简介面向人工智能目标检测学习与研究的高质量图像数据集基于潜艇卫星图构建包含1000张已标注图片每张尺寸为1024×1024像素标注文件采用XML格式记录潜艇位置边界框适合用于训练YOLO、Faster R-CNN或Mask R-CNN等主流检测模型。压缩包内含2001个文件包括1000张jpg原始图像、1000份xml标注文件及1份info.txt说明文档整体大小345.83MB文件按images与annotations分类存放便于批量读取和训练流程对接。该数据集已在CSDN平台被1685人学习下载可作为目标检测入门实践、水下目标识别研究以及海洋安全监控等任务的实验基础尤其适合需要标准标注数据的开发者。基于此数据集使用者可以完整走通数据预处理、模型训练、验证与测试全流程还能针对水下场景探索数据增强与迁移学习策略有效节省自建数据集的采集和标注成本。1. 潜艇卫星图目标检测为什么值得自己跑一遍卫星图上的目标检测和自然场景不一样视场大、目标小、背景全是海面纹理和云层。潜艇在水面上可能只占整张1024×1024图像几十个像素模型很容易把浪花误判成目标也可能让真实目标淹没在背景里。这个数据集正好用来验证这条完整链路——1000张标注过的潜艇卫星图每张都有边界框类别只有潜艇看起来“简单”但跑一轮你会发现小目标检测的典型坑一个都不少。适合刚入门目标检测但不想拿MNIST当玩具的人也适合做水下目标识别、海洋监控相关实验的研究者。数据量不大单张GPU就能跑先用它把数据解析、格式转换、训练验证、调优推理的流程走通再迁移到更大的遥感数据集上会顺手很多。2. 数据集结构解析与标注格式归一化拿到压缩包先别急着训练先把目录和标注格式看清楚。这个数据集压缩包内分成三个部分info.txt记录图片总数、尺寸、类别和标注信息annotations文件夹保存每张图的边界框images文件夹存实际的卫星图像。很多项目不是模型跑不动而是数据加载阶段就错了——坐标没归一化、类别编号没对上、标签索引越界最后损失曲线是一团乱麻。2.1 先用info.txt建立数据清单info.txt是文本文件内容可能是统计信息也可能是每张图的标签摘要。先直接看前几行head -20 info.txt如果输出类似total: 1000说明只写了总数如果类似submarine-001-0001.jpg: 1说明是逐图标签。我一般会写一个Python脚本把info.txt解析成字段避免后面到处翻原始文件。import re def parse_info(path): meta {} with open(path, r, encodingutf-8) as f: for line in f: line line.strip() if not line or : not in line: continue key, val line.split(:, 1) meta[key.strip()] val.strip() return meta meta parse_info(info.txt) print(meta.get(total_images), meta.get(image_width), meta.get(image_height))这段代码把info.txt里的键值对读成字典后续需要宽高就直接查meta。注意info.txt里可能有注释行如果以#开头需要在parse_info里加一个if line.startswith(#): continue。另外图片文件名虽然是submarine-001-0452.jpg这种连续编号但不同批次的命名前缀可能不一样别硬编码。2.2 判断annotations里的标注格式annotations目录里的文件扩展名决定了解析方式。VOC格式是xml文件内容包含objectbndboxCOCO格式是json通过images和annotations数组关联YOLO格式是txt每行class x_center y_center width height坐标已经归一化。先看一个文件开头head -10 annotations/submarine-001-0445.xmlannotation filenamesubmarine-001-0445.jpg/filename object namesubmarine/name bndbox xmin312/xmin ymin458/ymin xmax386/xmax ymax512/ymax /bndbox /object /annotation这个数据集是单类目标所以每个object下大概率只有一个目标但不要假设总是只有一个。我实际跑的时候遇到过一张图里出现两条潜艇如果解析代码用find而不是findall第二个目标会被静默丢掉。训练时模型看了图却少了一条标注损失对不上直观表现就是训练几轮后mAP一直在低位震荡。2.3 把VOC XML转成YOLO txt并校验坐标YOLO系列训练需要txt格式类别编号从0开始坐标归一化到0到1之间。下面这段代码把VOC XML转成YOLO格式import xml.etree.ElementTree as ET def xml_to_yolo(xml_path, width, height, class_map): tree ET.parse(xml_path) root tree.getroot() lines [] for obj in root.findall(object): name obj.find(name).text if name not in class_map: continue 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) x_center (xmin xmax) / 2 / width y_center (ymin ymax) / 2 / height w (xmax - xmin) / width h (ymax - ymin) / height lines.append(f{cls_id} {x_center:.6f} {y_center:.6f} {w:.6f} {h:.6f}) return lines调用时传入图片宽高和类别映射。这里的宽高不要从XML里的size读直接用info.txt的元信息更可靠因为有些标注工具生成的XML和实际图像尺寸并不同步。转换完以后还要检查结果如果x_center算出来小于0或大于1说明原标注越界了或者图片被旋转过但没有同步更新坐标。遇到越界框常见做法是裁剪到图像边界而不是丢弃整张图因为只有一半目标在画面里依然是有效难例。如果annotations里是COCO JSON解析逻辑类似只是要把annotations数组里的bbox字段读出后再通过image_id关联到images的宽高做归一化。关键点是COCO坐标原点是左上角bbox的宽度和高度可能是0批量转换时要过滤这种异常值。2.4 标注分布统计看目标尺寸与数量单类数据集的标注分布决定训练策略。用matplotlib画边界框宽高散点图和面积直方图import glob import xml.etree.ElementTree as ET import numpy as np sizes [] for xml_file in glob.glob(annotations/*.xml): tree ET.parse(xml_file) for obj in tree.getroot().findall(object): b obj.find(bndbox) x1 int(b.find(xmin).text) y1 int(b.find(ymin).text) x2 int(b.find(xmax).text) y2 int(b.find(ymax).text) sizes.append(((x2 - x1) * (y2 - y1), x2 - x1, y2 - y1)) arr np.array(sizes) print(arr.mean(axis0))如果平均框面积占整图比例小于1%就属于小目标检测后面要针对性调优。这一步很多人跳过直接开训最后mAP上不去才回头看数据分布。此外如果发现某张图的框特别大、附近的文件名序号也连续可能是该图拍摄角度更近模型会学成多尺度特征这对泛化有好处但如果分布极不均匀训练集和验证集切分时要注意平衡。格式扩展名坐标方式是否归一化说明Pascal VOCxmlxmin/ymin/xmax/ymax否人工标注工具常见输出COCOjsonx, y, width, height否需要关联image_id换算原点YOLOtxtx_center, y_center, w, h是直接给训练器使用3. 基于YOLOv8的训练流程与关键参数数据准备好后跑通一个基线模型比追求极端精度更重要。YOLOv8是目前目标检测社区最常用的框架安装一条命令命令行接口统一。流程分四步划分数据集、写data.yaml、训练、验证。3.1 目录组织与train/val/test划分把images和labels放到同一套目录树这是ultralytics的默认约定submarine_dataset/ ├── images/ │ ├── train/ │ ├── val/ │ └── test/ ├── labels/ │ ├── train/ │ ├── val/ │ └── test/ └── data.yaml划分时要保证同名图片和txt同步移动。我习惯按文件名排序后用8:1:1的比例分配随机种子固定。但卫星图有一个坑文件名序号连续往往意味着同一场景的连续帧比如submarine-001-0445到0456可能是同一海域的无人机或卫星连续拍摄。如果随机划分相近帧会同时进入训练集和测试集导致验证mAP虚高。要按序号段分组至少保证连续超过5张的图不被切到两个集合里。3.2 编写data.yamlpath: /home/user/submarine_dataset train: images/train val: images/val test: images/test names: 0: submarine这里names的索引必须和labels txt里的类别编号一致。单类数据集常犯的一个错误是把names写成了{0: submarine, 1: ship}但实际没有第二类目标训练时遇到类别编号1就会报标签索引越界。另外path字段在本地写相对路径没问题但换机器跑时绝对路径会失效建议保持数据集目录和项目路径一致或者用环境变量拼接。3.3 训练命令与关键参数yolo detect train \ datasubmarine_dataset/data.yaml \ modelyolov8m.pt \ epochs100 \ batch16 \ imgsz1024 \ optimizerAdamW \ lr00.001 \ patience20 \ device0imgsz1024必须和数据集原始尺寸一致这样保留潜艇的小目标像素信息。如果把imgsz降到640显存占用变小但原本只有30×30像素的潜艇降采样后只剩十几像素直接漏检。batch16是在单张24G显存卡上的经验值8G卡可以降到batch8同时把epochs加到150收敛效果接近。patience20是早停控制验证集mAP连续20轮不升就停避免过拟合。optimizerAdamW在小batch时比SGD更稳但如果batch大于32我通常换回SGD加动量。超参数推荐值调整方向imgsz1024显存不足时降为640同时开启mosaic增强补偿batch16越大收敛越稳但对小目标不一定更好epochs100-150数据量小无需过久关注早停曲线lr00.001多卡训练可降为0.0005patience20防止在测试集上过拟合训练过程中除了看loss重点看三个指标box_loss反映框回归误差cls_loss反映类别分类误差dfl_loss反映分布焦点损失。如果box_loss持续下降但cls_loss不再变化说明模型已经能定位但对“这是不是潜艇”的判别卡住了这通常对应4.2里的背景误检问题。3.4 验证与测试阶段训练完成后用验证集评估yolo detect val \ modelruns/detect/train/weights/best.pt \ datasubmarine_dataset/data.yaml输出里关注mAP50-95、mAP50、Precision和Recall。这个数据集只有一类如果mAP50高但mAP50-95低说明框的位置还行但尺寸不够准如果两者都低先去查标注不要急着调模型。测试集是最后才用的在训练集和验证集上迭代调参后再在test上跑一次作为最终报告数字。我见过有人把test混进验证集反复改参数最后报告数据好看部署到新图上直接崩根源就在数据划分污染。4. 小目标与海面背景下的调优策略潜艇卫星图是典型的小目标检测问题。目标直径可能只有几十像素背景是海面纹理和云层。默认配置能跑通但精度往往不够需要从分辨率、增强、推理参数和后处理几个方向调整。4.1 分析目标尺寸后决定是否用高分辨率训练在2.4里已经算过框的分布。如果平均框面积占比不到1%把imgsz从1024提高到1280通常能提升2到3个点mAP50代价是显存占用增加约40%。另一种做法是推理阶段使用SAHISlicing Aided Hyper Inference把大图切成小图分别推理再合并对稀疏目标特别有效。这个数据集只有1000张图我建议先不切片直接提高imgsz因为切片会增加额外的后处理复杂度。如果训练时开了mosaic增强四张图拼成一张大图会让目标看起来更小模型被迫学习小目标特征。但mosaic在训练后期容易让loss震荡建议最后10个epoch把mosaic关闭让模型在接近真实分布的输入上微调。4.2 增强与预处理不要破坏方向性卫星图与自然图像不一样旋转增强要谨慎。潜艇有明显的指向性把图旋转90度会让模型学到错误的方向特征。我一般只用水平翻转和轻微缩放垂直翻转也可能导致波浪方向异常degrees: 5 hsv_h: 0.02 hsv_s: 0.4 fliplr: 0.5degrees: 5表示只允许正负5度旋转避免舰首朝左变成朝右。fliplr: 0.5水平翻转概率50%对海面背景很安全。hsv微调可以缓解不同卫星成像时相的色彩差异但不要把饱和度和明度拉太大潜艇颜色本来就接近海水过度增强会让目标彻底融入背景。4.3 类别不平衡与难例挖掘单类数据集不存在类别数量不平衡但存在目标尺寸不平衡。大目标好检测小目标很难标准损失对小目标的定位误差不够敏感。YOLOv8内置了CIoU和Focal Loss不用额外改损失函数。如果小目标漏检严重可以试试把anchor-based配置里的最小anchor调小但YOLOv8使用anchor-free设计这一步收益有限。我更常用的做法是难例挖掘训练完成后把验证集里预测IoU低于0.1但置信度高于0.7的图片捞出来追加到训练集再训练一轮。4.4 推理阶段的NMS与置信度调节mAP高不等于实际好用。在海上监控场景中误报成本很高。推理时通过conf和iou控制输出yolo detect predict \ modelbest.pt \ sourceimages/test \ conf0.4 \ iou0.5conf提高可以过滤低置信度假阳例但也会漏掉模糊的小目标。iou是NMS交并比阈值值越大重叠加框越不容易被抑制。这个数据集目标稀疏一张图通常一个目标iou设0.4到0.5就够如果目标是密集排列的船队再调到0.7。一个实操技巧是先用conf0.1跑一遍把所有预测输出成CSV再在后处理里按业务需求调阈值避免重新推理。4.5 常见问题与对策现象可能原因解决方向训练loss下降但mAP不动标注坐标与图不对应在图上叠加画框检查验证mAP高但实际新图效果差数据划分包含连续帧按拍摄序列分组划分小目标大量漏检imgsz过低或mosaic太强提高imgsz到1280最后10轮关闭mosaic海面纹理产生大量假阳框训练集中缺少纯背景负样本加入没有潜艇的海洋图标注为空那个“验证mAP高但实际新图效果差”是遥感项目里最常见的坑。常见做法是先按文件名序号提取场景段再用GroupShuffleSplit按场景划分而不是随机分。如果你没有场景ID可以用文件名中间的序号段近似分组至少保证连续帧不会跨集合。5. 用训练好的模型批量预测并输出结构化结果训练完成后模型要能批量处理测试图并输出结构化结果而不是只看可视化图。这一章讲几个实用技巧批量预测转CSV、TTA推理、以及一次简单的精度审计。5.1 批量预测并保存原始坐标from ultralytics import YOLO model YOLO(runs/detect/train/weights/best.pt) results model.predict(sourceimages/test, conf0.2, save_txtFalse)每个result对象里有boxes.xyxy像素坐标和boxes.conf。注意这里的坐标是原图像素不是归一化的。保存为CSV时用pixel坐标更方便后续与标注做IoU计算。import csv, os rows [] for r in results: img_name os.path.basename(r.path) for box in r.boxes: x1, y1, x2, y2 box.xyxy[0].tolist() conf float(box.conf[0]) rows.append([img_name, int(x1), int(y1), int(x2), int(y2), f{conf:.4f}]) with open(predictions.csv, w, newline) as f: writer csv.writer(f) writer.writerow([image, x1, y1, x2, y2, confidence]) writer.writerows(rows)conf0.2故意设低让输出包含低置信度框后续根据业务需要再过滤。如果一开始就设0.5后期想降低阈值只能重新推理。拿到CSV后用pandas画一个置信度分布直方图低置信度区域如果有明显的簇说明模型对某一类海况背景没有把握。5.2 用TTA提升小目标检测稳定度推理时开启Test-Time Augmentation能稳定提升小目标检测效果results model.predict(sourceimages/test, conf0.2, augmentTrue, scale1.5)augmentTrue会做多尺度推理把原图缩放成多个尺度分别预测最后融合结果。代价是推理时间翻三到五倍对离线批量分析完全可接受但实时监控场景不适用。建议把TTA作为最终报告或离线分析的专用选项线上部署仍然用单尺度推理。5.3 最后做一次逐图IoU审计提交实验报告前把预测结果和标准标注做一次逐图IoU比较避免只盯着mAP。def iou(box1, box2): x1 max(box1[0], box2[0]) y1 max(box1[1], box2[1]) x2 min(box1[2], box2[2]) y2 min(box1[3], box2[3]) inter max(0, x2 - x1) * max(0, y2 - y1) area1 (box1[2] - box1[0]) * (box1[3] - box1[1]) area2 (box2[2] - box2[0]) * (box2[3] - box2[1]) return inter / (area1 area2 - inter 1e-6)IoU阈值通常取0.5对小目标可以放宽到0.3。如果IoU低于0.3但置信度很高大概率是目标被复杂背景遮挡这类样本可以单独收集作为困难集。当审计结果满足预期后直接用yolo export modelbest.pt formatonnx导出ONNX后续用onnxruntime替代YOLO加载推理速度会快不少。本文还有配套的精品资源点击获取
基于YOLOv8的潜艇卫星图小目标检测全流程实战
简介面向人工智能目标检测学习与研究的高质量图像数据集基于潜艇卫星图构建包含1000张已标注图片每张尺寸为1024×1024像素标注文件采用XML格式记录潜艇位置边界框适合用于训练YOLO、Faster R-CNN或Mask R-CNN等主流检测模型。压缩包内含2001个文件包括1000张jpg原始图像、1000份xml标注文件及1份info.txt说明文档整体大小345.83MB文件按images与annotations分类存放便于批量读取和训练流程对接。该数据集已在CSDN平台被1685人学习下载可作为目标检测入门实践、水下目标识别研究以及海洋安全监控等任务的实验基础尤其适合需要标准标注数据的开发者。基于此数据集使用者可以完整走通数据预处理、模型训练、验证与测试全流程还能针对水下场景探索数据增强与迁移学习策略有效节省自建数据集的采集和标注成本。1. 潜艇卫星图目标检测为什么值得自己跑一遍卫星图上的目标检测和自然场景不一样视场大、目标小、背景全是海面纹理和云层。潜艇在水面上可能只占整张1024×1024图像几十个像素模型很容易把浪花误判成目标也可能让真实目标淹没在背景里。这个数据集正好用来验证这条完整链路——1000张标注过的潜艇卫星图每张都有边界框类别只有潜艇看起来“简单”但跑一轮你会发现小目标检测的典型坑一个都不少。适合刚入门目标检测但不想拿MNIST当玩具的人也适合做水下目标识别、海洋监控相关实验的研究者。数据量不大单张GPU就能跑先用它把数据解析、格式转换、训练验证、调优推理的流程走通再迁移到更大的遥感数据集上会顺手很多。2. 数据集结构解析与标注格式归一化拿到压缩包先别急着训练先把目录和标注格式看清楚。这个数据集压缩包内分成三个部分info.txt记录图片总数、尺寸、类别和标注信息annotations文件夹保存每张图的边界框images文件夹存实际的卫星图像。很多项目不是模型跑不动而是数据加载阶段就错了——坐标没归一化、类别编号没对上、标签索引越界最后损失曲线是一团乱麻。2.1 先用info.txt建立数据清单info.txt是文本文件内容可能是统计信息也可能是每张图的标签摘要。先直接看前几行head -20 info.txt如果输出类似total: 1000说明只写了总数如果类似submarine-001-0001.jpg: 1说明是逐图标签。我一般会写一个Python脚本把info.txt解析成字段避免后面到处翻原始文件。import re def parse_info(path): meta {} with open(path, r, encodingutf-8) as f: for line in f: line line.strip() if not line or : not in line: continue key, val line.split(:, 1) meta[key.strip()] val.strip() return meta meta parse_info(info.txt) print(meta.get(total_images), meta.get(image_width), meta.get(image_height))这段代码把info.txt里的键值对读成字典后续需要宽高就直接查meta。注意info.txt里可能有注释行如果以#开头需要在parse_info里加一个if line.startswith(#): continue。另外图片文件名虽然是submarine-001-0452.jpg这种连续编号但不同批次的命名前缀可能不一样别硬编码。2.2 判断annotations里的标注格式annotations目录里的文件扩展名决定了解析方式。VOC格式是xml文件内容包含objectbndboxCOCO格式是json通过images和annotations数组关联YOLO格式是txt每行class x_center y_center width height坐标已经归一化。先看一个文件开头head -10 annotations/submarine-001-0445.xmlannotation filenamesubmarine-001-0445.jpg/filename object namesubmarine/name bndbox xmin312/xmin ymin458/ymin xmax386/xmax ymax512/ymax /bndbox /object /annotation这个数据集是单类目标所以每个object下大概率只有一个目标但不要假设总是只有一个。我实际跑的时候遇到过一张图里出现两条潜艇如果解析代码用find而不是findall第二个目标会被静默丢掉。训练时模型看了图却少了一条标注损失对不上直观表现就是训练几轮后mAP一直在低位震荡。2.3 把VOC XML转成YOLO txt并校验坐标YOLO系列训练需要txt格式类别编号从0开始坐标归一化到0到1之间。下面这段代码把VOC XML转成YOLO格式import xml.etree.ElementTree as ET def xml_to_yolo(xml_path, width, height, class_map): tree ET.parse(xml_path) root tree.getroot() lines [] for obj in root.findall(object): name obj.find(name).text if name not in class_map: continue 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) x_center (xmin xmax) / 2 / width y_center (ymin ymax) / 2 / height w (xmax - xmin) / width h (ymax - ymin) / height lines.append(f{cls_id} {x_center:.6f} {y_center:.6f} {w:.6f} {h:.6f}) return lines调用时传入图片宽高和类别映射。这里的宽高不要从XML里的size读直接用info.txt的元信息更可靠因为有些标注工具生成的XML和实际图像尺寸并不同步。转换完以后还要检查结果如果x_center算出来小于0或大于1说明原标注越界了或者图片被旋转过但没有同步更新坐标。遇到越界框常见做法是裁剪到图像边界而不是丢弃整张图因为只有一半目标在画面里依然是有效难例。如果annotations里是COCO JSON解析逻辑类似只是要把annotations数组里的bbox字段读出后再通过image_id关联到images的宽高做归一化。关键点是COCO坐标原点是左上角bbox的宽度和高度可能是0批量转换时要过滤这种异常值。2.4 标注分布统计看目标尺寸与数量单类数据集的标注分布决定训练策略。用matplotlib画边界框宽高散点图和面积直方图import glob import xml.etree.ElementTree as ET import numpy as np sizes [] for xml_file in glob.glob(annotations/*.xml): tree ET.parse(xml_file) for obj in tree.getroot().findall(object): b obj.find(bndbox) x1 int(b.find(xmin).text) y1 int(b.find(ymin).text) x2 int(b.find(xmax).text) y2 int(b.find(ymax).text) sizes.append(((x2 - x1) * (y2 - y1), x2 - x1, y2 - y1)) arr np.array(sizes) print(arr.mean(axis0))如果平均框面积占整图比例小于1%就属于小目标检测后面要针对性调优。这一步很多人跳过直接开训最后mAP上不去才回头看数据分布。此外如果发现某张图的框特别大、附近的文件名序号也连续可能是该图拍摄角度更近模型会学成多尺度特征这对泛化有好处但如果分布极不均匀训练集和验证集切分时要注意平衡。格式扩展名坐标方式是否归一化说明Pascal VOCxmlxmin/ymin/xmax/ymax否人工标注工具常见输出COCOjsonx, y, width, height否需要关联image_id换算原点YOLOtxtx_center, y_center, w, h是直接给训练器使用3. 基于YOLOv8的训练流程与关键参数数据准备好后跑通一个基线模型比追求极端精度更重要。YOLOv8是目前目标检测社区最常用的框架安装一条命令命令行接口统一。流程分四步划分数据集、写data.yaml、训练、验证。3.1 目录组织与train/val/test划分把images和labels放到同一套目录树这是ultralytics的默认约定submarine_dataset/ ├── images/ │ ├── train/ │ ├── val/ │ └── test/ ├── labels/ │ ├── train/ │ ├── val/ │ └── test/ └── data.yaml划分时要保证同名图片和txt同步移动。我习惯按文件名排序后用8:1:1的比例分配随机种子固定。但卫星图有一个坑文件名序号连续往往意味着同一场景的连续帧比如submarine-001-0445到0456可能是同一海域的无人机或卫星连续拍摄。如果随机划分相近帧会同时进入训练集和测试集导致验证mAP虚高。要按序号段分组至少保证连续超过5张的图不被切到两个集合里。3.2 编写data.yamlpath: /home/user/submarine_dataset train: images/train val: images/val test: images/test names: 0: submarine这里names的索引必须和labels txt里的类别编号一致。单类数据集常犯的一个错误是把names写成了{0: submarine, 1: ship}但实际没有第二类目标训练时遇到类别编号1就会报标签索引越界。另外path字段在本地写相对路径没问题但换机器跑时绝对路径会失效建议保持数据集目录和项目路径一致或者用环境变量拼接。3.3 训练命令与关键参数yolo detect train \ datasubmarine_dataset/data.yaml \ modelyolov8m.pt \ epochs100 \ batch16 \ imgsz1024 \ optimizerAdamW \ lr00.001 \ patience20 \ device0imgsz1024必须和数据集原始尺寸一致这样保留潜艇的小目标像素信息。如果把imgsz降到640显存占用变小但原本只有30×30像素的潜艇降采样后只剩十几像素直接漏检。batch16是在单张24G显存卡上的经验值8G卡可以降到batch8同时把epochs加到150收敛效果接近。patience20是早停控制验证集mAP连续20轮不升就停避免过拟合。optimizerAdamW在小batch时比SGD更稳但如果batch大于32我通常换回SGD加动量。超参数推荐值调整方向imgsz1024显存不足时降为640同时开启mosaic增强补偿batch16越大收敛越稳但对小目标不一定更好epochs100-150数据量小无需过久关注早停曲线lr00.001多卡训练可降为0.0005patience20防止在测试集上过拟合训练过程中除了看loss重点看三个指标box_loss反映框回归误差cls_loss反映类别分类误差dfl_loss反映分布焦点损失。如果box_loss持续下降但cls_loss不再变化说明模型已经能定位但对“这是不是潜艇”的判别卡住了这通常对应4.2里的背景误检问题。3.4 验证与测试阶段训练完成后用验证集评估yolo detect val \ modelruns/detect/train/weights/best.pt \ datasubmarine_dataset/data.yaml输出里关注mAP50-95、mAP50、Precision和Recall。这个数据集只有一类如果mAP50高但mAP50-95低说明框的位置还行但尺寸不够准如果两者都低先去查标注不要急着调模型。测试集是最后才用的在训练集和验证集上迭代调参后再在test上跑一次作为最终报告数字。我见过有人把test混进验证集反复改参数最后报告数据好看部署到新图上直接崩根源就在数据划分污染。4. 小目标与海面背景下的调优策略潜艇卫星图是典型的小目标检测问题。目标直径可能只有几十像素背景是海面纹理和云层。默认配置能跑通但精度往往不够需要从分辨率、增强、推理参数和后处理几个方向调整。4.1 分析目标尺寸后决定是否用高分辨率训练在2.4里已经算过框的分布。如果平均框面积占比不到1%把imgsz从1024提高到1280通常能提升2到3个点mAP50代价是显存占用增加约40%。另一种做法是推理阶段使用SAHISlicing Aided Hyper Inference把大图切成小图分别推理再合并对稀疏目标特别有效。这个数据集只有1000张图我建议先不切片直接提高imgsz因为切片会增加额外的后处理复杂度。如果训练时开了mosaic增强四张图拼成一张大图会让目标看起来更小模型被迫学习小目标特征。但mosaic在训练后期容易让loss震荡建议最后10个epoch把mosaic关闭让模型在接近真实分布的输入上微调。4.2 增强与预处理不要破坏方向性卫星图与自然图像不一样旋转增强要谨慎。潜艇有明显的指向性把图旋转90度会让模型学到错误的方向特征。我一般只用水平翻转和轻微缩放垂直翻转也可能导致波浪方向异常degrees: 5 hsv_h: 0.02 hsv_s: 0.4 fliplr: 0.5degrees: 5表示只允许正负5度旋转避免舰首朝左变成朝右。fliplr: 0.5水平翻转概率50%对海面背景很安全。hsv微调可以缓解不同卫星成像时相的色彩差异但不要把饱和度和明度拉太大潜艇颜色本来就接近海水过度增强会让目标彻底融入背景。4.3 类别不平衡与难例挖掘单类数据集不存在类别数量不平衡但存在目标尺寸不平衡。大目标好检测小目标很难标准损失对小目标的定位误差不够敏感。YOLOv8内置了CIoU和Focal Loss不用额外改损失函数。如果小目标漏检严重可以试试把anchor-based配置里的最小anchor调小但YOLOv8使用anchor-free设计这一步收益有限。我更常用的做法是难例挖掘训练完成后把验证集里预测IoU低于0.1但置信度高于0.7的图片捞出来追加到训练集再训练一轮。4.4 推理阶段的NMS与置信度调节mAP高不等于实际好用。在海上监控场景中误报成本很高。推理时通过conf和iou控制输出yolo detect predict \ modelbest.pt \ sourceimages/test \ conf0.4 \ iou0.5conf提高可以过滤低置信度假阳例但也会漏掉模糊的小目标。iou是NMS交并比阈值值越大重叠加框越不容易被抑制。这个数据集目标稀疏一张图通常一个目标iou设0.4到0.5就够如果目标是密集排列的船队再调到0.7。一个实操技巧是先用conf0.1跑一遍把所有预测输出成CSV再在后处理里按业务需求调阈值避免重新推理。4.5 常见问题与对策现象可能原因解决方向训练loss下降但mAP不动标注坐标与图不对应在图上叠加画框检查验证mAP高但实际新图效果差数据划分包含连续帧按拍摄序列分组划分小目标大量漏检imgsz过低或mosaic太强提高imgsz到1280最后10轮关闭mosaic海面纹理产生大量假阳框训练集中缺少纯背景负样本加入没有潜艇的海洋图标注为空那个“验证mAP高但实际新图效果差”是遥感项目里最常见的坑。常见做法是先按文件名序号提取场景段再用GroupShuffleSplit按场景划分而不是随机分。如果你没有场景ID可以用文件名中间的序号段近似分组至少保证连续帧不会跨集合。5. 用训练好的模型批量预测并输出结构化结果训练完成后模型要能批量处理测试图并输出结构化结果而不是只看可视化图。这一章讲几个实用技巧批量预测转CSV、TTA推理、以及一次简单的精度审计。5.1 批量预测并保存原始坐标from ultralytics import YOLO model YOLO(runs/detect/train/weights/best.pt) results model.predict(sourceimages/test, conf0.2, save_txtFalse)每个result对象里有boxes.xyxy像素坐标和boxes.conf。注意这里的坐标是原图像素不是归一化的。保存为CSV时用pixel坐标更方便后续与标注做IoU计算。import csv, os rows [] for r in results: img_name os.path.basename(r.path) for box in r.boxes: x1, y1, x2, y2 box.xyxy[0].tolist() conf float(box.conf[0]) rows.append([img_name, int(x1), int(y1), int(x2), int(y2), f{conf:.4f}]) with open(predictions.csv, w, newline) as f: writer csv.writer(f) writer.writerow([image, x1, y1, x2, y2, confidence]) writer.writerows(rows)conf0.2故意设低让输出包含低置信度框后续根据业务需要再过滤。如果一开始就设0.5后期想降低阈值只能重新推理。拿到CSV后用pandas画一个置信度分布直方图低置信度区域如果有明显的簇说明模型对某一类海况背景没有把握。5.2 用TTA提升小目标检测稳定度推理时开启Test-Time Augmentation能稳定提升小目标检测效果results model.predict(sourceimages/test, conf0.2, augmentTrue, scale1.5)augmentTrue会做多尺度推理把原图缩放成多个尺度分别预测最后融合结果。代价是推理时间翻三到五倍对离线批量分析完全可接受但实时监控场景不适用。建议把TTA作为最终报告或离线分析的专用选项线上部署仍然用单尺度推理。5.3 最后做一次逐图IoU审计提交实验报告前把预测结果和标准标注做一次逐图IoU比较避免只盯着mAP。def iou(box1, box2): x1 max(box1[0], box2[0]) y1 max(box1[1], box2[1]) x2 min(box1[2], box2[2]) y2 min(box1[3], box2[3]) inter max(0, x2 - x1) * max(0, y2 - y1) area1 (box1[2] - box1[0]) * (box1[3] - box1[1]) area2 (box2[2] - box2[0]) * (box2[3] - box2[1]) return inter / (area1 area2 - inter 1e-6)IoU阈值通常取0.5对小目标可以放宽到0.3。如果IoU低于0.3但置信度很高大概率是目标被复杂背景遮挡这类样本可以单独收集作为困难集。当审计结果满足预期后直接用yolo export modelbest.pt formatonnx导出ONNX后续用onnxruntime替代YOLO加载推理速度会快不少。本文还有配套的精品资源点击获取
