尧图网站建设 
简介这份虎目标检测数据集面向计算机视觉初学者与需要快速验证检测模型的研究者解决虎类目标样本获取与标注成本高的问题。数据以VOC与YOLO双格式提供jpg图片与对应的xml、txt标注文件一一对应可直接接入主流检测框架训练与评估。压缩包共约2000个文件包含959个txt标注、958个xml标注及958张jpg图片整体约361.65MB解压后按图片、xml、txt三个文件夹分类存放无需密码即可查看标注情况。标注由labelImg完成类别统一为tiger遵循边界框选准确、目标尽量不遗漏、完成后交叉检查一致性等原则标注质量较为可靠。目前已有76人学习下载适合作为虎类检测的入门练手数据或小规模实验的补充样本帮助读者省去从零采集与标注的环节把精力集中在模型选型、训练调参与效果对比上。1. 虎数据集 VOC 与 YOLO 双格式958 张标注到底能训出什么手上拿到一份 958 张左右的虎类目标标注数据同时给了 VOC 和 YOLO 两套格式很多人第一反应是「数据量太小训不动」。但真正决定成败的不是张数而是这 958 张里有多少独立目标、标注框的紧致程度、以及两套格式之间是否严格对齐。我见过用 900 多张猛兽数据把 mAP50 做到 0.85 以上的也见过 3000 张因为框飘、类别串、坐标越界而彻底翻车的。这份数据集的价值在于它同时提供了 VOC 的 XML 和 YOLO 的 TXT意味着你可以在同一批图上做格式互转验证、做标注质量审计、做训练前的分布统计而不是拿到一堆黑匣子直接喂进去。适合谁想跑通 YOLOv8 自定义训练全流程的工程师、需要做野生动物检测原型的团队、以及想拿一份真实标注数据练手格式转换和增强策略的人。下面从格式差异讲到训练落地再到我踩过的坑一步步拆。2. VOC 与 YOLO 标注格式的差异与互转验证2.1 两种格式的坐标体系到底差在哪VOC 格式每张图对应一个 XML 文件里面用bndbox记录xmin, ymin, xmax, ymax这是绝对像素坐标原点在左上角。YOLO 格式每张图对应一个 TXT 文件每行是class_id x_center y_center width height全部归一化到 0 到 1 之间原点同样在左上角。差异看起来只是坐标变换但实际转换时有三个容易出错的点第一VOC 的坐标是整数YOLO 需要浮点取整方式不同会导致框偏移一两个像素第二VOC 的类别名写在name里YOLO 需要映射成从 0 开始的整数索引映射表一旦顺序错了虎会被标成猫第三有些 VOC 文件里会出现xmin xmax或坐标为负的情况直接转 YOLO 会得到越界值训练时损失直接炸掉。我一般会先写一个校验脚本把 VOC 里所有框的坐标读出来检查xmin xmax、ymin ymax、坐标是否在图像宽高范围内。这一步不做后面转出来的 YOLO 标签就是定时炸弹。import os import xml.etree.ElementTree as ET from PIL import Image def validate_voc(xml_dir, img_dir): issues [] for xml_file in os.listdir(xml_dir): if not xml_file.endswith(.xml): continue tree ET.parse(os.path.join(xml_dir, xml_file)) root tree.getroot() img_name root.find(filename).text img_path os.path.join(img_dir, img_name) if not os.path.exists(img_path): issues.append(f{xml_file}: 图像缺失 {img_name}) continue w, h Image.open(img_path).size for obj in root.findall(object): name obj.find(name).text bbox obj.find(bndbox) xmin int(bbox.find(xmin).text) ymin int(bbox.find(ymin).text) xmax int(bbox.find(xmax).text) ymax int(bbox.find(ymax).text) if xmin xmax or ymin ymax: issues.append(f{xml_file}: 框无效 {name} ({xmin},{ymin},{xmax},{ymax})) if xmin 0 or ymin 0 or xmax w or ymax h: issues.append(f{xml_file}: 框越界 {name} 图像尺寸 {w}x{h}) return issues issues validate_voc(annotations/, images/) for i in issues: print(i) print(f共发现 {len(issues)} 个问题)这段代码的逻辑是遍历所有 XML读取图像真实宽高然后逐框检查坐标合法性和边界。参数说明xml_dir是 VOC 标注目录img_dir是原图目录两者文件名必须能对应上。如果输出问题数为 0说明 VOC 源数据是干净的可以放心转 YOLO。如果有越界框常见做法是裁剪到图像边界内而不是直接丢弃因为虎的标注框越界往往是因为标注员手抖多拉了几个像素。2.2 从 VOC 转 YOLO 的完整脚本与类别映射转换的核心是归一化公式x_center (xmin xmax) / 2 / img_wy_center (ymin ymax) / 2 / img_hwidth (xmax - xmin) / img_wheight (ymax - ymin) / img_h。类别映射我习惯单独维护一个classes.txt每行一个类别名行号就是 class_id。这样训练时 YOLO 的data.yaml直接引用这个文件避免手写names列表时顺序错乱。import os import xml.etree.ElementTree as ET from PIL import Image classes [tiger] # 按实际类别修改行号即 class_id class_to_id {name: i for i, name in enumerate(classes)} def voc_to_yolo(xml_dir, img_dir, out_dir): os.makedirs(out_dir, exist_okTrue) for xml_file in os.listdir(xml_dir): if not xml_file.endswith(.xml): continue tree ET.parse(os.path.join(xml_dir, xml_file)) root tree.getroot() img_name root.find(filename).text img_path os.path.join(img_dir, img_name) w, h Image.open(img_path).size lines [] for obj in root.findall(object): name obj.find(name).text if name not in class_to_id: continue bbox obj.find(bndbox) xmin max(0, int(bbox.find(xmin).text)) ymin max(0, int(bbox.find(ymin).text)) xmax min(w, int(bbox.find(xmax).text)) ymax min(h, int(bbox.find(ymax).text)) xc (xmin xmax) / 2.0 / w yc (ymin ymax) / 2.0 / h bw (xmax - xmin) / w bh (ymax - ymin) / h lines.append(f{class_to_id[name]} {xc:.6f} {yc:.6f} {bw:.6f} {bh:.6f}) txt_name os.path.splitext(xml_file)[0] .txt with open(os.path.join(out_dir, txt_name), w) as f: f.write(\n.join(lines)) voc_to_yolo(annotations/, images/, labels/)逻辑说明先建立类别到 id 的映射然后逐 XML 读取对每个框做边界裁剪后再归一化保留 6 位小数足够 YOLO 训练精度。参数说明classes列表必须和实际标注中的name完全一致大小写敏感out_dir是 YOLO 标签输出目录文件名与图像同名但扩展名为.txt。转换完成后建议随机抽 5 张图用可视化脚本画框对比确认 VOC 和 YOLO 的框完全重合。这一步是后悔药不做的话训练时 loss 不降你都不知道是标签错了还是模型错了。2.3 反向验证YOLO 转回 VOC 做交叉检查有时候你拿到的是别人转好的 YOLO 标签想确认它和 VOC 是否一致可以反向转回去做像素级对比。反向公式xmin (xc - bw/2) * wymin (yc - bh/2) * hxmax (xc bw/2) * wymax (yc bh/2) * h。转回后和原始 VOC 的框计算 IoU如果 IoU 低于 0.99说明转换过程中有精度损失或标注本身不一致。我一般会设一个阈值 0.95低于这个值的样本单独列出来人工复核。958 张里如果有超过 20 张 IoU 异常那这批数据在标注阶段就有问题不是转换脚本能救的。3. 用这 958 张跑通 YOLOv8 训练的最小闭环3.1 目录结构与 data.yaml 的四个必填字段YOLOv8 对目录结构有约定但也不是死的。我习惯这样组织tiger_dataset/ images/ train/ # 约 766 张 val/ # 约 192 张 labels/ train/ val/ data.yamldata.yaml里四个字段必须写对path是数据集根目录train和val是相对路径names是类别字典。常见错误是path写了绝对路径但换机器后失效或者names写成列表但顺序和classes.txt不一致。我一般直接写path: ./tiger_dataset train: images/train val: images/val names: 0: tiger注意names的键是整数不是字符串。如果类别只有虎一种nc可以省略YOLOv8 会自动从names长度推断。划分比例上958 张按 8:2 分训练集 766 张验证集 192 张。如果虎的姿态差异大建议用分层抽样保证训练集和验证集里各种姿态都有。我见过随机划分后验证集全是正面虎、训练集全是侧面虎mAP 虚高但实际部署就翻车。3.2 训练命令与关键参数怎么设YOLOv8 的训练入口很简洁但参数设不对958 张也能训出垃圾。我常用的命令yolo detect train \ datatiger_dataset/data.yaml \ modelyolov8n.pt \ epochs150 \ imgsz640 \ batch16 \ lr00.01 \ lrf0.01 \ patience30 \ augmentTrue \ mosaic1.0 \ mixup0.1 \ device0参数说明modelyolov8n.pt是预训练权重小模型在 958 张上比大模型更不容易过拟合epochs150配合patience30如果 30 轮验证指标不升就早停lr00.01是初始学习率小数据集可以降到 0.005 更稳mosaic1.0开启马赛克增强对虎这种单目标场景能显著提升小目标召回mixup0.1轻微混合再高会模糊虎的纹理特征。batch16在 8G 显存上跑 640 分辨率刚好如果显存不够降到 8但学习率也要相应减半。训练过程中重点看三个指标box_loss是否稳定下降、mAP50是否在 50 轮后超过 0.6、cls_loss是否震荡。如果box_loss降到 0.5 以下但mAP50不动大概率是标注框太松虎的边界框里混了太多背景。这时候回去看 VOC 的框是不是把整个虎身加周围草地都框进去了是的话需要重新紧致标注。3.3 训练完怎么验证不是「假学好」958 张数据量小最容易出现的是过拟合训练集 mAP 0.95验证集 mAP 0.4。验证方法不能只看 YOLO 输出的results.csv要自己做三件事。第一用yolo detect val跑一遍验证集看混淆矩阵如果虎被大量判为背景说明召回不够第二拿 10 张训练集里没出现过的虎图做推理看框是否紧致、置信度是否合理第三用yolo detect predict输出带框图像肉眼检查有没有漏检和误检。我一般会额外算一个指标验证集上所有预测框和真实框的平均 IoU如果低于 0.7说明框回归有问题不是分类问题。from ultralytics import YOLO import cv2 model YOLO(runs/detect/train/weights/best.pt) results model(test_tiger.jpg, conf0.25, iou0.45) for r in results: im r.plot() cv2.imwrite(pred.jpg, im) print(f检测到 {len(r.boxes)} 个目标) for box in r.boxes: print(f类别 {r.names[int(box.cls)]} 置信度 {float(box.conf):.3f} 坐标 {box.xyxy.tolist()})这段代码加载训练好的权重对单张图推理conf0.25是置信度阈值iou0.45是 NMS 的 IoU 阈值。如果虎重叠严重iou可以调到 0.5 到 0.6避免把两只虎合并成一个框。输出里重点看置信度分布如果大部分框置信度在 0.3 到 0.5 之间说明模型没学扎实需要更多数据或更强增强。4. 小样本虎数据集的避坑与排查记录4.1 标注框不紧致导致 mAP 虚低现象训练 loss 正常下降但验证集 mAP50 卡在 0.5 上不去预测框明显比虎大一圈。原因VOC 标注时框了太多背景YOLO 学到的边界是草地和树的边缘不是虎的轮廓。解决写脚本统计所有框的面积占图像面积的比例如果平均超过 0.6说明框太松。我一般会挑出面积比最大的 20 张人工重新紧致标注再重新训练。958 张里如果有 50 张以上框松建议全部返工否则模型永远学不准。4.2 类别映射顺序错导致虎被标成背景现象训练时cls_loss一直很高推理时虎的置信度极低但背景被大量误检。原因VOC 的name里可能有tiger和Tiger两种写法或者classes.txt里写了多个类别但实际只有虎导致 class_id 错位。解决先跑一遍统计脚本列出所有出现的name值确认只有一种写法。如果有多种统一转成小写再映射。classes.txt只保留实际存在的类别不要留空行。4.3 训练集验证集划分随机种子没固定现象每次重新划分数据后训练mAP 波动超过 0.1无法复现。原因用了random.shuffle但没设种子或者用 YOLO 自动划分时没指定seed。解决手动划分并固定seed42把划分后的文件名列表存成train.txt和val.txt训练时用data.yaml引用这两个文件而不是目录。这样每次训练的数据完全一致指标可复现。4.4 图像尺寸不一致导致归一化坐标错乱现象YOLO 标签里有些框的x_center接近 1.0但 VOC 里框明明在图像中间。原因VOC 的size里记录的宽高和实际图像宽高不一致转换脚本用了size而不是Image.open().size。解决永远以PIL读取的实际图像尺寸为准不要信 XML 里的size。我踩过这个坑一批图被工具压缩过但 XML 没更新转出来的标签全飘了。4.5 验证集里混入训练集图片现象验证集 mAP 异常高但实际推理新图效果差。原因划分时按文件名排序后直接切分但数据集中有重复图片或同一视频抽帧的相似图导致训练集和验证集高度相似。解决用感知哈希或简单的像素差去重把相似度高于 0.95 的图片只保留一张。958 张里如果来自视频抽帧这一步必做否则验证指标就是自欺欺人。5. 把 958 张用到极致增强策略与推理调参技巧数据量小的时候增强不是可选项是必选项。但增强用过头虎的纹理被破坏模型反而学不到东西。我一般分两阶段前 100 轮用强增强mosaic1.0、mixup0.2、hsv_h0.015、hsv_s0.7、hsv_v0.4、flipud0.5、fliplr0.5后 50 轮关掉 mosaic 和 mixup只保留颜色抖动和翻转让模型在接近真实分布的数据上微调。这样做的原因是强增强能防止小样本过拟合但最后阶段需要让模型看到「干净」的虎否则推理时对正常光照的虎反而犹豫。推理阶段有三个参数值得反复调conf、iou、imgsz。conf从 0.25 开始如果漏检多降到 0.15如果误检多升到 0.4。iou在虎群密集场景调到 0.5 到 0.6单虎场景 0.45 足够。imgsz如果测试图分辨率远高于 640可以升到 1280 再推理小目标召回会明显提升但速度下降约 3 倍。我一般会做一个简单的网格搜索在验证集上跑conf从 0.1 到 0.5、iou从 0.3 到 0.7 的组合选 mAP50 最高的那组。还有一个技巧是测试时增强TTAYOLOv8 支持augmentTrue推理对同一张图做翻转和缩放后合并预测。958 张训练出来的模型用 TTA 通常能再涨 1 到 2 个点 mAP代价是推理时间翻倍。如果部署环境算力够这个开关值得开。最后说一个我自己的习惯每次训练完把best.pt和last.pt都在验证集上跑一遍如果last.pt比best.pt好说明早停的patience设小了模型还在下降。这时候把patience调到 50 重新训往往能多榨出几个点。958 张数据量不大一次训练也就几十分钟多试几组参数比盲目加数据划算。希望帮到你。本文还有配套的精品资源点击获取 基于958张虎数据集VOC与YOLO双格式的YOLOv8自定义训练全流程
简介这份虎目标检测数据集面向计算机视觉初学者与需要快速验证检测模型的研究者解决虎类目标样本获取与标注成本高的问题。数据以VOC与YOLO双格式提供jpg图片与对应的xml、txt标注文件一一对应可直接接入主流检测框架训练与评估。压缩包共约2000个文件包含959个txt标注、958个xml标注及958张jpg图片整体约361.65MB解压后按图片、xml、txt三个文件夹分类存放无需密码即可查看标注情况。标注由labelImg完成类别统一为tiger遵循边界框选准确、目标尽量不遗漏、完成后交叉检查一致性等原则标注质量较为可靠。目前已有76人学习下载适合作为虎类检测的入门练手数据或小规模实验的补充样本帮助读者省去从零采集与标注的环节把精力集中在模型选型、训练调参与效果对比上。1. 虎数据集 VOC 与 YOLO 双格式958 张标注到底能训出什么手上拿到一份 958 张左右的虎类目标标注数据同时给了 VOC 和 YOLO 两套格式很多人第一反应是「数据量太小训不动」。但真正决定成败的不是张数而是这 958 张里有多少独立目标、标注框的紧致程度、以及两套格式之间是否严格对齐。我见过用 900 多张猛兽数据把 mAP50 做到 0.85 以上的也见过 3000 张因为框飘、类别串、坐标越界而彻底翻车的。这份数据集的价值在于它同时提供了 VOC 的 XML 和 YOLO 的 TXT意味着你可以在同一批图上做格式互转验证、做标注质量审计、做训练前的分布统计而不是拿到一堆黑匣子直接喂进去。适合谁想跑通 YOLOv8 自定义训练全流程的工程师、需要做野生动物检测原型的团队、以及想拿一份真实标注数据练手格式转换和增强策略的人。下面从格式差异讲到训练落地再到我踩过的坑一步步拆。2. VOC 与 YOLO 标注格式的差异与互转验证2.1 两种格式的坐标体系到底差在哪VOC 格式每张图对应一个 XML 文件里面用bndbox记录xmin, ymin, xmax, ymax这是绝对像素坐标原点在左上角。YOLO 格式每张图对应一个 TXT 文件每行是class_id x_center y_center width height全部归一化到 0 到 1 之间原点同样在左上角。差异看起来只是坐标变换但实际转换时有三个容易出错的点第一VOC 的坐标是整数YOLO 需要浮点取整方式不同会导致框偏移一两个像素第二VOC 的类别名写在name里YOLO 需要映射成从 0 开始的整数索引映射表一旦顺序错了虎会被标成猫第三有些 VOC 文件里会出现xmin xmax或坐标为负的情况直接转 YOLO 会得到越界值训练时损失直接炸掉。我一般会先写一个校验脚本把 VOC 里所有框的坐标读出来检查xmin xmax、ymin ymax、坐标是否在图像宽高范围内。这一步不做后面转出来的 YOLO 标签就是定时炸弹。import os import xml.etree.ElementTree as ET from PIL import Image def validate_voc(xml_dir, img_dir): issues [] for xml_file in os.listdir(xml_dir): if not xml_file.endswith(.xml): continue tree ET.parse(os.path.join(xml_dir, xml_file)) root tree.getroot() img_name root.find(filename).text img_path os.path.join(img_dir, img_name) if not os.path.exists(img_path): issues.append(f{xml_file}: 图像缺失 {img_name}) continue w, h Image.open(img_path).size for obj in root.findall(object): name obj.find(name).text bbox obj.find(bndbox) xmin int(bbox.find(xmin).text) ymin int(bbox.find(ymin).text) xmax int(bbox.find(xmax).text) ymax int(bbox.find(ymax).text) if xmin xmax or ymin ymax: issues.append(f{xml_file}: 框无效 {name} ({xmin},{ymin},{xmax},{ymax})) if xmin 0 or ymin 0 or xmax w or ymax h: issues.append(f{xml_file}: 框越界 {name} 图像尺寸 {w}x{h}) return issues issues validate_voc(annotations/, images/) for i in issues: print(i) print(f共发现 {len(issues)} 个问题)这段代码的逻辑是遍历所有 XML读取图像真实宽高然后逐框检查坐标合法性和边界。参数说明xml_dir是 VOC 标注目录img_dir是原图目录两者文件名必须能对应上。如果输出问题数为 0说明 VOC 源数据是干净的可以放心转 YOLO。如果有越界框常见做法是裁剪到图像边界内而不是直接丢弃因为虎的标注框越界往往是因为标注员手抖多拉了几个像素。2.2 从 VOC 转 YOLO 的完整脚本与类别映射转换的核心是归一化公式x_center (xmin xmax) / 2 / img_wy_center (ymin ymax) / 2 / img_hwidth (xmax - xmin) / img_wheight (ymax - ymin) / img_h。类别映射我习惯单独维护一个classes.txt每行一个类别名行号就是 class_id。这样训练时 YOLO 的data.yaml直接引用这个文件避免手写names列表时顺序错乱。import os import xml.etree.ElementTree as ET from PIL import Image classes [tiger] # 按实际类别修改行号即 class_id class_to_id {name: i for i, name in enumerate(classes)} def voc_to_yolo(xml_dir, img_dir, out_dir): os.makedirs(out_dir, exist_okTrue) for xml_file in os.listdir(xml_dir): if not xml_file.endswith(.xml): continue tree ET.parse(os.path.join(xml_dir, xml_file)) root tree.getroot() img_name root.find(filename).text img_path os.path.join(img_dir, img_name) w, h Image.open(img_path).size lines [] for obj in root.findall(object): name obj.find(name).text if name not in class_to_id: continue bbox obj.find(bndbox) xmin max(0, int(bbox.find(xmin).text)) ymin max(0, int(bbox.find(ymin).text)) xmax min(w, int(bbox.find(xmax).text)) ymax min(h, int(bbox.find(ymax).text)) xc (xmin xmax) / 2.0 / w yc (ymin ymax) / 2.0 / h bw (xmax - xmin) / w bh (ymax - ymin) / h lines.append(f{class_to_id[name]} {xc:.6f} {yc:.6f} {bw:.6f} {bh:.6f}) txt_name os.path.splitext(xml_file)[0] .txt with open(os.path.join(out_dir, txt_name), w) as f: f.write(\n.join(lines)) voc_to_yolo(annotations/, images/, labels/)逻辑说明先建立类别到 id 的映射然后逐 XML 读取对每个框做边界裁剪后再归一化保留 6 位小数足够 YOLO 训练精度。参数说明classes列表必须和实际标注中的name完全一致大小写敏感out_dir是 YOLO 标签输出目录文件名与图像同名但扩展名为.txt。转换完成后建议随机抽 5 张图用可视化脚本画框对比确认 VOC 和 YOLO 的框完全重合。这一步是后悔药不做的话训练时 loss 不降你都不知道是标签错了还是模型错了。2.3 反向验证YOLO 转回 VOC 做交叉检查有时候你拿到的是别人转好的 YOLO 标签想确认它和 VOC 是否一致可以反向转回去做像素级对比。反向公式xmin (xc - bw/2) * wymin (yc - bh/2) * hxmax (xc bw/2) * wymax (yc bh/2) * h。转回后和原始 VOC 的框计算 IoU如果 IoU 低于 0.99说明转换过程中有精度损失或标注本身不一致。我一般会设一个阈值 0.95低于这个值的样本单独列出来人工复核。958 张里如果有超过 20 张 IoU 异常那这批数据在标注阶段就有问题不是转换脚本能救的。3. 用这 958 张跑通 YOLOv8 训练的最小闭环3.1 目录结构与 data.yaml 的四个必填字段YOLOv8 对目录结构有约定但也不是死的。我习惯这样组织tiger_dataset/ images/ train/ # 约 766 张 val/ # 约 192 张 labels/ train/ val/ data.yamldata.yaml里四个字段必须写对path是数据集根目录train和val是相对路径names是类别字典。常见错误是path写了绝对路径但换机器后失效或者names写成列表但顺序和classes.txt不一致。我一般直接写path: ./tiger_dataset train: images/train val: images/val names: 0: tiger注意names的键是整数不是字符串。如果类别只有虎一种nc可以省略YOLOv8 会自动从names长度推断。划分比例上958 张按 8:2 分训练集 766 张验证集 192 张。如果虎的姿态差异大建议用分层抽样保证训练集和验证集里各种姿态都有。我见过随机划分后验证集全是正面虎、训练集全是侧面虎mAP 虚高但实际部署就翻车。3.2 训练命令与关键参数怎么设YOLOv8 的训练入口很简洁但参数设不对958 张也能训出垃圾。我常用的命令yolo detect train \ datatiger_dataset/data.yaml \ modelyolov8n.pt \ epochs150 \ imgsz640 \ batch16 \ lr00.01 \ lrf0.01 \ patience30 \ augmentTrue \ mosaic1.0 \ mixup0.1 \ device0参数说明modelyolov8n.pt是预训练权重小模型在 958 张上比大模型更不容易过拟合epochs150配合patience30如果 30 轮验证指标不升就早停lr00.01是初始学习率小数据集可以降到 0.005 更稳mosaic1.0开启马赛克增强对虎这种单目标场景能显著提升小目标召回mixup0.1轻微混合再高会模糊虎的纹理特征。batch16在 8G 显存上跑 640 分辨率刚好如果显存不够降到 8但学习率也要相应减半。训练过程中重点看三个指标box_loss是否稳定下降、mAP50是否在 50 轮后超过 0.6、cls_loss是否震荡。如果box_loss降到 0.5 以下但mAP50不动大概率是标注框太松虎的边界框里混了太多背景。这时候回去看 VOC 的框是不是把整个虎身加周围草地都框进去了是的话需要重新紧致标注。3.3 训练完怎么验证不是「假学好」958 张数据量小最容易出现的是过拟合训练集 mAP 0.95验证集 mAP 0.4。验证方法不能只看 YOLO 输出的results.csv要自己做三件事。第一用yolo detect val跑一遍验证集看混淆矩阵如果虎被大量判为背景说明召回不够第二拿 10 张训练集里没出现过的虎图做推理看框是否紧致、置信度是否合理第三用yolo detect predict输出带框图像肉眼检查有没有漏检和误检。我一般会额外算一个指标验证集上所有预测框和真实框的平均 IoU如果低于 0.7说明框回归有问题不是分类问题。from ultralytics import YOLO import cv2 model YOLO(runs/detect/train/weights/best.pt) results model(test_tiger.jpg, conf0.25, iou0.45) for r in results: im r.plot() cv2.imwrite(pred.jpg, im) print(f检测到 {len(r.boxes)} 个目标) for box in r.boxes: print(f类别 {r.names[int(box.cls)]} 置信度 {float(box.conf):.3f} 坐标 {box.xyxy.tolist()})这段代码加载训练好的权重对单张图推理conf0.25是置信度阈值iou0.45是 NMS 的 IoU 阈值。如果虎重叠严重iou可以调到 0.5 到 0.6避免把两只虎合并成一个框。输出里重点看置信度分布如果大部分框置信度在 0.3 到 0.5 之间说明模型没学扎实需要更多数据或更强增强。4. 小样本虎数据集的避坑与排查记录4.1 标注框不紧致导致 mAP 虚低现象训练 loss 正常下降但验证集 mAP50 卡在 0.5 上不去预测框明显比虎大一圈。原因VOC 标注时框了太多背景YOLO 学到的边界是草地和树的边缘不是虎的轮廓。解决写脚本统计所有框的面积占图像面积的比例如果平均超过 0.6说明框太松。我一般会挑出面积比最大的 20 张人工重新紧致标注再重新训练。958 张里如果有 50 张以上框松建议全部返工否则模型永远学不准。4.2 类别映射顺序错导致虎被标成背景现象训练时cls_loss一直很高推理时虎的置信度极低但背景被大量误检。原因VOC 的name里可能有tiger和Tiger两种写法或者classes.txt里写了多个类别但实际只有虎导致 class_id 错位。解决先跑一遍统计脚本列出所有出现的name值确认只有一种写法。如果有多种统一转成小写再映射。classes.txt只保留实际存在的类别不要留空行。4.3 训练集验证集划分随机种子没固定现象每次重新划分数据后训练mAP 波动超过 0.1无法复现。原因用了random.shuffle但没设种子或者用 YOLO 自动划分时没指定seed。解决手动划分并固定seed42把划分后的文件名列表存成train.txt和val.txt训练时用data.yaml引用这两个文件而不是目录。这样每次训练的数据完全一致指标可复现。4.4 图像尺寸不一致导致归一化坐标错乱现象YOLO 标签里有些框的x_center接近 1.0但 VOC 里框明明在图像中间。原因VOC 的size里记录的宽高和实际图像宽高不一致转换脚本用了size而不是Image.open().size。解决永远以PIL读取的实际图像尺寸为准不要信 XML 里的size。我踩过这个坑一批图被工具压缩过但 XML 没更新转出来的标签全飘了。4.5 验证集里混入训练集图片现象验证集 mAP 异常高但实际推理新图效果差。原因划分时按文件名排序后直接切分但数据集中有重复图片或同一视频抽帧的相似图导致训练集和验证集高度相似。解决用感知哈希或简单的像素差去重把相似度高于 0.95 的图片只保留一张。958 张里如果来自视频抽帧这一步必做否则验证指标就是自欺欺人。5. 把 958 张用到极致增强策略与推理调参技巧数据量小的时候增强不是可选项是必选项。但增强用过头虎的纹理被破坏模型反而学不到东西。我一般分两阶段前 100 轮用强增强mosaic1.0、mixup0.2、hsv_h0.015、hsv_s0.7、hsv_v0.4、flipud0.5、fliplr0.5后 50 轮关掉 mosaic 和 mixup只保留颜色抖动和翻转让模型在接近真实分布的数据上微调。这样做的原因是强增强能防止小样本过拟合但最后阶段需要让模型看到「干净」的虎否则推理时对正常光照的虎反而犹豫。推理阶段有三个参数值得反复调conf、iou、imgsz。conf从 0.25 开始如果漏检多降到 0.15如果误检多升到 0.4。iou在虎群密集场景调到 0.5 到 0.6单虎场景 0.45 足够。imgsz如果测试图分辨率远高于 640可以升到 1280 再推理小目标召回会明显提升但速度下降约 3 倍。我一般会做一个简单的网格搜索在验证集上跑conf从 0.1 到 0.5、iou从 0.3 到 0.7 的组合选 mAP50 最高的那组。还有一个技巧是测试时增强TTAYOLOv8 支持augmentTrue推理对同一张图做翻转和缩放后合并预测。958 张训练出来的模型用 TTA 通常能再涨 1 到 2 个点 mAP代价是推理时间翻倍。如果部署环境算力够这个开关值得开。最后说一个我自己的习惯每次训练完把best.pt和last.pt都在验证集上跑一遍如果last.pt比best.pt好说明早停的patience设小了模型还在下降。这时候把patience调到 50 重新训往往能多榨出几个点。958 张数据量不大一次训练也就几十分钟多试几组参数比盲目加数据划算。希望帮到你。本文还有配套的精品资源点击获取