化石这行当博物馆里隔着玻璃看是一回事真到了野外剖面或者整理岩石标本的时候又是另一回事。我接这个任务的时候需求很直接要做一套能自动识别和分类化石的目标检测系统数据自己建模型多个方案对比着训练最终不是为了发论文而是要能在真实标本照片上稳定工作。整个过程从采集照片、定标注规范到跑通多种YOLO模型的训练和评估踩的坑比想象中多得多。这篇复盘适合两类人看一类是正在做细分领域小样本视觉识别的朋友另一类是打算用目标检测解决样本难找、标注费劲、类别还不均衡这类实际问题的开发者。1. 项目定位与需求拆解1.1 为什么化石识别要做目标检测而不是图像分类很多人刚接触这个需求时第一反应是识别化石不就是分类吗——拿个图像分类网络把三叶虫、菊石、腕足这些类别分开就结束了。但在真实场景里完全不是这么回事。实地拍摄的照片往往是整块岩板画面里有好几个化石有的半埋在围岩里有的只露出一个断面背景颜色和化石本体非常接近。模型如果只输出一个类别标签拿这个结果去指导实际工作毫无意义。你不仅要知道这里有没有菊石还得知道菊石在画面的哪个位置、大概有多大后续才能做裁剪存档、个体计数、层位统计这些操作。这就是检测任务和分类任务的本质区别。YOLO这类基于回归的目标检测器天然适合这个需求一次前向推理同时输出目标的边框坐标和类别概率定位和分类在一张图里全部解决。另外推理速度足够快后期真要接到野外设备或者移动端上做实时辅助识别也不会太吃力。所以整个技术路线的第一根梁就定下来了以目标检测为框架而不是分类。1.2 化石数据的特殊性三个致命难点化石数据和常规的猫狗、车辆检测数据集比难度完全不在一个量级上。我梳理了三个最突出的问题。第一个是类间相似度高。菊石和某些腹足类的横切面纹理特征高度相似没有专业知识的人几乎分不清专业人员在照片上判断也常有分歧。这意味着类别特征的区分度天然就低模型很容易学到错误的判别依据。第二个是类内差异极大。同一类化石保存完整度不同、风化程度不同、围岩类型不同外观差异可能比类间差异还大。一块完整的三叶虫和一块只剩头甲残片的三叶虫在模型眼里可能完全是两个东西。这个特性直接推高了模型对特征泛化能力的要求。第三个是小目标密集。大量化石标本尺寸很小缩放到模型输入尺寸后只有十几个甚至几个像素典型的小目标场景。而小目标恰恰是YOLO这类单阶段检测器的弱项后面评估时这部分问题暴露得最明显。这三个难点叠加在一起基本提前宣判了一件事数据集的规模和标注质量会直接卡死模型上限模型调参能做的其实很有限。这也是我为什么愿意把项目里将近三分之二的时间花在数据上。1.3 多YOLO模型对比的选型思路训练多个YOLO版本做对比不是赶时髦。不同版本在同一份数据上的表现差异可能非常大尤其是在小样本、强背景干扰条件下哪个网络结构更稳、哪个更容易过拟合光看论文里的COCO指标根本判断不出来。我只信自己数据上跑出来的结果。实际做下来几个版本的收敛速度、精度曲线、显存占用差异都很明显。有些版本在小目标上表现好有些则在类别均衡性上更稳。最后是通过一批实验数据才选定了一个在精度和速度之间平衡最好的方案不是拍脑袋决定的。这套对比方法后来我也用到了其他细分领域的检测项目里效果同样不错思路其实是通用的。2. 数据集构建全流程实操2.1 图像采集标准与初筛流程数据来源主要是自己拍摄的标本照片、公开图库和文献中的标本图版凑在一起大概有一千多张原始图片。拍摄阶段我定了几个硬标准统一使用浅灰色背景固定光源从正上方俯拍每张照片里放1到5个标本不等保证单个标本在画面里占比足够大。这里有个经验挺重要采集阶段不要一味追求照片数量宁可留1000张干净图也不要2000张模糊图。模糊图会让模型误以为纹理模糊是某个类别的特征后期再怎么调参都救不回来。初筛时我重点剔除三类图严重过曝的、焦点落在围岩上的、以及标本占比过小的。这轮筛完实际可用的图大概剩一千一百多张。2.2 标注规范、工具选型与质量复核标注是整个数据流程里最容易被低估的环节。格式用的是YOLO标准格式每张图像对应一个txt文件每行记录类别ID和归一化后的边框坐标。标注工具选的是开源的图形化工具预置类别名后能自动保存效率还行。真正要命的是标注规范。我和参与标注的A同学等几位协作者约定了几条硬规则这里直接列出来边框必须贴合化石主体不要包含过多围岩。压扁或断裂的化石按完整外轮廓框选不要只框残片。无法确定类别时宁可不标也不要乱标模糊标签比漏标更伤模型。标注完成后随机抽10%的图由专业人士复核有争议的样本单独记录。规范这件事看着简单执行起来全是细节。比如按完整外轮廓框选这条几个人标注同一块压扁的菊石边框差异可能很大。我后来专门做了一个抽检找同一批图让两个人各标一遍计算同目标边框的交并比平均值只有0.76说明规范执行得还不彻底又重新培训了一轮才把一致性拉上来。提示标注一致性直接决定检测器能学到的边界形状。同一个标本反复标注两次边框IoU如果低于0.8说明规范需要调整不要急着开训练。2.3 数据增强设计从通用方案到业务定制化石样本稀少数据增强是必须的。我的增强策略包括随机水平翻转、90度旋转、HSV色域扰动、随机亮度对比度调整以及YOLO常用的马赛克拼接。但增强这地方有个特别坑的细节叫翻转陷阱。骨架类化石比如三叶虫个体轴长有明显的方向性把图片垂直翻转之后模型很容易把倒置的个体当成另一个类别。我做过对比实验开启180度随机旋转后mAP明显下降最后只保留90度旋转和水平翻转竖直翻转也关掉了。增强策略必须结合业务先验来设照搬通用配置在这个场景里会帮倒忙。另一个经验是马赛克增强对小目标密集的数据不全是好事。马赛克会把四张图缩放到同一张图里大量目标被裁成半截甚至只剩一个角模型后期看到的都是不完整样本。后面训练时我把最后10个epoch的马赛克强制关闭验证集精度立刻回升。这个细节我会在调参部分再展开。2.4 类别不平衡与合成样本补充我的数据集里24个类别数量最少的植物碎片和数量最多的菊石比例大概在6比1。直接训的话稀有类几乎等于没学。处理办法分三步第一步做类别数量统计把所有类别的样本量拉出来看确定哪些是真稀有类别。第二步对稀有类别单独补充采集同时在标注阶段特别注意不漏标。第三步用合成增强把稀有类别的小图从原图里切出来粘贴到没有目标的背景岩石图上生成一批带标注的合成样本配合类别损失权重一起用。合成样本这个方法虽然老但对化石这种结构完整、背景可替换的目标特别有效。我用它把植物碎片这个稀有类别的AP从0.31提到了0.62效果比我换任何网络结构都明显。核心原因是化石本身不会变形切下来贴到新背景上语义完全成立而不像行人检测里粘贴人体会导致姿态和背景不协调。3. 多YOLO模型训练配置与调参3.1 实验环境与数据划分训练环境是一张12GB显存的消费级显卡PyTorch官方环境CUDA和cuDNN版本跟着框架走。数据划分按8:1:1分为训练集、验证集和测试集训练集约1100张验证集和测试集各约130张总标注框约5900个。这个环节有一个很容易忽略的泄漏问题同一层位采集的化石照片内容高度相似如果同一标本的多张不同角度照片被随机分到了训练集和验证集验证指标会虚高得离谱模型实际泛化能力根本没这么强。我划分时按标本个体做了分组同一块标本的所有照片只允许出现在同一个集合里。这一步做完验证集的分数看起来降了一些但真实性和参考价值反而高了很多。3.2 四种YOLO模型的训练要点与差异统一输入尺寸640×640单卡batch size 16初始学习率0.01SGD优化器训练200个epoch早停耐心值为50。在这个统一配置下跑了YOLOv5s、YOLOv8s、YOLOv9s和YOLOv5m四个模型。训练命令大致是这样# YOLOv5s 训练示例 python train.py --data fossil.yaml --weights yolov5s.pt \ --img 640 --batch 16 --epochs 200 --patience 50 \ --lr0 0.01 --optimizer SGD --cos-lr # YOLOv8s 训练示例 python train.py --data fossil.yaml --model yolov8s.yaml \ --imgsz 640 --batch 16 --epochs 200 --patience 50 \ --lr0 0.01 --optimizer SGD --cos-lr实际训练下来的感受差异挺大。YOLOv5s最稳定收敛曲线平滑适合当baseline后期部署也最方便。YOLOv8s用了anchor-free的检测头对化石这种外轮廓不规则的目标适应性更好但同尺寸下推理速度比v5稍微慢了一点。YOLOv9s的可逆结构理论上对深度特征保留更好小目标表现也确实不错但训练时间明显拉长显存占用更高。YOLOv5m参数比s版本多了一倍多在数据量只有一千多张的情况下收益很小反而透出一点过拟合的苗头。3.3 关键超参数调试记录默认配置直接跑结果基本是v8略好于v5但差距不大。真正拉开差距的是下面几组超参数的调整。马赛克增强的关闭时机前面说过了全局开启会导致截断样本过多模型后期需要看完整目标来精修边框。我用关闭参数设置让最后10个epoch不再做马赛克验证AP回升非常明显。学习率调度我从cosine换成了带warmup的线性下降前期loss下降更稳定后期不容易震荡。warmup设为3个epoch先让模型在小学习率下稳定起步。多尺度训练打开之后小目标AP有提升但训练时长增加了约30%。如果机器吃紧这个功能可以酌情关掉它属于锦上添花而不是生死攸关。类别损失权重也是值得强调的一项。给稀有类别加权重之后稀有类AP提升明显常见类AP基本不降。我在配置文件里按类别样本量的倒数归一化设置了权重系数这个思路比单纯过采样稀有类别要温和不容易破坏已有类别的特征分布。4. 评估对比与错误分析4.1 指标选择别只盯着总mAP检测任务最常看的指标是mAP0.5、mAP0.5:0.9这里指0.5到0.95区间平均、Precision和Recall。我个人更看重0.5到0.95区间平均这个指标因为它对边框定位质量更敏感。但化石数据的标注本来就带有主观性不同标注者框出来的边框可能有偏差所以严格涨这个区间分数很难分数看着比公开数据集低也是正常的。更重要的是单独统计每个类别的AP。类别不均衡严重的时候总mAP会被样本量大的类别主导稀有类精度差被平均值掩盖得一干二净。我每轮实验都会把24个类别的AP单独打印出来谁掉点了、谁涨了一目了然。4.2 同数据集下的模型对比结果同一测试集、同一数据分划下的成绩整理出来大概是下面这个水平具体数字去掉了敏感信息仅供参考模型mAP0.5mAP0.5:0.95参数量单张推理耗时YOLOv5s0.8920.6717.0M12.1msYOLOv8s0.9140.70211.1M13.5msYOLOv9s0.9210.7187.2M15.8msYOLOv5m0.9050.69121.0M19.2ms看这个结果有个结论很值得说在化石这种小样本、细粒度识别场景下参数量大不占优势反而是网络结构里的特征提取能力更重要。YOLOv9s参数量比YOLOv8s小不少但精度反而最高YOLOv5m把参数堆上去却因为数据量不够反受其害。选模型不能光看规模结构和数据的匹配度才是关键。4.3 误检与漏检的逐类剖析训练完之后我把测试集上的错误样本一个一个翻出来看归纳出三类典型问题。第一类是断面误检。贝壳类生物的横截面和岩石纹理被错检成菊石这类错误数量最多。原因也简单菊石断面截面本身就带有螺旋纹理特征跟某些围岩结构太像。第二类是小目标漏检。低于32×32像素的个体大量漏检而且漏检集中在图像边缘区域边缘目标的特征在卷积下采样过程中被压缩得太厉害。第三类是类别混淆。比如三叶虫头甲单独出现时因为缺少完整虫体特征经常被识别成别的类别。针对这三类问题我做了两个有效操作。一是把推理阈值conf_thres从0.25提高到0.35误检明显下降但代价是召回率受影响这个要根据实际场景权衡。二是对小目标做切片检测把测试图切成四个带重叠的区域分别跑推理再把结果合并。小目标召回率提升了6个百分点。这个切片技巧如果再配合TTA多尺度融合推理端还能继续挤出一部分精度。5. 常见问题速查与避坑技巧5.1 训练Loss不收敛或震荡现象是训练loss跑了50个epoch还在波动验证集loss不降反升。排查顺序我建议这样先看学习率是不是太大直接降到0.001跑20个epoch试试再检查标注随机抽50张图叠加显示标注框看是不是大量框的中心位置偏移最后检查增强策略关掉马赛克再跑。我在这个项目里遇到的就是第三种情况。化石目标密集马赛克增强把目标截断得太厉害模型学到的东西越来越乱。关掉之后loss曲线立刻稳定下来验证集指标也开始正常上升。5.2 某个类别一直识别不准遇到这种情况先别急着换模型。先看这个类别的标注数量是不是太少再看标注框是不是跨越了类别边界。我的实操经验是对稀有类别单独做一轮标注复核加额外增强远比盲目增加整体数据量更有效。另外可以单独输出这个类别的PR曲线找到当前阈值下precision和recall的平衡点看看是被误检压住了还是被漏检压住了对症下药。5.3 推理结果抖动与显存不足同一张图多次推理结果不一致一般不是模型随机性而是预处理阶段尺寸归一化方式有差异或者推理管线里混用了随机增强。排查前处理的resize逻辑和letterbox逻辑保证每次推理的输入完全一致。显存不足的问题优先把batch size降到8并配合梯度累积不要一上来就降低输入尺寸。化石这种目标密集的数据降低输入尺寸会直接影响小目标召回代价比梯度累积更大。我后来把batch降下来、开梯度累积精度几乎无损。关于数据可信度的一些体会最后再说一句我自己的体会。化石识别这类细分领域项目核心瓶颈从来不是模型结构而是数据可信度。我前后花了大概三分之二的时间在图像采集、标注规范、复核和增强上模型训练本身反而只占很小一部分时间。但恰恰是这种重数据、轻调参的分配让最终模型在真实标本照片上的表现远好于直接在公开数据集上微调的结果。如果你也想复现这套流程我的建议是第一步别急着装框架、跑模型先把标本照片拍齐把标注规范写成文档再找一位熟悉化石分类的人帮你把关标签。数据这块地基打牢了后面90%的问题都不会出现。
化石这行当博物馆里隔着玻璃看是一回事真到了野外剖面或者整理岩石标本的时候又是另一回事。我接这个任务的时候需求很直接要做一套能自动识别和分类化石的目标检测系统数据自己建模型多个方案对比着训练最终不是为了发论文而是要能在真实标本照片上稳定工作。整个过程从采集照片、定标注规范到跑通多种YOLO模型的训练和评估踩的坑比想象中多得多。这篇复盘适合两类人看一类是正在做细分领域小样本视觉识别的朋友另一类是打算用目标检测解决样本难找、标注费劲、类别还不均衡这类实际问题的开发者。1. 项目定位与需求拆解1.1 为什么化石识别要做目标检测而不是图像分类很多人刚接触这个需求时第一反应是识别化石不就是分类吗——拿个图像分类网络把三叶虫、菊石、腕足这些类别分开就结束了。但在真实场景里完全不是这么回事。实地拍摄的照片往往是整块岩板画面里有好几个化石有的半埋在围岩里有的只露出一个断面背景颜色和化石本体非常接近。模型如果只输出一个类别标签拿这个结果去指导实际工作毫无意义。你不仅要知道这里有没有菊石还得知道菊石在画面的哪个位置、大概有多大后续才能做裁剪存档、个体计数、层位统计这些操作。这就是检测任务和分类任务的本质区别。YOLO这类基于回归的目标检测器天然适合这个需求一次前向推理同时输出目标的边框坐标和类别概率定位和分类在一张图里全部解决。另外推理速度足够快后期真要接到野外设备或者移动端上做实时辅助识别也不会太吃力。所以整个技术路线的第一根梁就定下来了以目标检测为框架而不是分类。1.2 化石数据的特殊性三个致命难点化石数据和常规的猫狗、车辆检测数据集比难度完全不在一个量级上。我梳理了三个最突出的问题。第一个是类间相似度高。菊石和某些腹足类的横切面纹理特征高度相似没有专业知识的人几乎分不清专业人员在照片上判断也常有分歧。这意味着类别特征的区分度天然就低模型很容易学到错误的判别依据。第二个是类内差异极大。同一类化石保存完整度不同、风化程度不同、围岩类型不同外观差异可能比类间差异还大。一块完整的三叶虫和一块只剩头甲残片的三叶虫在模型眼里可能完全是两个东西。这个特性直接推高了模型对特征泛化能力的要求。第三个是小目标密集。大量化石标本尺寸很小缩放到模型输入尺寸后只有十几个甚至几个像素典型的小目标场景。而小目标恰恰是YOLO这类单阶段检测器的弱项后面评估时这部分问题暴露得最明显。这三个难点叠加在一起基本提前宣判了一件事数据集的规模和标注质量会直接卡死模型上限模型调参能做的其实很有限。这也是我为什么愿意把项目里将近三分之二的时间花在数据上。1.3 多YOLO模型对比的选型思路训练多个YOLO版本做对比不是赶时髦。不同版本在同一份数据上的表现差异可能非常大尤其是在小样本、强背景干扰条件下哪个网络结构更稳、哪个更容易过拟合光看论文里的COCO指标根本判断不出来。我只信自己数据上跑出来的结果。实际做下来几个版本的收敛速度、精度曲线、显存占用差异都很明显。有些版本在小目标上表现好有些则在类别均衡性上更稳。最后是通过一批实验数据才选定了一个在精度和速度之间平衡最好的方案不是拍脑袋决定的。这套对比方法后来我也用到了其他细分领域的检测项目里效果同样不错思路其实是通用的。2. 数据集构建全流程实操2.1 图像采集标准与初筛流程数据来源主要是自己拍摄的标本照片、公开图库和文献中的标本图版凑在一起大概有一千多张原始图片。拍摄阶段我定了几个硬标准统一使用浅灰色背景固定光源从正上方俯拍每张照片里放1到5个标本不等保证单个标本在画面里占比足够大。这里有个经验挺重要采集阶段不要一味追求照片数量宁可留1000张干净图也不要2000张模糊图。模糊图会让模型误以为纹理模糊是某个类别的特征后期再怎么调参都救不回来。初筛时我重点剔除三类图严重过曝的、焦点落在围岩上的、以及标本占比过小的。这轮筛完实际可用的图大概剩一千一百多张。2.2 标注规范、工具选型与质量复核标注是整个数据流程里最容易被低估的环节。格式用的是YOLO标准格式每张图像对应一个txt文件每行记录类别ID和归一化后的边框坐标。标注工具选的是开源的图形化工具预置类别名后能自动保存效率还行。真正要命的是标注规范。我和参与标注的A同学等几位协作者约定了几条硬规则这里直接列出来边框必须贴合化石主体不要包含过多围岩。压扁或断裂的化石按完整外轮廓框选不要只框残片。无法确定类别时宁可不标也不要乱标模糊标签比漏标更伤模型。标注完成后随机抽10%的图由专业人士复核有争议的样本单独记录。规范这件事看着简单执行起来全是细节。比如按完整外轮廓框选这条几个人标注同一块压扁的菊石边框差异可能很大。我后来专门做了一个抽检找同一批图让两个人各标一遍计算同目标边框的交并比平均值只有0.76说明规范执行得还不彻底又重新培训了一轮才把一致性拉上来。提示标注一致性直接决定检测器能学到的边界形状。同一个标本反复标注两次边框IoU如果低于0.8说明规范需要调整不要急着开训练。2.3 数据增强设计从通用方案到业务定制化石样本稀少数据增强是必须的。我的增强策略包括随机水平翻转、90度旋转、HSV色域扰动、随机亮度对比度调整以及YOLO常用的马赛克拼接。但增强这地方有个特别坑的细节叫翻转陷阱。骨架类化石比如三叶虫个体轴长有明显的方向性把图片垂直翻转之后模型很容易把倒置的个体当成另一个类别。我做过对比实验开启180度随机旋转后mAP明显下降最后只保留90度旋转和水平翻转竖直翻转也关掉了。增强策略必须结合业务先验来设照搬通用配置在这个场景里会帮倒忙。另一个经验是马赛克增强对小目标密集的数据不全是好事。马赛克会把四张图缩放到同一张图里大量目标被裁成半截甚至只剩一个角模型后期看到的都是不完整样本。后面训练时我把最后10个epoch的马赛克强制关闭验证集精度立刻回升。这个细节我会在调参部分再展开。2.4 类别不平衡与合成样本补充我的数据集里24个类别数量最少的植物碎片和数量最多的菊石比例大概在6比1。直接训的话稀有类几乎等于没学。处理办法分三步第一步做类别数量统计把所有类别的样本量拉出来看确定哪些是真稀有类别。第二步对稀有类别单独补充采集同时在标注阶段特别注意不漏标。第三步用合成增强把稀有类别的小图从原图里切出来粘贴到没有目标的背景岩石图上生成一批带标注的合成样本配合类别损失权重一起用。合成样本这个方法虽然老但对化石这种结构完整、背景可替换的目标特别有效。我用它把植物碎片这个稀有类别的AP从0.31提到了0.62效果比我换任何网络结构都明显。核心原因是化石本身不会变形切下来贴到新背景上语义完全成立而不像行人检测里粘贴人体会导致姿态和背景不协调。3. 多YOLO模型训练配置与调参3.1 实验环境与数据划分训练环境是一张12GB显存的消费级显卡PyTorch官方环境CUDA和cuDNN版本跟着框架走。数据划分按8:1:1分为训练集、验证集和测试集训练集约1100张验证集和测试集各约130张总标注框约5900个。这个环节有一个很容易忽略的泄漏问题同一层位采集的化石照片内容高度相似如果同一标本的多张不同角度照片被随机分到了训练集和验证集验证指标会虚高得离谱模型实际泛化能力根本没这么强。我划分时按标本个体做了分组同一块标本的所有照片只允许出现在同一个集合里。这一步做完验证集的分数看起来降了一些但真实性和参考价值反而高了很多。3.2 四种YOLO模型的训练要点与差异统一输入尺寸640×640单卡batch size 16初始学习率0.01SGD优化器训练200个epoch早停耐心值为50。在这个统一配置下跑了YOLOv5s、YOLOv8s、YOLOv9s和YOLOv5m四个模型。训练命令大致是这样# YOLOv5s 训练示例 python train.py --data fossil.yaml --weights yolov5s.pt \ --img 640 --batch 16 --epochs 200 --patience 50 \ --lr0 0.01 --optimizer SGD --cos-lr # YOLOv8s 训练示例 python train.py --data fossil.yaml --model yolov8s.yaml \ --imgsz 640 --batch 16 --epochs 200 --patience 50 \ --lr0 0.01 --optimizer SGD --cos-lr实际训练下来的感受差异挺大。YOLOv5s最稳定收敛曲线平滑适合当baseline后期部署也最方便。YOLOv8s用了anchor-free的检测头对化石这种外轮廓不规则的目标适应性更好但同尺寸下推理速度比v5稍微慢了一点。YOLOv9s的可逆结构理论上对深度特征保留更好小目标表现也确实不错但训练时间明显拉长显存占用更高。YOLOv5m参数比s版本多了一倍多在数据量只有一千多张的情况下收益很小反而透出一点过拟合的苗头。3.3 关键超参数调试记录默认配置直接跑结果基本是v8略好于v5但差距不大。真正拉开差距的是下面几组超参数的调整。马赛克增强的关闭时机前面说过了全局开启会导致截断样本过多模型后期需要看完整目标来精修边框。我用关闭参数设置让最后10个epoch不再做马赛克验证AP回升非常明显。学习率调度我从cosine换成了带warmup的线性下降前期loss下降更稳定后期不容易震荡。warmup设为3个epoch先让模型在小学习率下稳定起步。多尺度训练打开之后小目标AP有提升但训练时长增加了约30%。如果机器吃紧这个功能可以酌情关掉它属于锦上添花而不是生死攸关。类别损失权重也是值得强调的一项。给稀有类别加权重之后稀有类AP提升明显常见类AP基本不降。我在配置文件里按类别样本量的倒数归一化设置了权重系数这个思路比单纯过采样稀有类别要温和不容易破坏已有类别的特征分布。4. 评估对比与错误分析4.1 指标选择别只盯着总mAP检测任务最常看的指标是mAP0.5、mAP0.5:0.9这里指0.5到0.95区间平均、Precision和Recall。我个人更看重0.5到0.95区间平均这个指标因为它对边框定位质量更敏感。但化石数据的标注本来就带有主观性不同标注者框出来的边框可能有偏差所以严格涨这个区间分数很难分数看着比公开数据集低也是正常的。更重要的是单独统计每个类别的AP。类别不均衡严重的时候总mAP会被样本量大的类别主导稀有类精度差被平均值掩盖得一干二净。我每轮实验都会把24个类别的AP单独打印出来谁掉点了、谁涨了一目了然。4.2 同数据集下的模型对比结果同一测试集、同一数据分划下的成绩整理出来大概是下面这个水平具体数字去掉了敏感信息仅供参考模型mAP0.5mAP0.5:0.95参数量单张推理耗时YOLOv5s0.8920.6717.0M12.1msYOLOv8s0.9140.70211.1M13.5msYOLOv9s0.9210.7187.2M15.8msYOLOv5m0.9050.69121.0M19.2ms看这个结果有个结论很值得说在化石这种小样本、细粒度识别场景下参数量大不占优势反而是网络结构里的特征提取能力更重要。YOLOv9s参数量比YOLOv8s小不少但精度反而最高YOLOv5m把参数堆上去却因为数据量不够反受其害。选模型不能光看规模结构和数据的匹配度才是关键。4.3 误检与漏检的逐类剖析训练完之后我把测试集上的错误样本一个一个翻出来看归纳出三类典型问题。第一类是断面误检。贝壳类生物的横截面和岩石纹理被错检成菊石这类错误数量最多。原因也简单菊石断面截面本身就带有螺旋纹理特征跟某些围岩结构太像。第二类是小目标漏检。低于32×32像素的个体大量漏检而且漏检集中在图像边缘区域边缘目标的特征在卷积下采样过程中被压缩得太厉害。第三类是类别混淆。比如三叶虫头甲单独出现时因为缺少完整虫体特征经常被识别成别的类别。针对这三类问题我做了两个有效操作。一是把推理阈值conf_thres从0.25提高到0.35误检明显下降但代价是召回率受影响这个要根据实际场景权衡。二是对小目标做切片检测把测试图切成四个带重叠的区域分别跑推理再把结果合并。小目标召回率提升了6个百分点。这个切片技巧如果再配合TTA多尺度融合推理端还能继续挤出一部分精度。5. 常见问题速查与避坑技巧5.1 训练Loss不收敛或震荡现象是训练loss跑了50个epoch还在波动验证集loss不降反升。排查顺序我建议这样先看学习率是不是太大直接降到0.001跑20个epoch试试再检查标注随机抽50张图叠加显示标注框看是不是大量框的中心位置偏移最后检查增强策略关掉马赛克再跑。我在这个项目里遇到的就是第三种情况。化石目标密集马赛克增强把目标截断得太厉害模型学到的东西越来越乱。关掉之后loss曲线立刻稳定下来验证集指标也开始正常上升。5.2 某个类别一直识别不准遇到这种情况先别急着换模型。先看这个类别的标注数量是不是太少再看标注框是不是跨越了类别边界。我的实操经验是对稀有类别单独做一轮标注复核加额外增强远比盲目增加整体数据量更有效。另外可以单独输出这个类别的PR曲线找到当前阈值下precision和recall的平衡点看看是被误检压住了还是被漏检压住了对症下药。5.3 推理结果抖动与显存不足同一张图多次推理结果不一致一般不是模型随机性而是预处理阶段尺寸归一化方式有差异或者推理管线里混用了随机增强。排查前处理的resize逻辑和letterbox逻辑保证每次推理的输入完全一致。显存不足的问题优先把batch size降到8并配合梯度累积不要一上来就降低输入尺寸。化石这种目标密集的数据降低输入尺寸会直接影响小目标召回代价比梯度累积更大。我后来把batch降下来、开梯度累积精度几乎无损。关于数据可信度的一些体会最后再说一句我自己的体会。化石识别这类细分领域项目核心瓶颈从来不是模型结构而是数据可信度。我前后花了大概三分之二的时间在图像采集、标注规范、复核和增强上模型训练本身反而只占很小一部分时间。但恰恰是这种重数据、轻调参的分配让最终模型在真实标本照片上的表现远好于直接在公开数据集上微调的结果。如果你也想复现这套流程我的建议是第一步别急着装框架、跑模型先把标本照片拍齐把标注规范写成文档再找一位熟悉化石分类的人帮你把关标签。数据这块地基打牢了后面90%的问题都不会出现。
平方复杂度无法被常规优化消除｜TaoToken 统一 Key 通道实测)
