简介本资源为面向疲劳驾驶检测场景的YOLO目标检测数据集适合从事智能驾驶、行为识别方向的研究者与算法工程师用于训练和验证疲劳驾驶状态下的目标检测模型。数据集包含1000张真实场景采集的高质量图片场景丰富均使用labelImg标注标注框质量较高并同步提供vocxml、cocojson与yolotxt三种格式标签分别存放于不同文件夹可直接接入YOLO系列模型训练。压缩包共2000个文件以xml与txt标签文件为主另含html教程文档、py划分脚本与yaml配置文件整体约77.53MB。资源附赠YOLO环境搭建、训练案例教程及数据集划分脚本可按需自行划分训练集、验证集与测试集覆盖Windows与Linux两套环境说明。目前已有165人学习下载适合希望快速搭建疲劳驾驶检测训练流程、减少数据准备成本的读者参考使用。1. 从一份疲劳驾驶数据集说起1000 张图、三种标签格式到底怎么用拿到「YOLO疲劳驾驶目标检测数据集(含1000张图片)对应voc、coco和yolo三种格式标签划分脚本训练教程.rar」这个标题很多人第一反应是解压、看图片、找train.txt然后直接yolo train跑起来。但真正卡住人的往往不是训练命令而是三件事1000 张图够不够、voc/coco/yolo 三种标签到底该用哪套、划分脚本怎么切才不泄漏。疲劳驾驶检测属于典型的驾驶员状态识别场景核心目标通常是闭眼、打哈欠、低头、抽烟、打电话这几类标注框集中在人脸和手部区域小目标多、类间差异细比通用 COCO 那种大目标检测难得多。这份数据集的价值不在于图片数量而在于它把三种主流标签格式和划分脚本一起给了省掉了最耗时的格式转换环节。适合刚接触 YOLO 目标检测、想跑通一个完整疲劳驾驶项目的同学也适合已经会训练、但一直没搞清 voc 和 coco 标签差异的熟手。下面按「先搞懂格式 → 再动手训练 → 最后避坑」的顺序讲透。2. 三种标签格式的差异与选型voc、coco、yolo 到底该喂哪个2.1 三种格式的字段结构对比同一张疲劳驾驶图片三种格式描述的是同一件事但组织方式完全不同。VOC 用 XML一个文件对应一张图框信息写在object节点里坐标是左上角和右下角的绝对像素值。COCO 用一个大 JSON所有图片和标注集中管理bbox是[x, y, width, height]绝对像素category_id从 1 开始。YOLO 用 txt一行一个框格式是class_id x_center y_center width height全部归一化到 0~1。维度VOCCOCOYOLO存储形式每图一个 XML单个 JSON每图一个 txt坐标类型绝对像素绝对像素归一化 0~1框表示xmin,ymin,xmax,ymaxx,y,w,hxc,yc,w,h类别编号名称字符串数字从 1 开始数字从 0 开始训练直接可用否否是选型结论很直接如果你用 Ultralytics 系的 YOLOv5/v8/v11 训练直接用 yolo 格式不要绕道。voc 和 coco 格式留着做数据审查、跨框架迁移或者接 MMDetection、Detectron2 时用。很多人拿到数据集后把 coco json 转成 yolo结果类别编号错位一位训练时 loss 正常下降但 mAP 一直上不去这就是编号起点不同埋的雷。2.2 用脚本核对三种标签是否一一对应在训练前我一般会先写一个校验脚本确认三种格式描述的是同一批框。这一步能提前发现标注缺失、类别错位、坐标越界三类问题。import os, json, xml.etree.ElementTree as ET IMG_DIR images VOC_DIR annotations/voc YOLO_DIR labels/yolo COCO_JSON annotations/coco.json # 1. 统计图片数量 imgs {os.path.splitext(f)[0] for f in os.listdir(IMG_DIR) if f.lower().endswith((.jpg, .png))} print(图片数:, len(imgs)) # 2. 统计 VOC 覆盖 voc_ids {os.path.splitext(f)[0] for f in os.listdir(VOC_DIR) if f.endswith(.xml)} print(VOC 缺失:, imgs - voc_ids) # 3. 统计 YOLO 覆盖 yolo_ids {os.path.splitext(f)[0] for f in os.listdir(YOLO_DIR) if f.endswith(.txt)} print(YOLO 缺失:, imgs - yolo_ids) # 4. 统计 COCO 覆盖 with open(COCO_JSON, r, encodingutf-8) as fp: coco json.load(fp) coco_ids {os.path.splitext(img[file_name])[0] for img in coco[images]} print(COCO 缺失:, imgs - coco_ids) # 5. 抽查一张图的框数量是否一致 sample sorted(imgs)[0] tree ET.parse(os.path.join(VOC_DIR, sample .xml)) voc_n len(tree.getroot().findall(object)) with open(os.path.join(YOLO_DIR, sample .txt)) as fp: yolo_n len([l for l in fp if l.strip()]) coco_n sum(1 for a in coco[annotations] if os.path.splitext(a[image_id])[0] sample) if isinstance(coco[annotations][0][image_id], str) else None print(f样本 {sample}: VOC{voc_n}, YOLO{yolo_n}, COCO{coco_n})逻辑说明脚本先按文件名主键求差集找出三种格式各自缺哪些图再抽第一张图对比框数量。参数上IMG_DIR、VOC_DIR、YOLO_DIR按解压后的实际目录改COCO_JSON指向那个大 JSON。如果差集非空说明数据集本身不完整先补齐再训练别硬跑。COCO 的image_id有的是数字有的是文件名脚本里做了兼容判断实际用时按你的 json 结构微调。2.3 划分脚本怎么切才不泄漏疲劳驾驶数据集的图片往往来自连续视频帧相邻帧长得几乎一样。如果划分脚本用纯随机切分训练集和验证集里会出现同一段视频的相邻帧验证指标虚高上线就翻车。常见做法是按视频源或时间戳分组后再切保证同一段视频只进一个集合。import os, random, shutil from collections import defaultdict SRC_IMG images SRC_LBL labels/yolo DST dataset RATIO (0.8, 0.1, 0.1) # train/val/test # 按文件名前缀分组假设命名规则为 视频ID_帧号.jpg groups defaultdict(list) for f in os.listdir(SRC_IMG): if not f.lower().endswith((.jpg, .png)): continue vid f.split(_)[0] groups[vid].append(f) vids list(groups.keys()) random.seed(42) random.shuffle(vids) n len(vids) n_train int(n * RATIO[0]) n_val int(n * RATIO[1]) split { train: vids[:n_train], val: vids[n_train:n_train n_val], test: vids[n_train n_val:], } for phase, ids in split.items(): for sub in (images, labels): os.makedirs(os.path.join(DST, phase, sub), exist_okTrue) for vid in ids: for img in groups[vid]: stem os.path.splitext(img)[0] shutil.copy(os.path.join(SRC_IMG, img), os.path.join(DST, phase, images, img)) lbl stem .txt if os.path.exists(os.path.join(SRC_LBL, lbl)): shutil.copy(os.path.join(SRC_LBL, lbl), os.path.join(DST, phase, labels, lbl)) print(phase, 视频数:, len(ids))逻辑说明核心是groups按视频 ID 聚合random.shuffle打乱的是视频而不是图片这样同一段视频的所有帧只会落到一个集合。RATIO按 8:1:1 切1000 张图如果来自 20 段视频大约 16 段训练、2 段验证、2 段测试。random.seed(42)保证可复现。如果你的文件名没有视频前缀就得靠时间戳或 EXIF 信息分组否则只能接受指标偏高的风险。3. 用 YOLOv8 跑通疲劳驾驶训练从 data.yaml 到第一轮 mAP3.1 环境配置与 data.yaml 写法环境用 Python 3.10 PyTorch 2.x Ultralytics 最新版即可显卡从 RTX 3060 12G 到 V100 都能跑1000 张图属于小数据集显存压力不大。安装命令一行搞定pip install ultralytics yolo checks # 确认 CUDA、torch 版本正常data.yaml是训练入口路径和类别名必须和实际目录严格对应path: /data/fatigue/dataset train: train/images val: val/images test: test/images nc: 5 names: 0: closed_eye 1: yawn 2: head_down 3: smoke 4: phone参数说明path是数据集根目录train/val/test是相对路径Ultralytics 会自动把images替换成labels去找标签。nc是类别数names的顺序必须和 YOLO txt 里的class_id完全一致错一位整个训练就废了。类别名建议用英文小写下划线避免中文路径和空格带来的玄学问题。3.2 训练命令与关键参数怎么设小数据集训练最容易犯的错是直接套默认 100 epoch结果过拟合。我一般先用预训练权重热身再根据曲线调。yolo detect train \ modelyolov8n.pt \ data/data/fatigue/dataset/data.yaml \ epochs150 \ imgsz640 \ batch16 \ lr00.01 \ lrf0.01 \ warmup_epochs3 \ patience30 \ cacheTrue \ device0 \ projectruns/fatigue \ nameexp1参数说明modelyolov8n.pt用官方预训练权重小数据集必须迁移学习从零训基本没戏。imgsz640是 YOLOv8 默认输入尺寸疲劳驾驶的人脸和手部目标偏小如果显存够可以上 800 或 960mAP 通常能涨 1~3 个点。batch16在 12G 显存上比较稳V100 可以拉到 32 或 64。lr00.01是初始学习率lrf0.01是最终学习率系数余弦退火到 0.0001。patience30表示 30 轮没提升就早停小数据集别设太大。cacheTrue把图片缓存到内存1000 张图完全放得下能明显加快训练。3.3 训练中该盯哪些指标训练启动后终端会打印每轮的 box_loss、cls_loss、dfl_loss 和 mAP50、mAP50-95。疲劳驾驶这种细分类任务重点看三个信号cls_loss 是否持续下降、mAP50 是否在 50 轮后趋于平稳、验证集 loss 是否开始反弹。如果 cls_loss 降得很慢多半是类别不平衡闭眼和打哈欠样本多抽烟打电话样本少可以在data.yaml同级加cls_pw或者对少样本类做过采样。如果 mAP50 卡在 0.5 以下先回去检查标签类别编号和框坐标是否越界而不是急着换模型。YOLO 的损失函数由分类损失、框回归损失和 DFL 分布焦点损失三部分组成任何一项异常都会拖累整体训练日志里这三项是分开打印的别只看总和。4. 疲劳驾驶数据集训练的避坑与排查5 个真实踩坑记录4.1 现象mAP 一直为 0loss 却正常下降原因YOLO 标签的class_id从 0 开始而 COCO 从 1 开始。如果转换脚本没减 1所有类别整体偏移一位模型学到的类别和names对不上评估时匹配不到任何正确框。解决转换后跑一遍校验确认 txt 里出现的最大class_id等于nc - 1且每个类别都有样本。4.2 现象训练到一半 BN 层崩溃loss 变 NaN原因小数据集加上大 batch某些 batch 内样本分布过于集中BatchNorm 统计量不稳定。这是 YOLO 训练里比较典型的翻车场景。解决把batch降到 8 或 4或者在模型配置里把 BN 换成 GroupNorm同时检查学习率lr0超过 0.02 在小数据集上很容易发散。4.3 现象验证集 mAP 很高实际视频检测全是误检原因划分脚本用了纯随机切分同一段视频的相邻帧同时进了训练集和验证集模型记住了画面而不是学到了特征。解决按视频源分组切分验证集必须来自训练时没见过的视频。这是疲劳驾驶数据集最隐蔽的坑指标好看但没意义。4.4 现象小目标闭眼、抽烟漏检严重原因640 输入下人脸区域可能只有 30×30 像素经过多次下采样后特征几乎消失。解决把imgsz提到 960 或 1280或者在模型里加 P2 小目标检测层数据层面可以对含小目标的图做 mosaic 增强让模型多见小尺度样本。4.5 现象混淆矩阵总和和验证集样本数对不上原因YOLO 的混淆矩阵默认只统计置信度超过阈值的预测低置信度框被丢弃导致总数不唯一。解决在验证时把conf阈值调低到 0.001 重新生成混淆矩阵或者直接看val输出的per_class指标别只盯矩阵总数。5. 把 1000 张图用到极致进阶技巧与验证习惯1000 张图在目标检测里算小数据集想拿到能上车的效果靠的不是换更大的模型而是把数据增强和验证做扎实。我一般会在基础训练跑通后做三件事。第一件是开启更强的增强组合在训练命令里加mosaic1.0、mixup0.1、copy_paste0.1mosaic 把四张图拼成一张等效扩大了场景多样性mixup 和 copy_paste 对少样本类别帮助明显但注意copy_paste需要分割标签纯检测任务用copy_paste_modeflip即可。第二件是分阶段解冻先用freeze10冻结主干训 50 轮再解冻全量微调 100 轮小数据集上这种两段式比一次性端到端更稳。第三件是建立自己的验证集从实际业务视频里另切 200 张不参与训练的图每轮训练后手动跑一次推理看闭眼和打哈欠的漏检率而不是只看 mAP。# 两段式训练示例 yolo detect train modelyolov8s.pt datadata.yaml epochs50 freeze10 batch16 imgsz800 yolo detect train modelruns/fatigue/exp1/weights/last.pt datadata.yaml epochs100 batch16 imgsz800第二段用第一段的last.pt继续训学习率会自动重置相当于在已适应数据的主干上做精细调整。imgsz800是我在疲劳驾驶场景里比较推荐的折中值再大推理速度会明显下降。验证时我习惯固定一个conf0.25、iou0.5的基线每次改动只动一个变量记录 mAP50 和单类 AP避免一次调一堆参数最后不知道哪个起了作用。这套流程跑下来1000 张图在疲劳驾驶五分类任务上做到 mAP50 0.85 以上是现实的再往上就得靠补数据而不是调参了。希望帮到你。本文还有配套的精品资源点击获取
简介本资源为面向疲劳驾驶检测场景的YOLO目标检测数据集适合从事智能驾驶、行为识别方向的研究者与算法工程师用于训练和验证疲劳驾驶状态下的目标检测模型。数据集包含1000张真实场景采集的高质量图片场景丰富均使用labelImg标注标注框质量较高并同步提供vocxml、cocojson与yolotxt三种格式标签分别存放于不同文件夹可直接接入YOLO系列模型训练。压缩包共2000个文件以xml与txt标签文件为主另含html教程文档、py划分脚本与yaml配置文件整体约77.53MB。资源附赠YOLO环境搭建、训练案例教程及数据集划分脚本可按需自行划分训练集、验证集与测试集覆盖Windows与Linux两套环境说明。目前已有165人学习下载适合希望快速搭建疲劳驾驶检测训练流程、减少数据准备成本的读者参考使用。1. 从一份疲劳驾驶数据集说起1000 张图、三种标签格式到底怎么用拿到「YOLO疲劳驾驶目标检测数据集(含1000张图片)对应voc、coco和yolo三种格式标签划分脚本训练教程.rar」这个标题很多人第一反应是解压、看图片、找train.txt然后直接yolo train跑起来。但真正卡住人的往往不是训练命令而是三件事1000 张图够不够、voc/coco/yolo 三种标签到底该用哪套、划分脚本怎么切才不泄漏。疲劳驾驶检测属于典型的驾驶员状态识别场景核心目标通常是闭眼、打哈欠、低头、抽烟、打电话这几类标注框集中在人脸和手部区域小目标多、类间差异细比通用 COCO 那种大目标检测难得多。这份数据集的价值不在于图片数量而在于它把三种主流标签格式和划分脚本一起给了省掉了最耗时的格式转换环节。适合刚接触 YOLO 目标检测、想跑通一个完整疲劳驾驶项目的同学也适合已经会训练、但一直没搞清 voc 和 coco 标签差异的熟手。下面按「先搞懂格式 → 再动手训练 → 最后避坑」的顺序讲透。2. 三种标签格式的差异与选型voc、coco、yolo 到底该喂哪个2.1 三种格式的字段结构对比同一张疲劳驾驶图片三种格式描述的是同一件事但组织方式完全不同。VOC 用 XML一个文件对应一张图框信息写在object节点里坐标是左上角和右下角的绝对像素值。COCO 用一个大 JSON所有图片和标注集中管理bbox是[x, y, width, height]绝对像素category_id从 1 开始。YOLO 用 txt一行一个框格式是class_id x_center y_center width height全部归一化到 0~1。维度VOCCOCOYOLO存储形式每图一个 XML单个 JSON每图一个 txt坐标类型绝对像素绝对像素归一化 0~1框表示xmin,ymin,xmax,ymaxx,y,w,hxc,yc,w,h类别编号名称字符串数字从 1 开始数字从 0 开始训练直接可用否否是选型结论很直接如果你用 Ultralytics 系的 YOLOv5/v8/v11 训练直接用 yolo 格式不要绕道。voc 和 coco 格式留着做数据审查、跨框架迁移或者接 MMDetection、Detectron2 时用。很多人拿到数据集后把 coco json 转成 yolo结果类别编号错位一位训练时 loss 正常下降但 mAP 一直上不去这就是编号起点不同埋的雷。2.2 用脚本核对三种标签是否一一对应在训练前我一般会先写一个校验脚本确认三种格式描述的是同一批框。这一步能提前发现标注缺失、类别错位、坐标越界三类问题。import os, json, xml.etree.ElementTree as ET IMG_DIR images VOC_DIR annotations/voc YOLO_DIR labels/yolo COCO_JSON annotations/coco.json # 1. 统计图片数量 imgs {os.path.splitext(f)[0] for f in os.listdir(IMG_DIR) if f.lower().endswith((.jpg, .png))} print(图片数:, len(imgs)) # 2. 统计 VOC 覆盖 voc_ids {os.path.splitext(f)[0] for f in os.listdir(VOC_DIR) if f.endswith(.xml)} print(VOC 缺失:, imgs - voc_ids) # 3. 统计 YOLO 覆盖 yolo_ids {os.path.splitext(f)[0] for f in os.listdir(YOLO_DIR) if f.endswith(.txt)} print(YOLO 缺失:, imgs - yolo_ids) # 4. 统计 COCO 覆盖 with open(COCO_JSON, r, encodingutf-8) as fp: coco json.load(fp) coco_ids {os.path.splitext(img[file_name])[0] for img in coco[images]} print(COCO 缺失:, imgs - coco_ids) # 5. 抽查一张图的框数量是否一致 sample sorted(imgs)[0] tree ET.parse(os.path.join(VOC_DIR, sample .xml)) voc_n len(tree.getroot().findall(object)) with open(os.path.join(YOLO_DIR, sample .txt)) as fp: yolo_n len([l for l in fp if l.strip()]) coco_n sum(1 for a in coco[annotations] if os.path.splitext(a[image_id])[0] sample) if isinstance(coco[annotations][0][image_id], str) else None print(f样本 {sample}: VOC{voc_n}, YOLO{yolo_n}, COCO{coco_n})逻辑说明脚本先按文件名主键求差集找出三种格式各自缺哪些图再抽第一张图对比框数量。参数上IMG_DIR、VOC_DIR、YOLO_DIR按解压后的实际目录改COCO_JSON指向那个大 JSON。如果差集非空说明数据集本身不完整先补齐再训练别硬跑。COCO 的image_id有的是数字有的是文件名脚本里做了兼容判断实际用时按你的 json 结构微调。2.3 划分脚本怎么切才不泄漏疲劳驾驶数据集的图片往往来自连续视频帧相邻帧长得几乎一样。如果划分脚本用纯随机切分训练集和验证集里会出现同一段视频的相邻帧验证指标虚高上线就翻车。常见做法是按视频源或时间戳分组后再切保证同一段视频只进一个集合。import os, random, shutil from collections import defaultdict SRC_IMG images SRC_LBL labels/yolo DST dataset RATIO (0.8, 0.1, 0.1) # train/val/test # 按文件名前缀分组假设命名规则为 视频ID_帧号.jpg groups defaultdict(list) for f in os.listdir(SRC_IMG): if not f.lower().endswith((.jpg, .png)): continue vid f.split(_)[0] groups[vid].append(f) vids list(groups.keys()) random.seed(42) random.shuffle(vids) n len(vids) n_train int(n * RATIO[0]) n_val int(n * RATIO[1]) split { train: vids[:n_train], val: vids[n_train:n_train n_val], test: vids[n_train n_val:], } for phase, ids in split.items(): for sub in (images, labels): os.makedirs(os.path.join(DST, phase, sub), exist_okTrue) for vid in ids: for img in groups[vid]: stem os.path.splitext(img)[0] shutil.copy(os.path.join(SRC_IMG, img), os.path.join(DST, phase, images, img)) lbl stem .txt if os.path.exists(os.path.join(SRC_LBL, lbl)): shutil.copy(os.path.join(SRC_LBL, lbl), os.path.join(DST, phase, labels, lbl)) print(phase, 视频数:, len(ids))逻辑说明核心是groups按视频 ID 聚合random.shuffle打乱的是视频而不是图片这样同一段视频的所有帧只会落到一个集合。RATIO按 8:1:1 切1000 张图如果来自 20 段视频大约 16 段训练、2 段验证、2 段测试。random.seed(42)保证可复现。如果你的文件名没有视频前缀就得靠时间戳或 EXIF 信息分组否则只能接受指标偏高的风险。3. 用 YOLOv8 跑通疲劳驾驶训练从 data.yaml 到第一轮 mAP3.1 环境配置与 data.yaml 写法环境用 Python 3.10 PyTorch 2.x Ultralytics 最新版即可显卡从 RTX 3060 12G 到 V100 都能跑1000 张图属于小数据集显存压力不大。安装命令一行搞定pip install ultralytics yolo checks # 确认 CUDA、torch 版本正常data.yaml是训练入口路径和类别名必须和实际目录严格对应path: /data/fatigue/dataset train: train/images val: val/images test: test/images nc: 5 names: 0: closed_eye 1: yawn 2: head_down 3: smoke 4: phone参数说明path是数据集根目录train/val/test是相对路径Ultralytics 会自动把images替换成labels去找标签。nc是类别数names的顺序必须和 YOLO txt 里的class_id完全一致错一位整个训练就废了。类别名建议用英文小写下划线避免中文路径和空格带来的玄学问题。3.2 训练命令与关键参数怎么设小数据集训练最容易犯的错是直接套默认 100 epoch结果过拟合。我一般先用预训练权重热身再根据曲线调。yolo detect train \ modelyolov8n.pt \ data/data/fatigue/dataset/data.yaml \ epochs150 \ imgsz640 \ batch16 \ lr00.01 \ lrf0.01 \ warmup_epochs3 \ patience30 \ cacheTrue \ device0 \ projectruns/fatigue \ nameexp1参数说明modelyolov8n.pt用官方预训练权重小数据集必须迁移学习从零训基本没戏。imgsz640是 YOLOv8 默认输入尺寸疲劳驾驶的人脸和手部目标偏小如果显存够可以上 800 或 960mAP 通常能涨 1~3 个点。batch16在 12G 显存上比较稳V100 可以拉到 32 或 64。lr00.01是初始学习率lrf0.01是最终学习率系数余弦退火到 0.0001。patience30表示 30 轮没提升就早停小数据集别设太大。cacheTrue把图片缓存到内存1000 张图完全放得下能明显加快训练。3.3 训练中该盯哪些指标训练启动后终端会打印每轮的 box_loss、cls_loss、dfl_loss 和 mAP50、mAP50-95。疲劳驾驶这种细分类任务重点看三个信号cls_loss 是否持续下降、mAP50 是否在 50 轮后趋于平稳、验证集 loss 是否开始反弹。如果 cls_loss 降得很慢多半是类别不平衡闭眼和打哈欠样本多抽烟打电话样本少可以在data.yaml同级加cls_pw或者对少样本类做过采样。如果 mAP50 卡在 0.5 以下先回去检查标签类别编号和框坐标是否越界而不是急着换模型。YOLO 的损失函数由分类损失、框回归损失和 DFL 分布焦点损失三部分组成任何一项异常都会拖累整体训练日志里这三项是分开打印的别只看总和。4. 疲劳驾驶数据集训练的避坑与排查5 个真实踩坑记录4.1 现象mAP 一直为 0loss 却正常下降原因YOLO 标签的class_id从 0 开始而 COCO 从 1 开始。如果转换脚本没减 1所有类别整体偏移一位模型学到的类别和names对不上评估时匹配不到任何正确框。解决转换后跑一遍校验确认 txt 里出现的最大class_id等于nc - 1且每个类别都有样本。4.2 现象训练到一半 BN 层崩溃loss 变 NaN原因小数据集加上大 batch某些 batch 内样本分布过于集中BatchNorm 统计量不稳定。这是 YOLO 训练里比较典型的翻车场景。解决把batch降到 8 或 4或者在模型配置里把 BN 换成 GroupNorm同时检查学习率lr0超过 0.02 在小数据集上很容易发散。4.3 现象验证集 mAP 很高实际视频检测全是误检原因划分脚本用了纯随机切分同一段视频的相邻帧同时进了训练集和验证集模型记住了画面而不是学到了特征。解决按视频源分组切分验证集必须来自训练时没见过的视频。这是疲劳驾驶数据集最隐蔽的坑指标好看但没意义。4.4 现象小目标闭眼、抽烟漏检严重原因640 输入下人脸区域可能只有 30×30 像素经过多次下采样后特征几乎消失。解决把imgsz提到 960 或 1280或者在模型里加 P2 小目标检测层数据层面可以对含小目标的图做 mosaic 增强让模型多见小尺度样本。4.5 现象混淆矩阵总和和验证集样本数对不上原因YOLO 的混淆矩阵默认只统计置信度超过阈值的预测低置信度框被丢弃导致总数不唯一。解决在验证时把conf阈值调低到 0.001 重新生成混淆矩阵或者直接看val输出的per_class指标别只盯矩阵总数。5. 把 1000 张图用到极致进阶技巧与验证习惯1000 张图在目标检测里算小数据集想拿到能上车的效果靠的不是换更大的模型而是把数据增强和验证做扎实。我一般会在基础训练跑通后做三件事。第一件是开启更强的增强组合在训练命令里加mosaic1.0、mixup0.1、copy_paste0.1mosaic 把四张图拼成一张等效扩大了场景多样性mixup 和 copy_paste 对少样本类别帮助明显但注意copy_paste需要分割标签纯检测任务用copy_paste_modeflip即可。第二件是分阶段解冻先用freeze10冻结主干训 50 轮再解冻全量微调 100 轮小数据集上这种两段式比一次性端到端更稳。第三件是建立自己的验证集从实际业务视频里另切 200 张不参与训练的图每轮训练后手动跑一次推理看闭眼和打哈欠的漏检率而不是只看 mAP。# 两段式训练示例 yolo detect train modelyolov8s.pt datadata.yaml epochs50 freeze10 batch16 imgsz800 yolo detect train modelruns/fatigue/exp1/weights/last.pt datadata.yaml epochs100 batch16 imgsz800第二段用第一段的last.pt继续训学习率会自动重置相当于在已适应数据的主干上做精细调整。imgsz800是我在疲劳驾驶场景里比较推荐的折中值再大推理速度会明显下降。验证时我习惯固定一个conf0.25、iou0.5的基线每次改动只动一个变量记录 mAP50 和单类 AP避免一次调一堆参数最后不知道哪个起了作用。这套流程跑下来1000 张图在疲劳驾驶五分类任务上做到 mAP50 0.85 以上是现实的再往上就得靠补数据而不是调参了。希望帮到你。本文还有配套的精品资源点击获取
