简介YOLO钢表面缺陷检测数据集是一套面向目标检测实战的资源包适合需要训练钢表面缺陷识别模型的开发者与学生使用。内含真实场景的高质量钢表面图片10000张标注框质量高并同时提供VOC(xml)、COCO(json)和YOLO(txt)三种格式标签按文件夹分类存放可直接用于YOLO系列模型训练。压缩包共2000个文件以1986个xml标签文件为主另含6个html格式的教程页面、5个txt文本和3个Python划分脚本整包大小212.41MB结构清晰。配套资料覆盖YOLO环境搭建Windows/Linux、训练教程以及按需求划分训练集、验证集、测试集的脚本用户无需额外整理即可快速进入模型训练流程。目前已有551人学习下载适合作为钢表面缺陷检测项目的基础数据与入门指引。1. 新手别慌YOLO钢表面缺陷检测数据集到底是怎么回事第一次听到「YOLO钢表面缺陷检测数据集」这个名字你心里大概会冒出一串问号YOLO 是什么钢表面缺陷又是什么我为什么要去碰这个数据集先别急我用一个生活场景把它讲明白。钢厂质检员每天拿手电筒在钢板上找划痕、麻点和锈斑盯一天下来眼睛又累又容易漏检。现在换一个思路把几千张已经框好缺陷位置的钢板照片交给电脑让它学会“看见哪一片区域有问题就在哪画个框”这不就把老师傅的经验复制下来了YOLO 就是目前很常用的一种“看一眼就能圈出目标”的识别算法而这个数据集就是给算法准备的“教材和练习题”。它能解决“我不知道怎么找数据、标签怎么做、格式怎么改”这些入门拦路虎特别适合零基础想接触 AI 视觉的人。2. 先搞懂一个概念目标检测和你想象中的“看图识物”有什么不一样2.1 只告诉电脑“这是什么”远远不够检测还要说出“东西在哪”很多人第一次接触 AI 图像想到的是“图片分类”给一张猫的照片它输出“猫”。但目标检测要做的事多了一步它不光说“这里有块氧化皮”还要用一个矩形框把这个缺陷的位置框出来告诉你在图像的第几行第几列到第几行第几列。可以这样想分类是考试里做选择题只填 A、B、C、D检测是改卷子你得标出错误具体出现在哪个位置还要圈出来。钢表面缺陷检测就属于后者。钢板面积大缺陷可能出现在边角也可能出现在中间只有知道位置现场机器才能精准地切除或标记。这种“定位 识别”的双重任务让目标检测比分类更有工程价值。你去逛各种技术岗位的要求或者看实际项目落地目标检测相关的需求都比单纯分类多得多。分类告诉你“图上有没有问题”检测告诉你“问题在哪、是什么问题”后者才真正能在生产线上指导机器做动作。所以当你开始学这个数据集的时候你不是在学一个“图片猜谜游戏”而是在学一个能被工厂实际使用的视觉技能。这中间还容易混淆的是“图像分割”。分割比检测更细它要把缺陷的每一个像素都圈出来像用笔把形状轮廓描出来检测只画一个矩形框不需要精雕细琢。对新手来说检测是性价比最高的切入点难度适中、YOLO 系列资料多、训练速度也快。等你把检测跑熟了再往分割方向走会有更清晰的技术基础。2.2 YOLO 是什么意思一次看完全图而不是分块扫YOLO 的全称在中文语境下常被译为“你只看一次”You Only Look Once。它的核心思路特别朴素以前的检测算法要先把图片切成很多小块或者先用一个模块找出可能含目标的区域再逐个区域仔细看速度自然慢。YOLO 则把整张图一次读进去在同一个步骤里同时预测出“哪里有目标、目标是什么、框有多大”。为什么新手学它不容易被劝退因为它的概念链条短学习这套思路不需要先啃一大堆区域生成的数学细节。你只要记住“输入一张图输出一串框和类别”后续数据操作、训练脚本、结果可视化都是围绕这个框架展开。这也是这份数据集叫做“YOLO钢表面缺陷检测数据集”的原因它内部存放的标签格式就是为 YOLO 系列算法量身准备的。当然它也顺带提供了 voc 和 coco 格式方便你以后切换到其他算法。第一次学的时候我也以为 YOLO 是什么高深莫测的黑匣子。后来发现它的“快”来自一种取舍图只看一遍不回头看第二眼。这样的代价是某些特别小的目标可能漏检但在钢表面这种背景相对固定的场景里换来的速度优势非常明显所以工业应用常选它。你不用急着搞清楚它内部每一层怎么算先把“数据集和格式”这个外围打通再去跑训练你对它的理解会自然加深。2.3 这份数据集真正值钱的地方真实图、三格式、配套教程对零基础的人来说最愁的不是那几行训练代码而是没有合适的练手数据。这份数据集里有约一万张真实场景下的钢板表面图片不需要你自己去现场拍也不用自己拿标注工具从零开始画框。图片来自真实场景光照、角度、缺陷形态都比那种纯白底玩具图复杂用它训练出来的模型更接近实际交付。其次是标签格式。同一个标注结果它同时给了 vocxml、cocojson和 yolotxt三种写法。这么做的好处很实际不同算法框架要求不同输入格式你以后跳到别的项目可能这个项目要 voc那个项目要 coco。通过对比同一批图片的三种标签文件你能很直观地看懂“原来只是表示方式不同核心坐标信息一样”这比背任何格式文档都管用。最后是配套的脚本和教程。下载包里除了数据还有划分脚本和两个常用系统的环境搭建、训练教程。我的建议是第一次别急着改任何参数先照着教程把环境装好、把一个最小流程跑通再回头看这份数据集的细节。有真实数据可以练手格式又齐全还有资料指路这三点叠在一起才是它适合新手入门的原因。2.4 要想用好它先理解训练数据到底长什么样在正式动手前还有一个概念值得先建立目标检测的训练不是把图片直接扔给程序就行程序需要的是“图片 对应标签 类别说明”三件套。图片是学习材料标签告诉程序每张图上哪个位置有什么缺陷类别说明则告诉程序“第 0 类叫什么名字、第 1 类叫什么名字”。在你解压后的数据集里图片文件夹和一个标签文件夹天然就是前三件套里的“图片 对应标签”。而那个类别说明通常会以某种配置文件的形式出现比如 YOLO 系列训练时常见的 data.yaml。你之后打开教程看到里面有类似train: xxx,val: xxx,names: [crazing, inclusion]这样的内容那正是在把三件套串起来。所以学习这份数据集的正确心态是你不是去背一万张图而是去理解“一张图 一个标签文件 一个配置文件”这个最小单元。一旦你亲手跑通一个最小单元后面的规模化只是重复而已。有个 A 同学第一次拿到类似数据时花了一下午挨个百度三种格式的区别后来对比了同名文件才发现只是坐标写法不同。要是先读懂上面这个三件套思路至少能省两个小时。3. 打开数据集第一件事三种标签格式别再绕晕3.1 先看整体文件清单哪些文件对应什么解压完成后建议先不要乱点按下面的视角浏览整个文件夹。里面的内容大致是这样一个结构YOLO钢表面缺陷检测数据集/ ├── 图片文件夹/ # 存放钢板缺陷原图通常是 jpg 或 png ├── 标签文件夹_VOC/ # 每张图片对应一个 xml 文件 ├── 标签文件夹_COCO/ # 所有标注汇总在一个 json 文件里 ├── 标签文件夹_YOLO/ # 每张图片对应一个 txt 文件 ├── train_list.txt # 记录用作训练的文件名清单 ├── 训练集、验证集、测试集划分脚本图片标签划分写入新文件夹.py ├── 训练集、验证集划分脚本图片标签划分写入新文件夹.py ├── split_train_val生成ImageSets下txt文件划分脚本.py ├── YOLO环境搭建Windows版本.html ├── YOLO环境搭建Linux版本.html ├── YOLO训练教程Windows版本根据案例修改训练自己的数据集.html ├── YOLO训练教程Linux版本根据案例修改训练自己的数据集.html ├── Linux之Ubuntu环境安装教程.html └── 三个数据集划分脚本使用说明.html这是一个示意结构实际文件夹名称以你解压后看到的为准但核心要素就这几类。图片文件夹是一手素材三个标签文件夹是标注答案train_list.txt 是文件清单.py 脚本负责把数据切成训练、验证、测试三块几份 html 文档则相当于说明书分别讲环境搭建和训练步骤。你会注意到有两个划分脚本一个是“训练集、验证集、测试集”三划分一个是“训练集、验证集”两划分。新手先用三划分那个因为后面要做真实评估时三份数据缺一不可。另一个 split_train_val 生成 ImageSets 下 txt 的脚本是为了配合一些旧版训练流程先了解有它即可前期不急着用。3.2 先看懂 VOC 格式的 XML一个缺陷对应一个 object在标签文件夹_VOC 里每个图片都有一个同名的 xml 文件。用记事本打开你会看到类似下面的结构annotation folder图片文件夹/folder filename000001.jpg/filename size width1280/width height800/height depth3/depth /size object namecrazing/name bndbox xmin300/xmin ymin200/ymin xmax700/xmax ymax600/ymax /bndbox /object /annotation这是 VOC 数据集非常流行的写法。重点看三块filename对应图片名保证程序能把标签和图片对上size里的宽和高告诉程序图片原始尺寸object里name是缺陷类别名bndbox是矩形框的左上角(xmin, ymin)和右下角(xmax, ymax)坐标。一个框就是一个 object如果一张图上有三处划痕就会出现三个 object。新手容易在这里犯嘀咕为什么我看到的文件里还有别的内容因为不同标注工具生成的 XML 会附带工具版本、置信度等字段这些不影响 YOLO 读取只要程序能识别object里的name和bndbox就行。看这份资源时你不需要背 XML 每一行只需要明白“xml 是文字版的框坐标”这一个核心。3.3 再看 COCO 的 JSON用字典风格记录所有信息COCO 是一种在大规模视觉任务里流行起来的数据格式它把整份数据集中所有图片的标注放在一个 json 文件里。结构大概长这样{ images: [ {id: 1, file_name: 000001.jpg, width: 1280, height: 800} ], annotations: [ {id: 1, image_id: 1, category_id: 1, bbox: [300, 200, 400, 400]} ], categories: [ {id: 1, name: crazing} ] }这段是 COCO 格式最常见的骨架。images列表描述图片文件名和尺寸annotations列表描述每一个标注框它属于哪张图用image_id来关联bbox数组里四个数字表示“左上角 x、左上角 y、框宽、框高”这和 VOC 里的绝对坐标表示略有差异但换算关系就是一道简单的加减法。categories列表则负责把 id 和类别名对应起来。如果之前没接触过 JSON你可以把它理解为“用嵌套的括号管理数据的记事本”。这份数据集把 COCO 版本单独放在一个文件夹你只需要知道当你在用某些以 COCO 格式作为输入的框架时会直接用到它平时用 YOLO 训练其实更常读 txt 格式。3.4 最要重点看懂的 YOLO 格式 TXT类别数字加归一化坐标这是 YOLO 训练直接使用的格式。每个图片对应一个 txt 文件每一行代表一个缺陷框例如0 0.390625 0.5 0.3125 0.5四个小数分别代表什么第 1 个数字是类别 id比如 0 代表 crazing后面依次是中心点 x、中心点 y、框宽、框高并且它们都是归一化后的数值。什么意思呢把 x 坐标除以图片宽度、y 坐标除以图片高度得到的就是 0 到 1 之间的小数。上面这行表示框中心位于图片大约 39% 宽、50% 高的位置框宽约占整张图宽的 31%高约占整张图高的 50%。这样做的好处是不管图片最后被缩放到多大这些比例数字都不用重新算。你只要会做一次手动验证以后看 txt 再也不会发怵拿 xml 里的 xmin、ymin、xmax、ymax 算一次中心坐标和宽高再分别除以图宽图高就能对上 txt 里的小数。这份数据集里同一张图片的三种标签都在正好用来做这个验证练习。我强烈建议你随机抽一张图按这个方法在纸上算一遍比你读三篇教程都管用。3.5 动手算一遍从 XML 坐标到 YOLO 坐标的完整换算有了上面的知识我们来做一个可以动手跑的验证。假设图片宽度是 1280高度是 800某个缺陷框在 xml 里的坐标为xmin300, ymin200, xmax700, ymax600。把这段代码复制到任意 Python 环境里运行# 假设图片尺寸 img_w 1280 img_h 800 # 从 voc 的 xml 中读到的框坐标 xmin, ymin, xmax, ymax 300, 200, 700, 600 # 计算中心点和宽高然后归一化到 0~1 x_center ((xmin xmax) / 2) / img_w y_center ((ymin ymax) / 2) / img_h box_w (xmax - xmin) / img_w box_h (ymax - ymin) / img_h print(x_center, y_center, box_w, box_h) # 输出: 0.390625 0.5 0.3125 0.5这段代码做的事情就是中心点坐标换算把(300700)/2500作为中心的 x 像素再除以宽 1280得到0.390625同样的办法得到中心 y、框宽、框高。运行结果就是那一行 YOLO 格式的 txt 内容。参数说明很简单img_w和img_h是整张图片的宽高四个xmin等变量来自 xml 标签输出数值全部在 0 到 1 之间正好符合 YOLO 的要求。你现在应该能明白三种格式表面上看门道各不相同实际上描述的是同一批矩形框。无非是记录方式不一样一个用 xml 标签一个用 json 字典一个用纯数字 txt。知道这一点后面的训练流程就不会被“格式恐惧”卡住。4. 第一步动手用划分脚本把数据变成训练集、验证集、测试集4.1 为什么不能拿着一整包数据直接去训练第一次接触训练的新手经常会问既然有一万张图全塞给它不就行了吗问题在于如果模型把训练数据背得太熟它可能只会“背答案”换一张没见过的图就错误百出这种现象圈内叫过拟合。为了避免它行业惯例是把数据分成训练集、验证集、测试集。可以理解成训练集是课本和习题验证集是单元测验测试集才是期末考试。三组数据不能重叠否则期末考试的题学生早做过了分数再高也没有说服力。所以拿到这份数据集之后你要做的第一个正事不是去动图片也不是马上打开训练教程而是先运行划分脚本把原始的一整包数据合理分成三份。比例一般按 8:1:1 或 7:2:1具体看数据量。一万张图不算小保守一点可以按 8:1:1 来。如果手动拖拽去分很容易出现漏文件或者图片和标签没同步而脚本会自动处理“同一张图的图片文件和标签文件放进同一个目标文件夹”这件事能省掉很大麻烦。数据集角色什么时候用训练集让模型学习缺陷长什么样每次训练时反复读验证集训练过程中检查模型状态每个训练轮次结束后测试集最终检验模型水平训练完全结束后表格里的“验证集”和“测试集”经常被新手混为一谈。简单说验证集是训练过程中的“模拟考”用来调参数测试集是“期末考”在训练结束后才能看。这份数据集附带的划分脚本已经把这种分工落实成自动化操作你要做的只是正确运行它。4.2 运行划分脚本的完整动作解压、看脚本、执行第一步把压缩包完整解压。注意解压路径不要带中文和空格这在后文术语里叫“全英文路径”。为了方便说明假设你的路径是D:\YOLOData\steel。第二步确认电脑有 Python 环境。打开命令行输入python --version如果看到类似Python 3.8.x的提示说明环境可用。如果提示“python 不是内部或外部命令”说明安装 Python 时漏勾了“Add to PATH”选项。解决方法是重新安装一遍安装向导第一步务必勾上“Add Python to PATH”。这一步没做后面运行任何 .py 脚本都会卡住。第三步打开“三个数据集划分脚本使用说明.html”或者直接用记事本打开脚本。脚本通常在最前面定义路径变量比如“图片文件夹路径”“标签文件夹路径”“划分比例”。你把它改成自己电脑上的实际路径。这一步非常重要别一上来就双击运行。第四步在命令行里运行脚本。Windows 下这样进目录并执行cd /d D:\YOLOData\steel python 训练集、验证集、测试集划分脚本图片标签划分写入新文件夹.py在 Linux 或 macOS 终端里则是cd /home/你的用户名/YOLOData/steel python 训练集、验证集、测试集划分脚本图片标签划分写入新文件夹.py如果脚本不需要额外参数运行后它会自动扫描图片和标签生成 train、val、test 几个新文件夹。脚本文件名很长中文手打容易出错。你可以在命令行输入python加一个空格然后把脚本文件直接拖进终端窗口路径会自动填入再按回车。这个小技巧能省掉很多输入错误。4.3 划分完之后先别急着训练这样检查三分钟很多人划分完就直接跑训练结果跑了一天才发现验证集是空的或者某张图标签丢了。浪费的时间才是最贵的。我建议你养成一个习惯每次划分完先自己检查三件事。第一件事数量对不对。分别打开三个文件夹看一眼图片数量和标签数量。如果图片有 300 张标签也应该是 300 个同名文件。不一致就回去看脚本是不是只复制了图片没复制标签。也可以在命令行下写一段小检查import os img_dir rD:\YOLOData\steel\train\images label_dir rD:\YOLOData\steel\train\labels imgs os.listdir(img_dir) labels os.listdir(label_dir) print(图片数量:, len(imgs)) print(标签数量:, len(labels))这段代码用 Python 内置的os.listdir列出文件夹里的文件名并统计数量是最简单的健康检查。参数说明很直白img_dir和label_dir分别改成你自己的图片目录和标签目录运行后就能看到两个数字是否一致。第二件事名字对不对。图片叫000001.jpg它对应的标签应该叫000001.xml或000001.txt。哪怕只错一个后缀YOLO 在训练时都会因为找不对文件而跳过这张图模型效果直接打折扣。把图片和标签按文件名排序人工抽查几组即可。第三件事内容对不对。随机打开一个 txt确认里面不是空文件。如果标签为空说明这张图上没有标注框它在训练里就是一个“没有目标的样本”偶尔有没关系太多则会影响数据质量。还可以看一眼 txt 数值是不是都在 0 到 1 之间如果出现大于 1 的数说明标签坐标有异常需要返回原始标注去排查。4.4 别忘了 train_list.txt 和另一个划分脚本资源里有一个 train_list.txt 文件有些新手不知道它是干什么的。它一般记录了一批图片的文件名或相对路径相当于“训练名单”。在某些 YOLO 训练流程里程序就是靠这个 txt 知道要读哪些图片而不是自己去扫描整个文件夹。所以当你看到某个教程要求“准备好 train_list.txt”时别慌它只是名单不是数据本身。如果你用的是“训练集、验证集、测试集划分脚本图片标签划分写入新文件夹.py”大概率它会自动维护这个名字列表。那为什么还有一个“训练集、验证集划分脚本”因为有些场景只需要训练集和验证集不需要单独留测试集比如你还在调参阶段想快速验证链路通不通。此时可以用两划分脚本把数据切得更简洁。至于 split_train_val 那个脚本它用来生成 ImageSets 下的 txt 划分文件常见于一些旧版目标检测项目。新手前期用不到知道它存在就行。4.5 划分脚本选哪个一份给新手的决策清单听起来三个脚本容易选择困难其实逻辑很简单。如果你按正式流程走要用最终模型来评估效果选“训练集、验证集、测试集”三划分脚本如果你只想快速跑通一个 demo看看环境是否正常选两划分脚本数据量可以再少一些如果你的教程明确提到 ImageSets 格式才用 split_train_val 那个脚本。不要三个脚本依次全跑否则可能把目录弄乱。你还可以在训练教程里发现它可能会要求在 train_list.txt 里写相对路径。比如images/train/000001.jpg labels/train/000001.txt这样的结构。如果你不确定就用记事本打开资源里自带的 train_list.txt 看几行样例照着格式改路径就行。这一步做完你的数据准备工作就算完成了大半可以安心进入环境搭建章节。5. 新手常见问题和排查现象、原因、解决一条条说清5.1 训练日志刷“找不到标签”图片和标签没配对现象运行训练命令后日志里刷出一堆 warning大意是某张图片没有对应的标签文件训练几秒钟后中断。原因最常见的是划分脚本执行前原始标签文件夹里有些图片根本没有标注文件或者脚本把图片复制到了新目录却没复制标签。解决回到原始数据统计图片文件名列表和标签文件名列表找出多出来的和缺失的。简单的做法是在命令行下分别导出两个列表再用文本工具或电子表格比对。发现缺失后如果确实是原图没有标签这张图要么单独剔除要么用标注工具补一下如果是脚本没复制标签就去改脚本里“同时复制标签”的那段逻辑而不是手动拖动文件手动方式很容易再次漏掉。5.2 验证集指标正常测试却全乱类别编号顺序不一致现象训练能跑loss 也在降但用训练好的模型测试原来配的类别是划痕模型却把划痕标成了麻点而且几乎每张图都会犯同样的错。原因YOLO 的 txt 标签里第一位数字不是凭空来的它必须在训练配置的类别列表里有固定位置。比如配置文件里类别顺序是[crazing, inclusion, patches]那么数字 0 代表 crazing1 代表 inclusion。如果你用其他工具重新排过类别txt 里的数字还是旧的模型自然会把所有类别错位理解。解决打开数据集自带类别说明把训练配置文件里的类别按同样顺序写好。然后随机抽几个 txt亲眼确认第一个数字是不是你想要的类别。不要偷懒跳过去这个坑属于“失之毫厘谬以千里”的典型。5.3 明明文件在那里程序却说找不到路径里带了中文或空格现象代码或命令行里明明能看到那个文件双击也能打开但训练程序一直报No such file or directory。原因很多经典训练脚本和底层库对中文路径支持很差空格也可能导致命令行解析出错。尤其解压后的文件夹名字自带中文往往让程序内部拼接路径时直接断掉。解决把从压缩包解压出来的整个根目录放在一个英文路径下比如D:\YOLOData\steel_data。如果嫌名字长就放在简单位置如D:\data。之后所有项目都用这个全英文路径就能避开一长串莫名其妙的报错。5.4 一训练就显存不足参数设太大不是数据集太多现象程序刚启动马上报显存不足训练直接中止。原因把 batch size 设得太大或者输入图片的尺寸设置得太大显存装不下。这跟数据集总量没有直接关系而是某一瞬间需要同时处理的数据太多。解决训练前把 batch size 调小从 4 或 8 开始试跑如果还爆就把输入尺寸从 640 降到 416甚至 320。第一次学不要追求“一步到位”先用很小的数据或一两个轮次验证环境等整个流程通了再逐步调大相关参数。记住训练设置里凡是“越大越耗时”的选项初始阶段都该从小处入手。5.5 环境装了一整天还是报错版本组合没对齐现象各种安装库看起来都成功了结果一运行就提示找不到某个模块或者提示软件加速库与当前电脑不兼容。原因YOLO 教程里写的环境组合是经过验证的而你临时决定装“最新版”最新版往往需要更新版本的显卡驱动和其他依赖导致组合关系崩盘。解决严格按附带教程里给出的版本号安装。文档说用哪个 Python 版本你就装哪个说用哪个深度学习框架版本你就装哪个。第一次学不要逞能你追求的是先跑通。电脑没有独立显卡也不要紧先按 CPU 版本安装哪怕训练慢一点能跑通流程就是胜利等以后有条件再用 GPU 加速。5.6 Loss 一直没有下降趋势先查数据再调参数现象跑了好几个训练轮次loss 在一条水平线附近小幅抖动完全没有下降的意思。原因可能学习率不合适、类别样本不均衡但更常见的是路径或标签配置有问题模型压根没读到有效目标一直在空转。解决先做一个最小实验只挑二三十张图跑一个轮次。如果这么小的数据量 loss 都不降说明问题不在数据量大小而在链路本身。回头检查 yaml 里的图片路径是不是指向正确、txt 标签是否为空、类别编号是否有误。等最小实验能正常降 loss再逐步扩大到全量数据。这条排查顺序能避免你在错误方向上反复调整参数。6. 下一步怎么走把训练教程真正跑通6.1 先定一个小目标在第一轮训练里看到 loss 下降环境搭好、数据划分好之后下一件事当然是打开那两份“YOLO 训练教程”文档。注意文档分 Windows 和 Linux 两个版本你的电脑是什么系统就看对应那一份不要两边混着看。第一次跑训练建议不要直接玩全量数据集。你可以先从划分好的训练集里挑出两三百张单独放进一个小文件夹把配置文件里的路径指向它把训练轮次设成 1 或 2跑一轮完整的流程。这一轮的意义不是训练出好模型而是验证“从图片到标签再到模型”这条链路是通的。如果你能看到类似 loss 的数值在每轮结束后打印出来权重文件成功保存就算成功说明你已经把最难的环节跨过去了。6.2 训练结束后用一张测试图验证成果训练完成后输出目录里通常会出现两个权重文件一个叫 best最优一个叫 last最后。验证模型就用 best 那个。命令行调用通常长这样python detect.py --weights runs/train/exp/weights/best.pt --source test.jpg对不同 YOLO 版本脚本名和参数名可能略有差异但核心不变--weights告诉程序用哪个模型--source告诉程序看哪张图。运行后程序会在原图上画出检测框并打印每个框的类别和置信度。如果画出来的框和数据集里人工标的框位置比较接近说明你的安装、数据、训练这条链路全部正常。如果你看不到效果先别怀疑自己的努力先去对照训练日志里的数据路径和类别配置。很多所谓“检测不出来”都源于配置文件里的类别顺序写错或者测试图片本身是训练集里没有覆盖的全新样本。新人阶段拿训练时留下的几张验证集图片去测试最稳因为你知道那些图上到底有没有缺陷。6.3 之后的学习顺序别贪多按这个顺序往上走第一轮跑通后很多人会兴奋地马上换各种参数狂试。我的建议是先按下面的顺序小步前进先改配置文件里的类别名和路径用自己的划分结果重新跑一轮然后试着调整图片尺寸和批次大小让训练速度稳定接着学会看训练曲线知道当 loss 降不下去或验证指标波动时该往哪排查再往后才是研究数据增强、超参数搜索、模型压缩这类进阶方向。学习过程中你会遇到一个又一个新的报错这非常正常。报错就是最好的反馈它告诉你程序读到哪一步、哪里开始不满足预期。我也有过拿到一个全新数据集就着急跑全量训练、结果因为一个中文路径折腾一整天的经历。从那以后我每次拿到新数据都强制自己先走一遍“小样例快速验证”的流程先挑五十张图跑一个轮次确认链路通再放大到完整数据。这个习惯帮我避开了大量毫无效率的调试循环也希望帮到你。本文还有配套的精品资源点击获取
