简介这份资源是基于YOLO11的飞鸟检测训练成果包面向目标检测方向的开发者与研究者可用于无人机巡检、生态观测等场景中的飞鸟识别也可作为迁移学习的预训练基础。压缩包共2000个文件约149.28MB主体包含数百张已标注的鸟类图像同时提供XML与TXT两种标注格式并配套Python推理/训练脚本、YAML配置文件和说明文档便于直接接入主流检测框架使用。数据集与检测效果展示配有参考博文链接作者还提供了逾万张飞鸟数据集的扩展获取入口方便用户按需扩充训练样本。目前已有67人学习下载适合需要快速获得可用模型、进行算法验证或数据增强的入门及进阶学习者。1. 一眼看懂这个zip训练好的飞鸟检测模型数据集到底能干嘛如果你手里也有一个名为ultralytics-yolo11-sts-bird_dataset.zip的压缩包里面装着训练好的飞鸟检测模型和配套的bird_dataset数据集。sts多半是采集场景或项目代号目录名和配置里都带着这个前缀权重是Ultralytics YOLO11格式的.pt文件可以直接对图片和视频里的飞鸟画框数据集则用来继续微调。这个包的价值不在“能predict”而在“你能拿它做出自己的飞鸟检测”。我见过不少人解压后直接跑框画出来了但类别编号对不上、置信度低得没法用根子都在权重和数据集的配置不一致。想少走弯路先做三件事看清模型结构、核对标注格式、确认类别表顺序。下面按这个路径从加载权重一路讲到用数据集微调。2. 先别急着跑解压后先核对模型结构、数据集标注和类别表2.1 压缩包里通常有哪几类东西拿到zip后第一件事不是双击运行而是先搞清楚包里装了什么。按Ultralsy团队常见的项目打包习惯一个训练完的检测项目至少包含模型权重、数据目录、配置文件和训练日志四类东西。文件类型常见后缀作用你要做什么模型权重.pt训练好的网络参数best.pt是验证集最优权重用YOLO()加载并打印names数据图片.jpg / .png采集到的原始飞鸟图往images/train和images/val里放标注文件.txt / .jsonYOLO格式每行class_id cx cy w h放进labels对应目录和图片同名配置文件.yaml / .txt数据集路径、类别数、类别名先核对nc和names训练日志results.csv每轮loss和精度指标用于判断模型有没有收敛权重文件往往不止一个。best.pt是验证集上表现最好的那一轮last.pt是训练中断时最后保存的现场。日常推理和部署用best.ptlast.pt只在你想接着断点继续训练时才有价值这两者别用混。sts这个前缀怎么理解我不做强行解释你打开包里的README或看目录结构就清楚了。文件名本身就是线索ultralytics表示训练框架yolo11是模型家族sts是这套数据的代号bird_dataset说明它的领域。这个命名格式其实值得保留后期你训练自己的模型时按“框架-模型-场景-数据”命名回看日志会省很多事。2.2 第一次加载打印模型结构和类别表环境里先装好ultralytics包然后把best.pt放进工作目录用下面这段代码做首次体检from ultralytics import YOLO # 用训练好的权重初始化检测模型 model YOLO(best.pt) # 打印类别编号到类别名的映射核对与数据集是否一致 print(model.model.names) # 打印网络结构确认这份权重是 n/s/m/l/x 中的哪一档 print(model.model) # 打印参数量、GFLOPs 和输入分辨率 model.info()这段代码的目的不是跑通而是建立“权重到底认识哪些类别”的认知。model.model.names返回的是一个字典比如{0: bird}说明这份模型只检测一类。如果输出里出现0: person这种COCO类别直接判定这不是你想要的飞鸟模型后面所有推理都没有意义。如果加载时报ultralytics包找不到或版本冲突先不要怀疑权重文件绝大多数是环境问题第五章会集中说。model.info()会输出参数量和GFLOPs从数字大小能大致判断权重的档次参数量在百万级多半是yolo11n千万级就是yolo11s及以上这对你后续决定微调资源很有参考价值。2.3 数据集结构和YOLO标注格式数据集的目录结构决定了训练脚本能不能直接读。用下面命令先看整体布局find bird_dataset -maxdepth 2 -type d | sort head -3 bird_dataset/labels/train/任意图片前缀.txt第一行如果有三个框head会打印三行如果有几十个框只打印前三行。每一行的格式固定类别ID 中心点x 中心点y 框宽 框高前三个是绝对坐标除以图片宽高后的0到1小数类别ID对应yaml里names的顺序。只看一个文件说明不了问题建议用Python统计整体类别分布import os from collections import Counter label_dir bird_dataset/labels/train counts Counter() for f in os.listdir(label_dir): if not f.endswith(.txt): continue for line in open(os.path.join(label_dir, f), encodingutf-8): if line.strip(): cls_id line.strip().split()[0] counts[cls_id] 1 print(counts) # 输出形如 {0: 1200}若出现多个键说明是多类别这一小节看起来很基础但我见过很多人把COCO的[x1, y1, w, h]绝对像素格式当成YOLO格式硬喂给train脚本训练出来的模型画框位置全偏。格式错了不需要等训练跑完用上面的脚本对一下坐标值是否都在0到1之间就能发现。类别统计也很关键如果train里类别0有两千个框但val里只有十个后面训练时验证集的置信度会非常飘这类问题尽早发现比训练完再修便宜得多。3. 用训练好的飞鸟模型做推理单张图、视频流与结果解析3.1 最小推理命令用best.pt跑通单张图片体检完模型和数据集可以开始跑第一张图了。常见做法是先用一张测试图做最小验证确认整条推理链路是通的from ultralytics import YOLO model YOLO(best.pt) results model.predict( sourcetest.jpg, # 测试图片路径 conf0.25, # 置信度阈值低于此值的框会被丢弃 iou0.45, # NMS的IoU阈值控制重叠框合并力度 imgsz640, # 推理时缩放尺寸 saveTrue, # 保存带标注的可视化结果 projectruns/detect, # 输出根目录 namebird_predict, # 本次输出子目录 ) print(results[0].boxes)这个调用里最值得调的是conf。飞鸟这类目标经常出现在画面远端像素占比小模型给出的置信度天然偏低。0.25是ultralytics的默认值如果发现框全空把conf降到0.15再试往往能看到两三个低置信度框。不习惯Python的话同样流程用CLI一行也能跑yolo predict modelbest.pt sourcetest.jpg saveTrue conf0.25我一般用Python方式而不是CLI原因很简单后面解析坐标、筛选低置信度框、把结果回写日志这些操作在CLI里做不了而Python里所有结果都在results对象里取用自由。3.2 视频推理和实时画面推理图片跑通后视频也是同一个predict入口只是source换成视频文件路径results model.predict( sourcebird_video.mp4, conf0.3, imgsz640, vid_stride2, # 每隔两帧取一帧推理视频会流畅不少 saveTrue, )vid_stride这个参数是视频推理的节流阀。飞鸟动作快一秒钟可能横跨半个画面跳帧太多会漏但如果不跳帧每一帧都过一遍网络普通CPU机器上视频播放速度会慢到像看ppt。我的习惯是先从vid_stride1开始确定模型和显存都扛得住再调到2。如果是固定机位的实时画面比如果园或水库边的监控画面source传0代表本机摄像头。注意要加上streamTrue让predict返回一个生成器而不是一次性把所有帧的结果堆进内存results model.predict(source0, streamTrue, conf0.3, imgsz640) for r in results: # 每循环一次拿到一帧的结果边推理边释放内存 print(r.boxes)streamTrue是实时场景的必选项。不写它程序会尝试先把整个视频流全部推理完再返回对无限长的摄像头画面来说等于是把内存和显存一起压爆。3.3 解析预测结果坐标、类别、置信度saveTrue能直接出图但真实项目里你多半需要拿到结构化数据比如把检测结果写进数据库或者统计一片林子里某段时间的飞鸟数量。解析方式如下boxes results[0].boxes for box in boxes: # xyxy是左上角和右下角的绝对像素坐标 xyxy box.xyxy[0].tolist() cls_id int(box.cls[0]) conf float(box.conf[0]) name model.model.names[cls_id] print(xyxy, name, conf)如果是在高分辨率大图上做检测你更关心的可能是归一化坐标便于和原始标注统一比较这时用box.xywhn它返回中心点和宽高的归一化值。拿到数据后不要只print建议顺手统计一下当轮检出的平均置信度这个数字能直观反映当前阈值合不合理。可视化方面results[0].plot()会返回一张画好框的BGR图像用OpenCV就能存下来import cv2 plotted results[0].plot() cv2.imwrite(pred.jpg, plotted)注意plot()返回的是BGR顺序的numpy数组直接plt.imshow会看到颜色发蓝用cv2.imwrite才是开发者习惯的保存姿势。4. 拿这个数据集微调YOLO11从目录划分到训练完成的完整流程4.1 训练数据划分与bird.yaml配置zip里如果已经带data.yaml先打开看里面path、train、val、nc、names五项是否和你本地路径一致。路径不一致的话改path为绝对路径即可缺文件的话就得自己重新组织目录。标准的YOLO检测数据集长这样bird_dataset/ ├── images/ │ ├── train/ │ └── val/ ├── labels/ │ ├── train/ │ └── val/ └── bird.yaml如果你的原始数据是散装图片和标注混在一起需要自己划分。下面这个脚本按85比15切分训练集和验证集并保持图片与txt标注的同名对应import os import random import shutil src_img bird_dataset_ori/images src_lbl bird_dataset_ori/labels dst bird_dataset for sub in [images/train, images/val, labels/train, labels/val]: os.makedirs(f{dst}/{sub}, exist_okTrue) imgs [f for f in os.listdir(src_img) if f.endswith((.jpg, .png))] random.seed(42) random.shuffle(imgs) split int(len(imgs) * 0.85) for i, img in enumerate(imgs): sub train if i split else val stem os.path.splitext(img)[0] shutil.move(f{src_img}/{img}, f{dst}/images/{sub}/{img}) lbl f{src_lbl}/{stem}.txt if os.path.exists(lbl): shutil.move(lbl, f{dst}/labels/{sub}/{stem}.txt) else: print(f无标注文件: {img})seed固定成42保证每次划分结果一致后续别人复现你的结果才不用靠猜。标注文件缺失时打印而不是静默跳过静默跳过的代价是训练时某个batch缺标签loss曲线直接给你表演跳崖。划分完写bird.yaml# 飞鸟检测数据集配置训练和验证都建议写绝对路径 path: /home/user/bird_dataset train: images/train val: images/val nc: 1 names: 0: bird如果压缩包里原来有多类比如0是bird、1是drone记得按classes.txt里的顺序改namesnc改成2。nc写错是最隐蔽的坑训练能启动但类别名串位验证时mAP看着还在涨部署后全乱。4.2 开始微调训练命令与关键参数数据准备完毕微调命令如下yolo detect train \ modelyolo11s.pt \ databird.yaml \ epochs100 \ batch16 \ imgsz640 \ patience15 \ device0训练的本质是迁移学习以官方COCO预训练权重为初值继续在飞鸟数据上反向传播。直接从零开始训一个检测网络需要的数据量和时间都大得多用预训练权重微调是这套流程里性价比最高的选择。参数作用建议model预训练权重显存不够就换yolo11n.pt效果差一点但跑得动epochs训练轮数100轮起步按results.csv收敛情况增减batch每批图片数显存报错就减半8或4都能训imgsz输入尺寸飞鸟多为小目标640是底线卡强可上768patience早停轮数连续多少轮val不提升就停15到30都合理device计算设备0表示第一张GPUCPU用-1但会很慢显存不足时优先减batch而不是减imgsz。飞鸟目标本来就小imgsz从640降到512小目标特征丢失很多模型精度掉的幅度比你想的大。想从训练好的best.pt继续微调也完全可以但前提是nc一致否则最后一层类别维度对不上训练直接报错。很多人问yolo11改进该从哪下手我的做法永远是先在官方预训练权重上把这条数据流程跑通再谈改C2PSA层或者加注意力机制。数据流程没跑通就动手改结构出了bug你分不清是结构问题还是数据问题只会两头翻车。4.3 训练产物怎么读best.pt、last.pt和results.csv训练结束后输出目录在runs/detect/train进去看一圈ls runs/detect/train/常见产物是weights/best.pt和weights/last.pt前者是验证集最优后者是最后一轮。还有confusion_matrix.png能直接看出哪些类别互相混淆labels.jpg展示训练数据的标注分布整体偏移很严重的话说明标注质量有问题。results.csv是判断收敛的关键用pandas读最后几行import pandas as pd df pd.read_csv(runs/detect/train/results.csv) print(df.tail(3))重点看val/box_loss、metrics/precision(B)、metrics/recall(B)和mAP50这几列。如果val/box_loss先降后升而train/box_loss还在降妥妥的过拟合把epochs砍到拐点附近重训或者加大数据增强。如果mAP50一直趴在0.3上不去先回头检查标注文件是不是有大面积空标签再考虑改模型结构。训练中途断电或中断了不用重来ultralytics支持断点续训一条命令接着跑yolo detect train resumeTrue它会自动读取上次输出的last.pt和args.yaml把优化器状态接上。我习惯每跑完一个阶段就看一眼results.csv的mAP趋势不为别的只为了不把时间浪费在一个注定收敛不到可用精度的训练上。5. 避坑排查ultralytics安装失败、类别错位与飞鸟漏检的四个问题5.1 pip install ultralytics报could not find a version先查Python版本和pip源现象执行pip install ultralytics终端抛出ERROR: Could not find a version that satisfies the requirement ultralytics (from versions: none)。原因最常见的是Python版本太新。YOLO11的ultralytics依赖链里有torch和numpy这两个库对新版Python的适配往往比ultralytics自身慢半拍尤其是Python 3.12和3.13出来后的头几个月pip索引里根本没有匹配的torch版本于是连带ultralytics也装不上。pip版本太老、pip源里的索引没同步也会出现同样的报错。解决不要和系统Python硬刚新建虚拟环境在干净的3.10或3.11环境里装。这一步是我血泪经验里出现频率最高的一环python -m venv .venv source .venv/bin/activate # Windows下用 .venv\Scripts\activate python -m pip install --upgrade pip pip install -i https://pypi.tuna.tsinghua.edu.cn/simple ultralytics国内网络环境下换pip镜像源基本是必做项。装完记得用python -c import ultralytics; print(ultralytics.version)验证。另外Windows上如果import时报DLL load failed大概率是缺VC 2015-2022运行库装一下运行库就能解决别反复重装pip。5.2 预测结果清一色person或类别编号错位类别表顺序不一致现象对着飞鸟图片做推理框出来了但label清一色是person或者类别编号整体偏移0变成1、1变成2。原因Ultralytics的权重文件里会烧入训练时用的names映射表但如果你用另一个项目的权重或者手工修改了data.yaml里的names顺序推理时的类别编号就和你看到的名字对不上。更常见的是误加载了在COCO数据集上训练的官方预训练模型那里面当然只有person、cat、dog没有bird。解决先打印权重内置的类别表看它到底认识谁from ultralytics import YOLO model YOLO(best.pt) print(model.model.names)输出{0: bird}就是健康的单类模型如果输出里包含80个COCO类别果断换权重。推理时不要手工传names参数让模型用自己内置的映射能避免一大半错位问题。训练阶段则要保证data.yaml里的names顺序和标注txt里的class_id完全一致改过yaml后一定要重新用上面的脚本统计一遍标注的类别ID范围。5.3 小飞鸟漏检把imgsz调大再上滑窗现象近处的大鸟能正常画框画面远端的小飞鸟完全没反应把conf降到0.1都无济于事。原因飞鸟在原始图中可能只占二三十个像素网络下采样到640分辨率时这些小目标被压缩成几个像素的特征检测头根本无从识别。这是目标检测的小目标通病不是权重坏了。解决先做最便宜的尝试把推理尺寸拉高同时降低置信度阈值results model.predict( sourceforest.jpg, imgsz1280, # 原图多大就用多大别低于原图分辨率 conf0.2, # 小目标置信度天然偏低阈值放松 iou0.6, )如果imgsz拉高后还是漏就得用滑窗思路把大图切成若干块分别预测再合并结果。现成的SAHI库就是干这个的pip install sahiSAHI按固定尺寸切图每块过一遍模型再把全图的框拼回来小目标的检出率提升非常明显。代价是推理时间成倍增加一张4K图切九块速度基本就是原来的九分之一。我的习惯是离线分析用SAHI追求实时性时退回单图推理鱼和熊掌不能兼得。5.4 中文路径和显存不足现象Windows下模型能加载但读图片时突然报找不到文件训练跑到一半直接CUDA out of memory。原因中文目录在OpenCV等C库的编码处理和Python字符串不统一路径里带“检测数据”这类中文名时读图线程直接罢工。显存不足则是batch和imgsz的组合超过了显卡容量常见于写着batch16、imgsz640却用6G显卡跑的机器。解决项目根目录一律用纯英文zip解压后直接放到D:/bird_work这种路径别放在桌面的中文文件夹里。显存不够时先减batch再考虑降imgsz或者直接开混合精度yolo detect train modelyolo11s.pt databird.yaml batch8 imgsz512 halfTrue device0halfTrue用半精度训练显存占用几乎减半但注意老一代卡不支持。执行nvidia-smi看一眼显卡算力发现是Pascal之前架构就老老实实开全精度。这些都是基础问题但在飞鸟检测这种常年在野外小机器上跑的项目里翻车率反而最高。6. 进阶技巧导出ONNX部署、数据闭环回填与mAP验证6.1 把best.pt导出成ONNX或TensorRTPython环境里的推理再方便落地到实际业务还是得转成ONNX或TensorRT。导出工作ultralytics一行搞定model YOLO(best.pt) model.export(formatonnx, opset12, dynamicTrue, halfTrue)dynamicTrue让batch维可变部署端一次送一张和多张都行halfTrue把权重转成半精度体积减半。导出后用YOLO(best.onnx)直接验证确认和pt结果一致再交给其他服务调用。如果部署机是NVIDIA卡且装了TensorRT再导一版engine速度能再上一截。6.2 误检和漏检数据回填模型在真实场景里一定会有误检比如把树叶当鸟、把无人机当鸟。把这些错图收集起来重新标注加入训练集重训是整体提升最便宜的手段。做法是先用模型批量跑一遍疑似错误样本输出带状态的标注yolo predict modelbest.pt sourceerror_images save_txtTrue save_confTrue然后人工筛掉误检框把剩下的真鸟标注保留合并进images/train和labels/train重跑第四章的流程。很多人问yolo11改进我认为对飞鸟检测这种场景数据闭环带来的提升往往比修改网络结构更直接——先把让模型分心的数据清干净再看结构短板。6.3 用val命令验证蜕变每次微调完别急着部署先跑一遍验证yolo val modelbest.pt databird.yaml batch1盯着mAP50和mAP50-95两列看。飞鸟这类单目标且重叠少的场景mAP50够用但严谨的交付场景还是以mAP50-95为主。如果mAP50很高、mAP50-95掉得厉害说明框回归不够精细边界框没有贴合目标轮廓部署时画框会明显偏大或偏小。我最早拿到别人的.pt就把conf直接拉到0.4结果飞鸟全漏光。后来养成一个习惯任何权重到手先跑一遍val拿到mAP和置信度分布再决定推理阈值绝不用跑通时的默认值充数。这个习惯帮我少走了特别多弯路也希望帮到你。本文还有配套的精品资源点击获取
简介这份资源是基于YOLO11的飞鸟检测训练成果包面向目标检测方向的开发者与研究者可用于无人机巡检、生态观测等场景中的飞鸟识别也可作为迁移学习的预训练基础。压缩包共2000个文件约149.28MB主体包含数百张已标注的鸟类图像同时提供XML与TXT两种标注格式并配套Python推理/训练脚本、YAML配置文件和说明文档便于直接接入主流检测框架使用。数据集与检测效果展示配有参考博文链接作者还提供了逾万张飞鸟数据集的扩展获取入口方便用户按需扩充训练样本。目前已有67人学习下载适合需要快速获得可用模型、进行算法验证或数据增强的入门及进阶学习者。1. 一眼看懂这个zip训练好的飞鸟检测模型数据集到底能干嘛如果你手里也有一个名为ultralytics-yolo11-sts-bird_dataset.zip的压缩包里面装着训练好的飞鸟检测模型和配套的bird_dataset数据集。sts多半是采集场景或项目代号目录名和配置里都带着这个前缀权重是Ultralytics YOLO11格式的.pt文件可以直接对图片和视频里的飞鸟画框数据集则用来继续微调。这个包的价值不在“能predict”而在“你能拿它做出自己的飞鸟检测”。我见过不少人解压后直接跑框画出来了但类别编号对不上、置信度低得没法用根子都在权重和数据集的配置不一致。想少走弯路先做三件事看清模型结构、核对标注格式、确认类别表顺序。下面按这个路径从加载权重一路讲到用数据集微调。2. 先别急着跑解压后先核对模型结构、数据集标注和类别表2.1 压缩包里通常有哪几类东西拿到zip后第一件事不是双击运行而是先搞清楚包里装了什么。按Ultralsy团队常见的项目打包习惯一个训练完的检测项目至少包含模型权重、数据目录、配置文件和训练日志四类东西。文件类型常见后缀作用你要做什么模型权重.pt训练好的网络参数best.pt是验证集最优权重用YOLO()加载并打印names数据图片.jpg / .png采集到的原始飞鸟图往images/train和images/val里放标注文件.txt / .jsonYOLO格式每行class_id cx cy w h放进labels对应目录和图片同名配置文件.yaml / .txt数据集路径、类别数、类别名先核对nc和names训练日志results.csv每轮loss和精度指标用于判断模型有没有收敛权重文件往往不止一个。best.pt是验证集上表现最好的那一轮last.pt是训练中断时最后保存的现场。日常推理和部署用best.ptlast.pt只在你想接着断点继续训练时才有价值这两者别用混。sts这个前缀怎么理解我不做强行解释你打开包里的README或看目录结构就清楚了。文件名本身就是线索ultralytics表示训练框架yolo11是模型家族sts是这套数据的代号bird_dataset说明它的领域。这个命名格式其实值得保留后期你训练自己的模型时按“框架-模型-场景-数据”命名回看日志会省很多事。2.2 第一次加载打印模型结构和类别表环境里先装好ultralytics包然后把best.pt放进工作目录用下面这段代码做首次体检from ultralytics import YOLO # 用训练好的权重初始化检测模型 model YOLO(best.pt) # 打印类别编号到类别名的映射核对与数据集是否一致 print(model.model.names) # 打印网络结构确认这份权重是 n/s/m/l/x 中的哪一档 print(model.model) # 打印参数量、GFLOPs 和输入分辨率 model.info()这段代码的目的不是跑通而是建立“权重到底认识哪些类别”的认知。model.model.names返回的是一个字典比如{0: bird}说明这份模型只检测一类。如果输出里出现0: person这种COCO类别直接判定这不是你想要的飞鸟模型后面所有推理都没有意义。如果加载时报ultralytics包找不到或版本冲突先不要怀疑权重文件绝大多数是环境问题第五章会集中说。model.info()会输出参数量和GFLOPs从数字大小能大致判断权重的档次参数量在百万级多半是yolo11n千万级就是yolo11s及以上这对你后续决定微调资源很有参考价值。2.3 数据集结构和YOLO标注格式数据集的目录结构决定了训练脚本能不能直接读。用下面命令先看整体布局find bird_dataset -maxdepth 2 -type d | sort head -3 bird_dataset/labels/train/任意图片前缀.txt第一行如果有三个框head会打印三行如果有几十个框只打印前三行。每一行的格式固定类别ID 中心点x 中心点y 框宽 框高前三个是绝对坐标除以图片宽高后的0到1小数类别ID对应yaml里names的顺序。只看一个文件说明不了问题建议用Python统计整体类别分布import os from collections import Counter label_dir bird_dataset/labels/train counts Counter() for f in os.listdir(label_dir): if not f.endswith(.txt): continue for line in open(os.path.join(label_dir, f), encodingutf-8): if line.strip(): cls_id line.strip().split()[0] counts[cls_id] 1 print(counts) # 输出形如 {0: 1200}若出现多个键说明是多类别这一小节看起来很基础但我见过很多人把COCO的[x1, y1, w, h]绝对像素格式当成YOLO格式硬喂给train脚本训练出来的模型画框位置全偏。格式错了不需要等训练跑完用上面的脚本对一下坐标值是否都在0到1之间就能发现。类别统计也很关键如果train里类别0有两千个框但val里只有十个后面训练时验证集的置信度会非常飘这类问题尽早发现比训练完再修便宜得多。3. 用训练好的飞鸟模型做推理单张图、视频流与结果解析3.1 最小推理命令用best.pt跑通单张图片体检完模型和数据集可以开始跑第一张图了。常见做法是先用一张测试图做最小验证确认整条推理链路是通的from ultralytics import YOLO model YOLO(best.pt) results model.predict( sourcetest.jpg, # 测试图片路径 conf0.25, # 置信度阈值低于此值的框会被丢弃 iou0.45, # NMS的IoU阈值控制重叠框合并力度 imgsz640, # 推理时缩放尺寸 saveTrue, # 保存带标注的可视化结果 projectruns/detect, # 输出根目录 namebird_predict, # 本次输出子目录 ) print(results[0].boxes)这个调用里最值得调的是conf。飞鸟这类目标经常出现在画面远端像素占比小模型给出的置信度天然偏低。0.25是ultralytics的默认值如果发现框全空把conf降到0.15再试往往能看到两三个低置信度框。不习惯Python的话同样流程用CLI一行也能跑yolo predict modelbest.pt sourcetest.jpg saveTrue conf0.25我一般用Python方式而不是CLI原因很简单后面解析坐标、筛选低置信度框、把结果回写日志这些操作在CLI里做不了而Python里所有结果都在results对象里取用自由。3.2 视频推理和实时画面推理图片跑通后视频也是同一个predict入口只是source换成视频文件路径results model.predict( sourcebird_video.mp4, conf0.3, imgsz640, vid_stride2, # 每隔两帧取一帧推理视频会流畅不少 saveTrue, )vid_stride这个参数是视频推理的节流阀。飞鸟动作快一秒钟可能横跨半个画面跳帧太多会漏但如果不跳帧每一帧都过一遍网络普通CPU机器上视频播放速度会慢到像看ppt。我的习惯是先从vid_stride1开始确定模型和显存都扛得住再调到2。如果是固定机位的实时画面比如果园或水库边的监控画面source传0代表本机摄像头。注意要加上streamTrue让predict返回一个生成器而不是一次性把所有帧的结果堆进内存results model.predict(source0, streamTrue, conf0.3, imgsz640) for r in results: # 每循环一次拿到一帧的结果边推理边释放内存 print(r.boxes)streamTrue是实时场景的必选项。不写它程序会尝试先把整个视频流全部推理完再返回对无限长的摄像头画面来说等于是把内存和显存一起压爆。3.3 解析预测结果坐标、类别、置信度saveTrue能直接出图但真实项目里你多半需要拿到结构化数据比如把检测结果写进数据库或者统计一片林子里某段时间的飞鸟数量。解析方式如下boxes results[0].boxes for box in boxes: # xyxy是左上角和右下角的绝对像素坐标 xyxy box.xyxy[0].tolist() cls_id int(box.cls[0]) conf float(box.conf[0]) name model.model.names[cls_id] print(xyxy, name, conf)如果是在高分辨率大图上做检测你更关心的可能是归一化坐标便于和原始标注统一比较这时用box.xywhn它返回中心点和宽高的归一化值。拿到数据后不要只print建议顺手统计一下当轮检出的平均置信度这个数字能直观反映当前阈值合不合理。可视化方面results[0].plot()会返回一张画好框的BGR图像用OpenCV就能存下来import cv2 plotted results[0].plot() cv2.imwrite(pred.jpg, plotted)注意plot()返回的是BGR顺序的numpy数组直接plt.imshow会看到颜色发蓝用cv2.imwrite才是开发者习惯的保存姿势。4. 拿这个数据集微调YOLO11从目录划分到训练完成的完整流程4.1 训练数据划分与bird.yaml配置zip里如果已经带data.yaml先打开看里面path、train、val、nc、names五项是否和你本地路径一致。路径不一致的话改path为绝对路径即可缺文件的话就得自己重新组织目录。标准的YOLO检测数据集长这样bird_dataset/ ├── images/ │ ├── train/ │ └── val/ ├── labels/ │ ├── train/ │ └── val/ └── bird.yaml如果你的原始数据是散装图片和标注混在一起需要自己划分。下面这个脚本按85比15切分训练集和验证集并保持图片与txt标注的同名对应import os import random import shutil src_img bird_dataset_ori/images src_lbl bird_dataset_ori/labels dst bird_dataset for sub in [images/train, images/val, labels/train, labels/val]: os.makedirs(f{dst}/{sub}, exist_okTrue) imgs [f for f in os.listdir(src_img) if f.endswith((.jpg, .png))] random.seed(42) random.shuffle(imgs) split int(len(imgs) * 0.85) for i, img in enumerate(imgs): sub train if i split else val stem os.path.splitext(img)[0] shutil.move(f{src_img}/{img}, f{dst}/images/{sub}/{img}) lbl f{src_lbl}/{stem}.txt if os.path.exists(lbl): shutil.move(lbl, f{dst}/labels/{sub}/{stem}.txt) else: print(f无标注文件: {img})seed固定成42保证每次划分结果一致后续别人复现你的结果才不用靠猜。标注文件缺失时打印而不是静默跳过静默跳过的代价是训练时某个batch缺标签loss曲线直接给你表演跳崖。划分完写bird.yaml# 飞鸟检测数据集配置训练和验证都建议写绝对路径 path: /home/user/bird_dataset train: images/train val: images/val nc: 1 names: 0: bird如果压缩包里原来有多类比如0是bird、1是drone记得按classes.txt里的顺序改namesnc改成2。nc写错是最隐蔽的坑训练能启动但类别名串位验证时mAP看着还在涨部署后全乱。4.2 开始微调训练命令与关键参数数据准备完毕微调命令如下yolo detect train \ modelyolo11s.pt \ databird.yaml \ epochs100 \ batch16 \ imgsz640 \ patience15 \ device0训练的本质是迁移学习以官方COCO预训练权重为初值继续在飞鸟数据上反向传播。直接从零开始训一个检测网络需要的数据量和时间都大得多用预训练权重微调是这套流程里性价比最高的选择。参数作用建议model预训练权重显存不够就换yolo11n.pt效果差一点但跑得动epochs训练轮数100轮起步按results.csv收敛情况增减batch每批图片数显存报错就减半8或4都能训imgsz输入尺寸飞鸟多为小目标640是底线卡强可上768patience早停轮数连续多少轮val不提升就停15到30都合理device计算设备0表示第一张GPUCPU用-1但会很慢显存不足时优先减batch而不是减imgsz。飞鸟目标本来就小imgsz从640降到512小目标特征丢失很多模型精度掉的幅度比你想的大。想从训练好的best.pt继续微调也完全可以但前提是nc一致否则最后一层类别维度对不上训练直接报错。很多人问yolo11改进该从哪下手我的做法永远是先在官方预训练权重上把这条数据流程跑通再谈改C2PSA层或者加注意力机制。数据流程没跑通就动手改结构出了bug你分不清是结构问题还是数据问题只会两头翻车。4.3 训练产物怎么读best.pt、last.pt和results.csv训练结束后输出目录在runs/detect/train进去看一圈ls runs/detect/train/常见产物是weights/best.pt和weights/last.pt前者是验证集最优后者是最后一轮。还有confusion_matrix.png能直接看出哪些类别互相混淆labels.jpg展示训练数据的标注分布整体偏移很严重的话说明标注质量有问题。results.csv是判断收敛的关键用pandas读最后几行import pandas as pd df pd.read_csv(runs/detect/train/results.csv) print(df.tail(3))重点看val/box_loss、metrics/precision(B)、metrics/recall(B)和mAP50这几列。如果val/box_loss先降后升而train/box_loss还在降妥妥的过拟合把epochs砍到拐点附近重训或者加大数据增强。如果mAP50一直趴在0.3上不去先回头检查标注文件是不是有大面积空标签再考虑改模型结构。训练中途断电或中断了不用重来ultralytics支持断点续训一条命令接着跑yolo detect train resumeTrue它会自动读取上次输出的last.pt和args.yaml把优化器状态接上。我习惯每跑完一个阶段就看一眼results.csv的mAP趋势不为别的只为了不把时间浪费在一个注定收敛不到可用精度的训练上。5. 避坑排查ultralytics安装失败、类别错位与飞鸟漏检的四个问题5.1 pip install ultralytics报could not find a version先查Python版本和pip源现象执行pip install ultralytics终端抛出ERROR: Could not find a version that satisfies the requirement ultralytics (from versions: none)。原因最常见的是Python版本太新。YOLO11的ultralytics依赖链里有torch和numpy这两个库对新版Python的适配往往比ultralytics自身慢半拍尤其是Python 3.12和3.13出来后的头几个月pip索引里根本没有匹配的torch版本于是连带ultralytics也装不上。pip版本太老、pip源里的索引没同步也会出现同样的报错。解决不要和系统Python硬刚新建虚拟环境在干净的3.10或3.11环境里装。这一步是我血泪经验里出现频率最高的一环python -m venv .venv source .venv/bin/activate # Windows下用 .venv\Scripts\activate python -m pip install --upgrade pip pip install -i https://pypi.tuna.tsinghua.edu.cn/simple ultralytics国内网络环境下换pip镜像源基本是必做项。装完记得用python -c import ultralytics; print(ultralytics.version)验证。另外Windows上如果import时报DLL load failed大概率是缺VC 2015-2022运行库装一下运行库就能解决别反复重装pip。5.2 预测结果清一色person或类别编号错位类别表顺序不一致现象对着飞鸟图片做推理框出来了但label清一色是person或者类别编号整体偏移0变成1、1变成2。原因Ultralytics的权重文件里会烧入训练时用的names映射表但如果你用另一个项目的权重或者手工修改了data.yaml里的names顺序推理时的类别编号就和你看到的名字对不上。更常见的是误加载了在COCO数据集上训练的官方预训练模型那里面当然只有person、cat、dog没有bird。解决先打印权重内置的类别表看它到底认识谁from ultralytics import YOLO model YOLO(best.pt) print(model.model.names)输出{0: bird}就是健康的单类模型如果输出里包含80个COCO类别果断换权重。推理时不要手工传names参数让模型用自己内置的映射能避免一大半错位问题。训练阶段则要保证data.yaml里的names顺序和标注txt里的class_id完全一致改过yaml后一定要重新用上面的脚本统计一遍标注的类别ID范围。5.3 小飞鸟漏检把imgsz调大再上滑窗现象近处的大鸟能正常画框画面远端的小飞鸟完全没反应把conf降到0.1都无济于事。原因飞鸟在原始图中可能只占二三十个像素网络下采样到640分辨率时这些小目标被压缩成几个像素的特征检测头根本无从识别。这是目标检测的小目标通病不是权重坏了。解决先做最便宜的尝试把推理尺寸拉高同时降低置信度阈值results model.predict( sourceforest.jpg, imgsz1280, # 原图多大就用多大别低于原图分辨率 conf0.2, # 小目标置信度天然偏低阈值放松 iou0.6, )如果imgsz拉高后还是漏就得用滑窗思路把大图切成若干块分别预测再合并结果。现成的SAHI库就是干这个的pip install sahiSAHI按固定尺寸切图每块过一遍模型再把全图的框拼回来小目标的检出率提升非常明显。代价是推理时间成倍增加一张4K图切九块速度基本就是原来的九分之一。我的习惯是离线分析用SAHI追求实时性时退回单图推理鱼和熊掌不能兼得。5.4 中文路径和显存不足现象Windows下模型能加载但读图片时突然报找不到文件训练跑到一半直接CUDA out of memory。原因中文目录在OpenCV等C库的编码处理和Python字符串不统一路径里带“检测数据”这类中文名时读图线程直接罢工。显存不足则是batch和imgsz的组合超过了显卡容量常见于写着batch16、imgsz640却用6G显卡跑的机器。解决项目根目录一律用纯英文zip解压后直接放到D:/bird_work这种路径别放在桌面的中文文件夹里。显存不够时先减batch再考虑降imgsz或者直接开混合精度yolo detect train modelyolo11s.pt databird.yaml batch8 imgsz512 halfTrue device0halfTrue用半精度训练显存占用几乎减半但注意老一代卡不支持。执行nvidia-smi看一眼显卡算力发现是Pascal之前架构就老老实实开全精度。这些都是基础问题但在飞鸟检测这种常年在野外小机器上跑的项目里翻车率反而最高。6. 进阶技巧导出ONNX部署、数据闭环回填与mAP验证6.1 把best.pt导出成ONNX或TensorRTPython环境里的推理再方便落地到实际业务还是得转成ONNX或TensorRT。导出工作ultralytics一行搞定model YOLO(best.pt) model.export(formatonnx, opset12, dynamicTrue, halfTrue)dynamicTrue让batch维可变部署端一次送一张和多张都行halfTrue把权重转成半精度体积减半。导出后用YOLO(best.onnx)直接验证确认和pt结果一致再交给其他服务调用。如果部署机是NVIDIA卡且装了TensorRT再导一版engine速度能再上一截。6.2 误检和漏检数据回填模型在真实场景里一定会有误检比如把树叶当鸟、把无人机当鸟。把这些错图收集起来重新标注加入训练集重训是整体提升最便宜的手段。做法是先用模型批量跑一遍疑似错误样本输出带状态的标注yolo predict modelbest.pt sourceerror_images save_txtTrue save_confTrue然后人工筛掉误检框把剩下的真鸟标注保留合并进images/train和labels/train重跑第四章的流程。很多人问yolo11改进我认为对飞鸟检测这种场景数据闭环带来的提升往往比修改网络结构更直接——先把让模型分心的数据清干净再看结构短板。6.3 用val命令验证蜕变每次微调完别急着部署先跑一遍验证yolo val modelbest.pt databird.yaml batch1盯着mAP50和mAP50-95两列看。飞鸟这类单目标且重叠少的场景mAP50够用但严谨的交付场景还是以mAP50-95为主。如果mAP50很高、mAP50-95掉得厉害说明框回归不够精细边界框没有贴合目标轮廓部署时画框会明显偏大或偏小。我最早拿到别人的.pt就把conf直接拉到0.4结果飞鸟全漏光。后来养成一个习惯任何权重到手先跑一遍val拿到mAP和置信度分布再决定推理阈值绝不用跑通时的默认值充数。这个习惯帮我少走了特别多弯路也希望帮到你。本文还有配套的精品资源点击获取
