss如果它先降后升就是过拟合了。对策是减模型容量、加增强、加早停。5.3 猫狗互相误检猫和狗在轮廓上有相似之处尤其是小型犬和大型猫。如果误检严重可以尝试提高输入分辨率让模型看到更多细节在损失函数里对难样本加权或者引入更强的backbone。我试过把imgsz从640提到960误检率明显下降但推理速度慢了约40%。5.4 小目标漏检如果数据里有远距离的猫狗漏检会很严重。对策包括提高输入尺寸、用带P2层的YOLO变体专门检测小目标、在数据增强里减少Mosaic概率Mosaic会让目标更小。另外标注时对小目标要格外仔细框要贴紧。问题现象可能原因排查方法解决方向loss爆炸标注越界、学习率过大抽查标注、降学习率修正标注、调小lrmAP虚高数据泄漏、过拟合查重复图、看val loss重划分、加增强猫狗误检分辨率不足、特征混淆看混淆矩阵提分辨率、换backbone小目标漏检输入尺寸小、增强过度看小目标召回率提尺寸、减Mosaic5.5 部署时的性能优化训练完只是第一步部署才是真考验。如果目标是边缘设备YOLOv8n在CPU上大概能跑到10到20FPS够用。要更快可以导出ONNX或TensorRT速度能提升2到3倍。导出命令yolo export modelbest.pt formatonnx imgsz640导出后记得用onnxruntime验证一下输出和原模型一致。我遇到过导出后坐标偏移的问题原因是预处理没对齐排查花了很久。注意导出ONNX时输入尺寸、归一化方式必须和训练时一致否则推理结果会错乱。6. 数据集扩展与模型改进的几点思路如果你已经用这套4300张数据跑通了baseline想进一步提升我有几个方向可以试。第一是半自动标注扩充用训好的模型对新图做预标注人工修正后加入训练集这样扩充效率比纯手工高5到10倍。第二是引入难例挖掘把验证集里误检漏检的图挑出来重点标注和训练。第三是多模态融合如果场景允许加入红外或深度信息对夜间和遮挡场景帮助很大。模型层面可以试Efficient Head这类改进在检测头部分做轻量化速度提升明显。也可以试YOLO和Transformer结合的结构对大目标和小目标同时友好。但这些改进的前提是baseline已经调好否则你分不清是改进有效还是数据问题。最后分享一个我自己的习惯每次训练都保存完整的日志和配置文件包括数据版本、超参、随机种子。过一个月回头看你能清楚知道哪个改动带来了提升。猫狗检测数据集本身不复杂但把它用透能帮你建立起一整套目标检测的工程方法论这套方法论迁移到其他类别上同样管用。
猫狗检测数据集实战：4300张YOLO格式标注与训练全流程
1. 为什么猫狗检测值得单独做一个数据集项目猫狗检测听起来像是目标检测里的“Hello World”但真要把这件事做扎实你会发现它远没有想象中那么简单。我前后经手过三个跟宠物识别相关的项目从最开始拿公开数据集凑合到后来自己标注、清洗、增强踩过的坑足够写一篇长文。这次要聊的这套猫狗检测数据集规模是4300张采用YOLO格式标注专门面向宠物识别场景。它解决的核心问题是让做目标检测的人能快速拿到一份干净、可直接训练、类别定义清晰的猫狗数据而不用花两三周时间去爬图、去重、手动画框。什么人适合看这份经验如果你正在做目标检测入门练手或者要给智能喂食器、宠物摄像头、宠物门禁这类产品做算法原型再或者你手上有YOLO系列模型想找个真实场景验证效果这套数据都能直接用。哪怕你是刚接触YOLO训练的新手只要跟着我把流程走一遍也能在半天内跑出第一个可用的猫狗检测模型。下面我会从数据集设计思路、标注细节、训练实操、问题排查几个维度把我知道的全倒出来。2. 数据集整体设计与标注思路拆解2.1 为什么是4300张这个量级很多人一上来就问4300张够不够这个问题得拆开看。目标检测里数据量够不够取决于三个变量类别数、场景复杂度、模型容量。猫狗检测只有2个类别cat、dog类别数极少这意味着模型要学的类间差异很有限。相比之下COCO那种80类数据集每类至少需要几千张才能撑起来而2类任务对数据量的需求会低一个数量级。4300张这个规模如果场景相对集中比如室内、家庭环境为主训练一个YOLOv8n或YOLOv5s这种轻量模型是绰绰有余的。我实测过2类任务在3000张左右就能让mAP50稳定在0.85以上4300张主要是为了覆盖更多姿态、光照和遮挡情况提升泛化能力。如果你要做的是高精度场景比如宠物医院的身份核验那可能需要上万张但如果是消费级产品原型这个量级完全够用。这里有个经验值可以参考单类目标检测的经验下限大约是1500到2000个实例。4300张图里猫狗实例总数通常在5000到8000之间取决于每张图的目标数平均每类2500到4000个实例属于“够用且略有冗余”的区间。冗余是好事因为你可以留出一部分做验证和测试还能做数据增强的底料。2.2 YOLO格式标注的关键约定这套数据用的是YOLO格式也就是每张图对应一个.txt文件每行是一个目标格式为class_id x_center y_center width height其中坐标都是归一化到0到1之间的浮点数。class_id从0开始通常约定0是cat1是dog但不同来源的数据集可能反过来用之前一定要看classes.txt或data.yaml。我见过太多人栽在格式细节上。举几个真实踩过的坑有的数据集坐标没归一化直接写了像素值训练时loss直接爆炸有的把宽高写成了左上右下角坐标模型学出来框全是错的还有的class_id从1开始导致训练时报“label out of range”。所以拿到任何YOLO数据集第一件事不是急着训练而是写个脚本抽查几十个标注文件确认格式无误。提示YOLO格式的坐标是相对于图像宽高的归一化值不是像素值。如果你自己转换VOC或COCO格式务必先除以图像宽高。2.3 类别定义与场景覆盖的取舍猫狗检测看似简单但“猫”和“狗”这两个类别内部差异极大。猫有长毛短毛、有折耳立耳狗更是从吉娃娃到阿拉斯加跨度惊人。如果数据集里只包含某几个品种模型很容易过拟合到品种特征上遇到没见过的品种就翻车。这套4300张的数据从我拿到的样本看品种覆盖还算均衡包含了常见的家猫、橘猫、狸花、布偶、英短狗的方面有泰迪、金毛、柯基、哈士奇、中华田园犬等。场景上以室内为主也有部分户外草地、公园、街道。这种分布适合家庭宠物识别场景但如果你要做的是流浪动物监测可能需要补充更多复杂背景和远距离小目标样本。另一个取舍点是是否区分品种。有人会问能不能把类别细化成“橘猫”“金毛”这种。我的建议是除非你有明确的品种识别需求否则不要细化。原因很简单品种标注的一致性极难保证同一只猫不同角度可能被标成不同品种反而引入噪声。猫狗二分类是性价比最高的方案需要品种信息时再叠加一个分类模型即可。3. 核心细节解析与实操要点3.1 数据清洗比标注更重要的环节拿到数据集后别急着开训。我一般会花半天做数据清洗这一步的收益远大于多训几个epoch。清洗主要做四件事第一去重。用感知哈希pHash或简单的MD5比对把完全重复或高度相似的图删掉。重复图会导致验证集泄漏mAP虚高实际部署时性能断崖式下跌。我遇到过一份数据集4300张里有近400张是重复的删完之后模型泛化明显变好。第二剔除坏图。包括纯黑纯白图、严重模糊图、标注框明显错位的图。可以写个脚本统计每张图的亮度均值和拉普拉斯方差把异常值挑出来人工过一遍。第三检查标注完整性。有些图里有猫有狗但只标了猫这种漏标对训练伤害很大模型会把狗当成背景学。可以用一个简单办法拿一个预训练的COCO模型跑一遍推理把预测框和标注框做IoU比对IoU低但置信度高的区域大概率是漏标。第四类别平衡检查。统计cat和dog的实例数如果比例超过3:1就要考虑对少样本类做过采样或增强。猫狗数据一般比较均衡但也要确认一下。3.2 数据增强策略的选择YOLO训练默认自带Mosaic、HSV抖动、随机翻转等增强。对于猫狗检测我的经验是Mosaic可以用但要注意尺度。Mosaic把4张图拼成1张会让目标变小、场景变复杂对小目标检测有帮助但猫狗通常占图比例较大过度Mosaic反而让模型学到不真实的上下文。我一般会把Mosaic的概率从默认的1.0降到0.5到0.7训练后期再关掉。HSV增强色调、饱和度、亮度抖动对猫狗很有用因为不同光照下毛色差异明显适度抖动能提升鲁棒性。随机翻转也可以用但要注意如果数据里有大量“猫在左边、狗在右边”的构图偏差翻转能打破这种偏差。不建议用的增强随机旋转大角度猫狗有明确上下方向旋转90度会变成不自然的姿态、Cutout遮挡关键部位如头部反而有害。如果你要做的是监控场景可以加一些模拟运动模糊的增强。3.3 训练集、验证集、测试集的划分划分比例没有绝对标准2类任务我通常用8:1:1。但关键是划分要保证分布一致。不能出现训练集全是室内、测试集全是户外的情况。我的做法是按场景分层抽样先把图片按背景粗分成室内、户外、混合三类然后在每类里按8:1:1切分。还有一个细节同一只猫或狗的多张图要放在同一个集合里。如果同一只宠物的照片既出现在训练集又出现在验证集验证指标会虚高。虽然猫狗数据集里很难追踪个体身份但可以通过图像相似度聚类把相似图分到同一组再划分。4. 实操过程与核心环节实现4.1 环境搭建与依赖安装我习惯用conda建独立环境避免和系统Python打架。以下是我常用的配置流程基于Ultralytics的YOLOv8因为它的API最简洁对新手最友好。conda create -n petdet python3.10 -y conda activate petdet pip install ultralytics opencv-python numpy pandas matplotlib如果你有GPU确认一下CUDA版本和PyTorch是否匹配。用nvidia-smi看驱动支持的CUDA版本然后去PyTorch官网找对应安装命令。CPU也能训但4300张图用CPU训YOLOv8n大概要几个小时一轮不推荐。安装完之后跑一句yolo checks确认环境没问题。这一步会输出PyTorch版本、CUDA是否可用、依赖是否齐全。我见过有人跳过这步结果训练时才发现装的是CPU版PyTorch白等半天。4.2 数据集目录组织与配置文件YOLO要求特定的目录结构我一般这样组织pet_dataset/ ├── images/ │ ├── train/ │ ├── val/ │ └── test/ ├── labels/ │ ├── train/ │ ├── val/ │ └── test/ └── data.yamldata.yaml内容如下path: /absolute/path/to/pet_dataset train: images/train val: images/val test: images/test nc: 2 names: [cat, dog]注意path要用绝对路径相对路径在不同工作目录下容易出问题。nc是类别数names的顺序必须和标注文件里的class_id对应。如果搞反了模型会把猫叫成狗虽然mAP看起来正常但实际用的时候全错。4.3 从零开始训练一个猫狗检测模型假设你已经把数据放好配置文件写好训练命令就一行yolo detect train datapet_dataset/data.yaml modelyolov8n.pt epochs100 imgsz640 batch16 patience20这里每个参数都有讲究。modelyolov8n.pt用的是COCO预训练权重迁移学习能大幅加快收敛。如果你从随机初始化开始训100轮根本不够。imgsz640是YOLO的标准输入尺寸猫狗目标通常较大640够用如果数据里有很多小目标可以提到1280但显存占用会翻倍。batch16是常见起点显存不够就降到8或4。patience20是早停验证指标20轮不提升就停省时间。训练过程中重点看几个指标box_loss应该稳步下降mAP50逐步上升。如果loss震荡剧烈可能是学习率太大或batch太小如果mAP一直不涨检查数据标注是否有问题。4.4 推理与效果验证训练完模型权重在runs/detect/train/weights/best.pt。用它对单张图或视频推理yolo detect predict modelruns/detect/train/weights/best.pt sourcetest_image.jpg conf0.25 saveTrueconf0.25是置信度阈值低于这个值的框不显示。实际部署时这个值要调宁可漏检不要误检就调高反之调低。我一般会在验证集上画PR曲线找一个F1最大的阈值。验证模型好坏不能只看mAP。我会额外做几件事一是拿一些训练集里没有的品种图测试看泛化二是测试遮挡场景比如猫躲在沙发后只露个头三是测试多目标场景一张图里三猫两狗看能不能全检出来。这些才是真实场景里最常遇到的情况。5. 常见问题与排查技巧实录5.1 训练不收敛或loss爆炸这是新手最常见的问题。原因通常有三个标注格式错误、学习率过大、数据里有坏样本。排查顺序是先抽查标注文件确认坐标在0到1之间、class_id在有效范围再用小学习率比如0.001跑几轮看loss是否下降最后用脚本筛出标注框面积异常过大或过小的图。我遇到过一次loss爆炸查了半天发现是某张图的标注文件里有个坐标写成了1.5超出归一化范围。YOLO对这种情况不会报错但会算出错误的loss。所以数据校验脚本一定要写。5.2 mAP虚高但实际效果差这通常是数据泄漏或验证集分布问题。检查两点训练集和验证集有没有重复图验证集场景是否和训练集过于相似。解决办法是重新划分用相似度聚类确保同一只宠物的图不跨集合。还有一种可能是过拟合。4300张图训100轮如果模型参数量大比如YOLOv8x很容易过拟合。看训练日志里的val/box_loss如果它先降后升就是过拟合了。对策是减模型容量、加增强、加早停。5.3 猫狗互相误检猫和狗在轮廓上有相似之处尤其是小型犬和大型猫。如果误检严重可以尝试提高输入分辨率让模型看到更多细节在损失函数里对难样本加权或者引入更强的backbone。我试过把imgsz从640提到960误检率明显下降但推理速度慢了约40%。5.4 小目标漏检如果数据里有远距离的猫狗漏检会很严重。对策包括提高输入尺寸、用带P2层的YOLO变体专门检测小目标、在数据增强里减少Mosaic概率Mosaic会让目标更小。另外标注时对小目标要格外仔细框要贴紧。问题现象可能原因排查方法解决方向loss爆炸标注越界、学习率过大抽查标注、降学习率修正标注、调小lrmAP虚高数据泄漏、过拟合查重复图、看val loss重划分、加增强猫狗误检分辨率不足、特征混淆看混淆矩阵提分辨率、换backbone小目标漏检输入尺寸小、增强过度看小目标召回率提尺寸、减Mosaic5.5 部署时的性能优化训练完只是第一步部署才是真考验。如果目标是边缘设备YOLOv8n在CPU上大概能跑到10到20FPS够用。要更快可以导出ONNX或TensorRT速度能提升2到3倍。导出命令yolo export modelbest.pt formatonnx imgsz640导出后记得用onnxruntime验证一下输出和原模型一致。我遇到过导出后坐标偏移的问题原因是预处理没对齐排查花了很久。注意导出ONNX时输入尺寸、归一化方式必须和训练时一致否则推理结果会错乱。6. 数据集扩展与模型改进的几点思路如果你已经用这套4300张数据跑通了baseline想进一步提升我有几个方向可以试。第一是半自动标注扩充用训好的模型对新图做预标注人工修正后加入训练集这样扩充效率比纯手工高5到10倍。第二是引入难例挖掘把验证集里误检漏检的图挑出来重点标注和训练。第三是多模态融合如果场景允许加入红外或深度信息对夜间和遮挡场景帮助很大。模型层面可以试Efficient Head这类改进在检测头部分做轻量化速度提升明显。也可以试YOLO和Transformer结合的结构对大目标和小目标同时友好。但这些改进的前提是baseline已经调好否则你分不清是改进有效还是数据问题。最后分享一个我自己的习惯每次训练都保存完整的日志和配置文件包括数据版本、超参、随机种子。过一个月回头看你能清楚知道哪个改动带来了提升。猫狗检测数据集本身不复杂但把它用透能帮你建立起一整套目标检测的工程方法论这套方法论迁移到其他类别上同样管用。
