简介本资源为墙面缺陷检测数据集面向从事建筑外墙病害识别、结构健康监测及计算机视觉目标检测的开发者与研究人员可用于训练YOLO系列或VOC格式的目标检测模型解决墙面裂缝、剥落、锈迹等缺陷自动识别问题。压缩包共含2000个文件以1999个xml标注文件和1个说明txt为主整体约143.08MB图片、xml与txt分别对应JPEGImages、Annotations、labels三个文件夹方便直接接入主流检测框架。数据集共5737张清晰图片已做约60%增强标注7类缺陷外露钢筋、分层、裂缝、剥落、脱落、锈迹与潮湿总框数达15733个其中裂缝4513框、外露钢筋3673框、锈迹2550框类别分布较均衡。目前已有666人学习下载适合需要现成标注数据快速验证模型、开展缺陷检测实验或进行数据增强对比的读者参考使用。1. 墙面缺陷检测数据集5737 张已增强样本VOC 与 YOLO 双格式直接落地做建筑外立面巡检的团队多半遇到过这种局面无人机或爬壁机器人拍回来几千张墙面图人眼筛一遍要一周漏检的裂缝和锈迹还得返工。这份墙面缺陷检测数据集就是冲着这个场景来的——5737 张 jpg 图片配套 5737 个 VOC 格式 xml 和 5737 个 YOLO 格式 txt7 类缺陷共 15733 个矩形框约 60% 的样本做过增强。它解决的不是有没有数据的问题而是拿到就能训、训完能对齐业务标签的问题。适合做 YOLO 目标检测落地、需要快速验证外立面病害识别方案的从业者也适合拿它当缺陷检测练手项目的数据底座。下面从格式结构、标签分布、训练配置一路拆到踩坑记录。2. 双格式目录结构与 7 类标签分布先看清数据再动手2.1 三个文件夹怎么对应xml 和 txt 谁是谁拿到压缩包解压后是三个平级文件夹JPEGImages 放 jpg 原图Annotations 放 VOC 的 xmllabels 放 YOLO 的 txt。三者的文件名主干一一对应比如sl_images880.jpg对应sl_images880.xml和sl_images880.txt。这种同名不同后缀的设计是刻意为之方便你写脚本做交叉校验也方便在两种格式之间来回切换。VOC 的 xml 里存的是绝对像素坐标结构是bndbox下的xmin/ymin/xmax/ymax外加name标签名。YOLO 的 txt 每行是class_id x_center y_center width height五个值全部归一化到 0~1。同一张图两种格式描述的是同一批框只是坐标系和存储方式不同。常见做法是训练用 txt做数据审查或转 COCO 时用 xml因为 xml 可读性更好能直接看到像素级坐标。提示解压后先别急着改文件名。三个文件夹的命名主干必须严格一致任何一张图缺了对应的 xml 或 txt训练时都会在数据加载阶段报错或静默丢样本。2.2 7 类标签的框数分布与类别不平衡标签是意大利语先对照一遍业务含义别训完了才发现标签对不上class_id标签名中文含义框数0Armatura in vista钢筋外露36731Delaminazione分层剥落10052Fessura裂缝45133Scaling起皮剥落2404Spalling剥落掉块20045Tracce di ruggine锈迹25506Umidita潮湿渗水1748总框数 15733。一眼能看出问题Fessura裂缝4513 个框Scaling起皮只有 240 个差了将近 19 倍。这是典型的类别不平衡直接拿去训 YOLOScaling 这一类大概率召回率极低甚至被模型忽略。我一般会先跑一遍统计脚本确认每类框数再决定要不要对少数类做重采样或调 loss 权重。2.3 用脚本核对图片、xml、txt 三方一致性动手训练前先写个校验脚本把三个文件夹对齐一遍。这一步能省掉后面几小时的排查时间import os img_dir JPEGImages xml_dir Annotations txt_dir labels # 取文件名主干不含扩展名 imgs {os.path.splitext(f)[0] for f in os.listdir(img_dir) if f.endswith(.jpg)} xmls {os.path.splitext(f)[0] for f in os.listdir(xml_dir) if f.endswith(.xml)} txts {os.path.splitext(f)[0] for f in os.listdir(txt_dir) if f.endswith(.txt)} print(图片数:, len(imgs)) print(xml数:, len(xmls)) print(txt数:, len(txts)) # 找出三方不一致的主干 only_img imgs - xmls - txts only_xml xmls - imgs - txts only_txt txts - imgs - xmls print(只有图片:, len(only_img), list(only_img)[:5]) print(只有xml:, len(only_xml), list(only_xml)[:5]) print(只有txt:, len(only_txt), list(only_txt)[:5])逻辑说明用集合差集找出任何一方缺失的样本。参数上os.path.splitext去掉扩展名拿到主干三个集合两两做差就能定位孤儿文件。如果输出三个只有都是 0说明数据完整如果有非零先补齐或删掉再进下一步别带着脏数据训。2.4 从 xml 反推 YOLO 归一化坐标的换算有时候你需要自己从 xml 重新生成 txt比如改了标签映射或做了框过滤。换算公式不复杂但边界容易翻车import xml.etree.ElementTree as ET def voc_to_yolo(xml_path, class_map): tree ET.parse(xml_path) root tree.getroot() size root.find(size) w int(size.find(width).text) h int(size.find(height).text) lines [] for obj in root.iter(object): name obj.find(name).text if name not in class_map: continue bnd obj.find(bndbox) xmin float(bnd.find(xmin).text) ymin float(bnd.find(ymin).text) xmax float(bnd.find(xmax).text) ymax float(bnd.find(ymax).text) # 归一化中心点与宽高 xc (xmin xmax) / 2.0 / w yc (ymin ymax) / 2.0 / h bw (xmax - xmin) / w bh (ymax - ymin) / h lines.append(f{class_map[name]} {xc:.6f} {yc:.6f} {bw:.6f} {bh:.6f}) return lines逻辑说明size节点给出图片宽高用它做归一化分母。class_map是标签名到 class_id 的字典必须和训练时的 data.yaml 顺序一致否则类别全错位。参数上坐标保留 6 位小数足够YOLO 读取时对精度不敏感。注意 xmax 可能等于图片宽度归一化后是 1.0这是合法的别手抖去 clamp 成 0.99。3. YOLO 训练配置从 data.yaml 到增强策略对齐3.1 data.yaml 怎么写路径和类别顺序别搞反YOLO 系列训练第一步是配 data.yaml。这份数据集是 7 类顺序必须和 txt 里的 class_id 严格对应path: ./wall_defect train: images/train val: images/val nc: 7 names: 0: Armatura in vista 1: Delaminazione 2: Fessura 3: Scaling 4: Spalling 5: Tracce di ruggine 6: Umidita逻辑说明path是数据集根目录train和val是相对路径。nc是类别数必须等于 names 的条目数。names 的索引就是 txt 第一列的 class_id顺序错一位模型学到的就是错的映射。常见做法是先把 5737 张按 8:2 切成 train/val切分时保证每类都有样本进验证集别让 Scaling 这种少数类在 val 里一个都没有。3.2 类别不平衡下的 loss 权重与采样前面看到 Scaling 只有 240 个框Fessura 有 4513 个。直接训模型会偏向多数类。两个常用手段一是给少数类更高的 loss 权重二是对含少数类的图片做重复采样。YOLOv8 里没有直接的 class weight 参数但可以在数据加载层做 oversampling或者用 focal loss 的变体。我一般先跑一版 baseline看混淆矩阵里 Scaling 的召回如果低于 0.3 再动手调。# 统计每类框数决定是否重采样 from collections import Counter import os txt_dir labels counter Counter() for f in os.listdir(txt_dir): if not f.endswith(.txt): continue with open(os.path.join(txt_dir, f)) as fp: for line in fp: cid int(line.split()[0]) counter[cid] 1 for cid in sorted(counter): print(fclass {cid}: {counter[cid]} boxes)逻辑说明遍历所有 txt统计每个 class_id 出现的行数就是该类框数。参数上没什么可调的纯粹是摸底。跑完对照第 2 章的表格确认和简介里的数字一致不一致说明数据被改过或读取有误。3.3 增强数据的使用边界约 60% 已增强意味着什么简介里写已增强约60%意思是这批图里大约六成做过几何或色彩变换。这对训练是好事能提升泛化但有两个边界要注意。第一增强后的图可能和原图高度相似如果切分时把增强图和它的原图分别放进 train 和 val会造成验证集泄漏指标虚高。第二增强可能改变了缺陷的尺度分布比如旋转后细长裂缝变得更难检。注意切分前先确认有没有同源图——同一张原图的不同增强版本。如果文件名有规律比如带 aug 后缀或编号连续按原图分组切分别按单张随机切。3.4 训练命令与关键超参以 YOLOv8 为例一条命令能跑起来yolo detect train \ datawall_defect.yaml \ modelyolov8s.pt \ epochs100 \ imgsz640 \ batch16 \ lr00.01 \ patience20 \ projectruns/wall \ nameexp1逻辑说明model用预训练权重起步比从头训收敛快。imgsz640是常见输入尺寸如果原图分辨率远大于 640小目标比如细裂缝可能被缩没可以试 960 或 1280。batch16看显存V100 上可以拉到 32 甚至 64。patience20是早停连续 20 轮没提升就停省时间。lr0初始学习率0.01 是 YOLO 的常规起点数据量小可以降到 0.001。4. 避坑与排查这份数据集最容易翻车的五个地方4.1 标签名是意大利语映射错一位全盘皆输现象训练 loss 正常下降但验证时混淆矩阵里类别全乱Fessura 被预测成 Umidita。 原因data.yaml 里 names 的顺序和 txt 里的 class_id 没对齐或者你中途改过标签映射但没重新生成 txt。 解决写脚本抽查若干 txt把 class_id 反查 names和 xml 里的name对照确认一一对应。改过映射就重新跑一遍转换别手动改 txt。4.2 增强图与原图跨集泄漏验证指标虚高现象验证集 mAP 很高一上真实新图就崩。 原因同一张原图的增强版本被分到了 train 和 val 两边模型在验证集上见到的是见过的图。 解决按原图分组切分。如果文件名无法区分原图和增强图用图像哈希或感知哈希做去重分组同组只进一个集合。4.3 Scaling 类召回极低甚至为 0现象训完发现 Scaling 这一类几乎检不出混淆矩阵里全被吞进其他类。 原因240 个框对比 4513 个框类别严重不平衡模型倾向于忽略少数类。 解决先确认 val 里有没有 Scaling 样本再考虑对含 Scaling 的图做 oversampling或换用带类别权重的 loss。实在不行把 Scaling 和 Spalling 合并成一类剥落看业务能不能接受。4.4 坐标越界导致训练报错或框画歪现象训练时提示坐标超出 [0,1]或可视化时框跑到图外。 原因xml 里 xmax 等于图片宽度时归一化得 1.0某些版本的加载器会判越界或者手工改过坐标没重新归一化。 解决转换时对坐标做一次 clamp 到 [0,1]但要注意 clamp 会轻微改变框只在越界时用。更稳妥的是检查原始 xml 的 size 是否和实际图片尺寸一致。4.5 图片与标签文件名主干不一致静默丢样本现象训练日志里显示的样本数比 5737 少但没报错。 原因YOLO 加载时按图片找同名 txt找不到就跳过不报错。 解决跑第 2 章的校验脚本确保三个文件夹主干完全一致。发现孤儿文件要么补齐要么删掉别留着。5. 进阶技巧用混淆矩阵和框分布反推数据质量训完一版模型别只看 mAP 就收工。混淆矩阵和每类框的尺寸分布能告诉你数据本身的问题。我习惯先导出混淆矩阵看哪些类互相混淆——如果 Fessura 和 Delaminazione 经常互判说明这两类在视觉上边界模糊可能需要合并或补充区分性样本。再看框的宽高散点图如果某一类的框全是极端细长或极小说明标注尺度单一增强没覆盖到。import numpy as np import os # 统计每类框的宽高分布归一化后 txt_dir labels stats {} for f in os.listdir(txt_dir): if not f.endswith(.txt): continue with open(os.path.join(txt_dir, f)) as fp: for line in fp: parts line.split() cid int(parts[0]) bw, bh float(parts[3]), float(parts[4]) stats.setdefault(cid, []).append((bw, bh)) for cid in sorted(stats): arr np.array(stats[cid]) print(fclass {cid}: n{len(arr)}, fw_mean{arr[:,0].mean():.4f}, h_mean{arr[:,1].mean():.4f}, fw_min{arr[:,0].min():.4f}, h_min{arr[:,1].min():.4f})逻辑说明把每类的归一化宽高收集起来算均值和最小值。如果某类 w_min 或 h_min 特别小比如小于 0.01说明存在极小目标训练时输入尺寸不能太小否则这些框在特征图上只剩不到一个像素。参数上imgsz至少要保证最小框在特征图上占 2~3 个像素按这个反推输入尺寸。另一个技巧是用验证集的预测结果反查漏标。把模型置信度中等比如 0.3~0.5但没匹配到真值的预测框导出来人工看一眼很可能是数据集漏标的缺陷。这份数据集有 15733 个框漏标几个很正常用模型帮你找比人眼快得多。从那以后我每次拿到新数据集都强制先跑一遍三方一致性校验和类别分布统计再动手配训练。这两步花不了十分钟但能挡掉后面大半的玄学问题。希望帮到你。本文还有配套的精品资源点击获取
简介本资源为墙面缺陷检测数据集面向从事建筑外墙病害识别、结构健康监测及计算机视觉目标检测的开发者与研究人员可用于训练YOLO系列或VOC格式的目标检测模型解决墙面裂缝、剥落、锈迹等缺陷自动识别问题。压缩包共含2000个文件以1999个xml标注文件和1个说明txt为主整体约143.08MB图片、xml与txt分别对应JPEGImages、Annotations、labels三个文件夹方便直接接入主流检测框架。数据集共5737张清晰图片已做约60%增强标注7类缺陷外露钢筋、分层、裂缝、剥落、脱落、锈迹与潮湿总框数达15733个其中裂缝4513框、外露钢筋3673框、锈迹2550框类别分布较均衡。目前已有666人学习下载适合需要现成标注数据快速验证模型、开展缺陷检测实验或进行数据增强对比的读者参考使用。1. 墙面缺陷检测数据集5737 张已增强样本VOC 与 YOLO 双格式直接落地做建筑外立面巡检的团队多半遇到过这种局面无人机或爬壁机器人拍回来几千张墙面图人眼筛一遍要一周漏检的裂缝和锈迹还得返工。这份墙面缺陷检测数据集就是冲着这个场景来的——5737 张 jpg 图片配套 5737 个 VOC 格式 xml 和 5737 个 YOLO 格式 txt7 类缺陷共 15733 个矩形框约 60% 的样本做过增强。它解决的不是有没有数据的问题而是拿到就能训、训完能对齐业务标签的问题。适合做 YOLO 目标检测落地、需要快速验证外立面病害识别方案的从业者也适合拿它当缺陷检测练手项目的数据底座。下面从格式结构、标签分布、训练配置一路拆到踩坑记录。2. 双格式目录结构与 7 类标签分布先看清数据再动手2.1 三个文件夹怎么对应xml 和 txt 谁是谁拿到压缩包解压后是三个平级文件夹JPEGImages 放 jpg 原图Annotations 放 VOC 的 xmllabels 放 YOLO 的 txt。三者的文件名主干一一对应比如sl_images880.jpg对应sl_images880.xml和sl_images880.txt。这种同名不同后缀的设计是刻意为之方便你写脚本做交叉校验也方便在两种格式之间来回切换。VOC 的 xml 里存的是绝对像素坐标结构是bndbox下的xmin/ymin/xmax/ymax外加name标签名。YOLO 的 txt 每行是class_id x_center y_center width height五个值全部归一化到 0~1。同一张图两种格式描述的是同一批框只是坐标系和存储方式不同。常见做法是训练用 txt做数据审查或转 COCO 时用 xml因为 xml 可读性更好能直接看到像素级坐标。提示解压后先别急着改文件名。三个文件夹的命名主干必须严格一致任何一张图缺了对应的 xml 或 txt训练时都会在数据加载阶段报错或静默丢样本。2.2 7 类标签的框数分布与类别不平衡标签是意大利语先对照一遍业务含义别训完了才发现标签对不上class_id标签名中文含义框数0Armatura in vista钢筋外露36731Delaminazione分层剥落10052Fessura裂缝45133Scaling起皮剥落2404Spalling剥落掉块20045Tracce di ruggine锈迹25506Umidita潮湿渗水1748总框数 15733。一眼能看出问题Fessura裂缝4513 个框Scaling起皮只有 240 个差了将近 19 倍。这是典型的类别不平衡直接拿去训 YOLOScaling 这一类大概率召回率极低甚至被模型忽略。我一般会先跑一遍统计脚本确认每类框数再决定要不要对少数类做重采样或调 loss 权重。2.3 用脚本核对图片、xml、txt 三方一致性动手训练前先写个校验脚本把三个文件夹对齐一遍。这一步能省掉后面几小时的排查时间import os img_dir JPEGImages xml_dir Annotations txt_dir labels # 取文件名主干不含扩展名 imgs {os.path.splitext(f)[0] for f in os.listdir(img_dir) if f.endswith(.jpg)} xmls {os.path.splitext(f)[0] for f in os.listdir(xml_dir) if f.endswith(.xml)} txts {os.path.splitext(f)[0] for f in os.listdir(txt_dir) if f.endswith(.txt)} print(图片数:, len(imgs)) print(xml数:, len(xmls)) print(txt数:, len(txts)) # 找出三方不一致的主干 only_img imgs - xmls - txts only_xml xmls - imgs - txts only_txt txts - imgs - xmls print(只有图片:, len(only_img), list(only_img)[:5]) print(只有xml:, len(only_xml), list(only_xml)[:5]) print(只有txt:, len(only_txt), list(only_txt)[:5])逻辑说明用集合差集找出任何一方缺失的样本。参数上os.path.splitext去掉扩展名拿到主干三个集合两两做差就能定位孤儿文件。如果输出三个只有都是 0说明数据完整如果有非零先补齐或删掉再进下一步别带着脏数据训。2.4 从 xml 反推 YOLO 归一化坐标的换算有时候你需要自己从 xml 重新生成 txt比如改了标签映射或做了框过滤。换算公式不复杂但边界容易翻车import xml.etree.ElementTree as ET def voc_to_yolo(xml_path, class_map): tree ET.parse(xml_path) root tree.getroot() size root.find(size) w int(size.find(width).text) h int(size.find(height).text) lines [] for obj in root.iter(object): name obj.find(name).text if name not in class_map: continue bnd obj.find(bndbox) xmin float(bnd.find(xmin).text) ymin float(bnd.find(ymin).text) xmax float(bnd.find(xmax).text) ymax float(bnd.find(ymax).text) # 归一化中心点与宽高 xc (xmin xmax) / 2.0 / w yc (ymin ymax) / 2.0 / h bw (xmax - xmin) / w bh (ymax - ymin) / h lines.append(f{class_map[name]} {xc:.6f} {yc:.6f} {bw:.6f} {bh:.6f}) return lines逻辑说明size节点给出图片宽高用它做归一化分母。class_map是标签名到 class_id 的字典必须和训练时的 data.yaml 顺序一致否则类别全错位。参数上坐标保留 6 位小数足够YOLO 读取时对精度不敏感。注意 xmax 可能等于图片宽度归一化后是 1.0这是合法的别手抖去 clamp 成 0.99。3. YOLO 训练配置从 data.yaml 到增强策略对齐3.1 data.yaml 怎么写路径和类别顺序别搞反YOLO 系列训练第一步是配 data.yaml。这份数据集是 7 类顺序必须和 txt 里的 class_id 严格对应path: ./wall_defect train: images/train val: images/val nc: 7 names: 0: Armatura in vista 1: Delaminazione 2: Fessura 3: Scaling 4: Spalling 5: Tracce di ruggine 6: Umidita逻辑说明path是数据集根目录train和val是相对路径。nc是类别数必须等于 names 的条目数。names 的索引就是 txt 第一列的 class_id顺序错一位模型学到的就是错的映射。常见做法是先把 5737 张按 8:2 切成 train/val切分时保证每类都有样本进验证集别让 Scaling 这种少数类在 val 里一个都没有。3.2 类别不平衡下的 loss 权重与采样前面看到 Scaling 只有 240 个框Fessura 有 4513 个。直接训模型会偏向多数类。两个常用手段一是给少数类更高的 loss 权重二是对含少数类的图片做重复采样。YOLOv8 里没有直接的 class weight 参数但可以在数据加载层做 oversampling或者用 focal loss 的变体。我一般先跑一版 baseline看混淆矩阵里 Scaling 的召回如果低于 0.3 再动手调。# 统计每类框数决定是否重采样 from collections import Counter import os txt_dir labels counter Counter() for f in os.listdir(txt_dir): if not f.endswith(.txt): continue with open(os.path.join(txt_dir, f)) as fp: for line in fp: cid int(line.split()[0]) counter[cid] 1 for cid in sorted(counter): print(fclass {cid}: {counter[cid]} boxes)逻辑说明遍历所有 txt统计每个 class_id 出现的行数就是该类框数。参数上没什么可调的纯粹是摸底。跑完对照第 2 章的表格确认和简介里的数字一致不一致说明数据被改过或读取有误。3.3 增强数据的使用边界约 60% 已增强意味着什么简介里写已增强约60%意思是这批图里大约六成做过几何或色彩变换。这对训练是好事能提升泛化但有两个边界要注意。第一增强后的图可能和原图高度相似如果切分时把增强图和它的原图分别放进 train 和 val会造成验证集泄漏指标虚高。第二增强可能改变了缺陷的尺度分布比如旋转后细长裂缝变得更难检。注意切分前先确认有没有同源图——同一张原图的不同增强版本。如果文件名有规律比如带 aug 后缀或编号连续按原图分组切分别按单张随机切。3.4 训练命令与关键超参以 YOLOv8 为例一条命令能跑起来yolo detect train \ datawall_defect.yaml \ modelyolov8s.pt \ epochs100 \ imgsz640 \ batch16 \ lr00.01 \ patience20 \ projectruns/wall \ nameexp1逻辑说明model用预训练权重起步比从头训收敛快。imgsz640是常见输入尺寸如果原图分辨率远大于 640小目标比如细裂缝可能被缩没可以试 960 或 1280。batch16看显存V100 上可以拉到 32 甚至 64。patience20是早停连续 20 轮没提升就停省时间。lr0初始学习率0.01 是 YOLO 的常规起点数据量小可以降到 0.001。4. 避坑与排查这份数据集最容易翻车的五个地方4.1 标签名是意大利语映射错一位全盘皆输现象训练 loss 正常下降但验证时混淆矩阵里类别全乱Fessura 被预测成 Umidita。 原因data.yaml 里 names 的顺序和 txt 里的 class_id 没对齐或者你中途改过标签映射但没重新生成 txt。 解决写脚本抽查若干 txt把 class_id 反查 names和 xml 里的name对照确认一一对应。改过映射就重新跑一遍转换别手动改 txt。4.2 增强图与原图跨集泄漏验证指标虚高现象验证集 mAP 很高一上真实新图就崩。 原因同一张原图的增强版本被分到了 train 和 val 两边模型在验证集上见到的是见过的图。 解决按原图分组切分。如果文件名无法区分原图和增强图用图像哈希或感知哈希做去重分组同组只进一个集合。4.3 Scaling 类召回极低甚至为 0现象训完发现 Scaling 这一类几乎检不出混淆矩阵里全被吞进其他类。 原因240 个框对比 4513 个框类别严重不平衡模型倾向于忽略少数类。 解决先确认 val 里有没有 Scaling 样本再考虑对含 Scaling 的图做 oversampling或换用带类别权重的 loss。实在不行把 Scaling 和 Spalling 合并成一类剥落看业务能不能接受。4.4 坐标越界导致训练报错或框画歪现象训练时提示坐标超出 [0,1]或可视化时框跑到图外。 原因xml 里 xmax 等于图片宽度时归一化得 1.0某些版本的加载器会判越界或者手工改过坐标没重新归一化。 解决转换时对坐标做一次 clamp 到 [0,1]但要注意 clamp 会轻微改变框只在越界时用。更稳妥的是检查原始 xml 的 size 是否和实际图片尺寸一致。4.5 图片与标签文件名主干不一致静默丢样本现象训练日志里显示的样本数比 5737 少但没报错。 原因YOLO 加载时按图片找同名 txt找不到就跳过不报错。 解决跑第 2 章的校验脚本确保三个文件夹主干完全一致。发现孤儿文件要么补齐要么删掉别留着。5. 进阶技巧用混淆矩阵和框分布反推数据质量训完一版模型别只看 mAP 就收工。混淆矩阵和每类框的尺寸分布能告诉你数据本身的问题。我习惯先导出混淆矩阵看哪些类互相混淆——如果 Fessura 和 Delaminazione 经常互判说明这两类在视觉上边界模糊可能需要合并或补充区分性样本。再看框的宽高散点图如果某一类的框全是极端细长或极小说明标注尺度单一增强没覆盖到。import numpy as np import os # 统计每类框的宽高分布归一化后 txt_dir labels stats {} for f in os.listdir(txt_dir): if not f.endswith(.txt): continue with open(os.path.join(txt_dir, f)) as fp: for line in fp: parts line.split() cid int(parts[0]) bw, bh float(parts[3]), float(parts[4]) stats.setdefault(cid, []).append((bw, bh)) for cid in sorted(stats): arr np.array(stats[cid]) print(fclass {cid}: n{len(arr)}, fw_mean{arr[:,0].mean():.4f}, h_mean{arr[:,1].mean():.4f}, fw_min{arr[:,0].min():.4f}, h_min{arr[:,1].min():.4f})逻辑说明把每类的归一化宽高收集起来算均值和最小值。如果某类 w_min 或 h_min 特别小比如小于 0.01说明存在极小目标训练时输入尺寸不能太小否则这些框在特征图上只剩不到一个像素。参数上imgsz至少要保证最小框在特征图上占 2~3 个像素按这个反推输入尺寸。另一个技巧是用验证集的预测结果反查漏标。把模型置信度中等比如 0.3~0.5但没匹配到真值的预测框导出来人工看一眼很可能是数据集漏标的缺陷。这份数据集有 15733 个框漏标几个很正常用模型帮你找比人眼快得多。从那以后我每次拿到新数据集都强制先跑一遍三方一致性校验和类别分布统计再动手配训练。这两步花不了十分钟但能挡掉后面大半的玄学问题。希望帮到你。本文还有配套的精品资源点击获取
