简介本资源是面向人工智能与计算机视觉初学者及项目实践者的YOLOv5舰船目标检测专用数据集聚焦海洋监控、智能航海等实际场景中的小目标、复杂背景下的舰船识别任务。压缩包共1648个文件含549张JPG格式船舶图像、549份VOC标准XML标注文件含精确边界框坐标与类别标签及550个对应TXT格式标签总大小56.16MBXML与TXT双格式支持灵活适配YOLOv5训练流程便于快速完成数据格式转换与预处理。目前已有1479人学习下载资源结构规范、来源清晰源自VOCtrainval2012子集附带典型样本如2011_000238.jpg等可直接用于模型训练、验证与可视化分析。读者可获得完整可用的舰船检测数据基础、标准化标注体系及YOLO格式转换参考依据显著降低目标检测项目启动门槛。1. 项目概述从一份数据集开始聊聊舰船检测的实战门道最近在整理硬盘时翻到了一个名为“boat-舰船检测数据集.rar”的压缩包这让我想起了几年前做的一个海上目标监测项目。当时为了训练一个能准确识别各类舰船的模型可没少在数据上折腾。今天我就以这个数据集为引子结合当下依然热门的YOLOv5框架和大家深入聊聊如何从零开始搞定一个舰船检测任务。无论你是刚接触计算机视觉的新手还是想优化现有流程的老兵希望这篇从数据准备到模型调优的完整复盘能给你带来一些实实在在的参考。这个“boat-舰船检测数据集”本身就是一个非常典型的垂直领域目标检测数据集。它的核心价值在于为我们提供了一个专注于“舰船”这一特定类别的图像集合通常包含了各种型号、不同尺度、在各种海况和光照条件下的舰船图片并且每张图片都带有精确的边界框标注。对于想研究海事监控、港口管理、海洋资源调查或者国防相关应用的开发者来说这样一个高质量、标注规范的数据集是至关重要的起点。接下来我会围绕如何使用YOLOv5来“消化”这个数据集构建一个鲁棒的舰船检测器展开详细的步骤解析和经验分享。2. 核心需求解析与数据集深度剖析在动手写一行代码之前我们必须先想清楚我们要用这个数据集解决什么问题以及这个数据集本身质量如何这两个问题是所有后续工作的基石。2.1 舰船检测的核心应用场景与挑战舰船检测绝非一个“为检测而检测”的玩具项目其背后对应着强烈的现实需求。最主要的应用场景包括海事交通监控与安全管理在港口、航道、近海区域自动识别和跟踪船只用于流量统计、碰撞预警、非法闯入监测等。海洋权益维护与态势感知通过卫星遥感或无人机航拍图像广域监测特定海域的船只活动情况。渔业资源管理与非法捕捞监管识别渔船类型监控禁渔区内的作业活动。搜救任务辅助在广阔的海域中快速定位失事或需要援助的船只。这些场景给模型带来了独特的挑战尺度变化剧烈同一张图片里近处的渔船可能占据大半画面而远处的货轮只是几个像素点。模型必须同时具备识别大目标和小目标的能力。背景复杂海面并非一成不变的蓝色。它会有波浪、泡沫、云影、岛屿、海岸线等干扰尤其在恶劣天气下海天界线模糊对模型的分割能力要求极高。目标姿态多样船只可能呈现正面、侧面、斜向等多种角度部分被遮挡如被浪花、其他船只遮挡的情况也很常见。类别内差异大“舰船”是一个大类下面可能包含邮轮、货船、油轮、帆船、快艇、军舰等它们的外观、长宽比差异巨大。理解了这些挑战我们就能在数据准备和模型训练阶段做出更有针对性的设计。2.2. “boat-舰船检测数据集”的预处理与质量评估实战拿到一个.rar格式的数据集压缩包第一步绝不是直接解压扔给模型。一个严谨的预处理流程能避免后续无数坑。步骤一解压与结构探查首先解压“boat-舰船检测数据集.rar”。一个规范的YOLO格式数据集通常包含以下目录boat_dataset/ ├── images/ │ ├── train/ # 训练集图片 │ └── val/ # 验证集图片 └── labels/ ├── train/ # 训练集标签.txt文件与图片同名 └── val/ # 验证集标签如果解压后结构混乱你需要手动按上述结构整理。关键点每个.txt标签文件对应一张同名的图片内容格式为[class_id] [x_center] [y_center] [width] [height]其中坐标和宽高都是相对于图片宽度和高度的归一化值0-1之间。步骤二数据质量诊断脚本我强烈建议在训练前运行一个简单的诊断脚本检查数据健康度。以下是一个Python示例使用OpenCV和PILimport os import cv2 from PIL import Image import matplotlib.pyplot as plt def dataset_diagnosis(data_dir): img_dir os.path.join(data_dir, images, train) label_dir os.path.join(data_dir, labels, train) img_files [f for f in os.listdir(img_dir) if f.endswith((.jpg, .png, .jpeg))] print(fTotal training images: {len(img_files)}) # 检查图片能否正常打开并统计尺寸分布 sizes [] broken_imgs [] for img_name in img_files[:100]: # 抽样检查前100张 img_path os.path.join(img_dir, img_name) try: with Image.open(img_path) as img: sizes.append(img.size) # (width, height) except Exception as e: broken_imgs.append(img_name) # 检查标签文件是否存在且格式正确 missing_labels [] for img_name in img_files: label_name os.path.splitext(img_name)[0] .txt label_path os.path.join(label_dir, label_name) if not os.path.exists(label_path): missing_labels.append(img_name) else: # 可选检查标签内容是否合法数值在0-1之间类别ID有效等 pass # 输出诊断报告 if sizes: avg_w sum(s[0] for s in sizes) / len(sizes) avg_h sum(s[1] for s in sizes) / len(sizes) print(fAverage image size: {avg_w:.0f}x{avg_h:.0f}) if broken_imgs: print(fWarning: {len(broken_imgs)} images are broken.) if missing_labels: print(fCritical: {len(missing_labels)} images have missing labels.) return sizes, broken_imgs, missing_labels # 使用 data_path ./boat_dataset sizes, broken, missing dataset_diagnosis(data_path)步骤三可视化与统计分析使用YOLOv5自带的工具是最高效的。在YOLOv5项目根目录下运行python utils/plots.py --data data/boat.yaml --output plots/这个命令会生成一系列分析图包括标签分布图查看所有边界框的中心点分布。理想情况是均匀分布在整个图像上。如果中心点大量聚集在图像中心可能意味着你的数据多是远景拍摄需要补充一些近景特写数据。边界框尺寸分布图显示标注框的宽度和高度的分布。这对于了解数据集中目标的尺度范围至关重要。如果大量框的宽高都非常小比如0.05说明小目标很多在训练时需要调整模型结构或损失函数来加强对小目标的关注。类别平衡图如果你的数据集有多个舰船子类如‘fishing_boat’ ‘cargo_ship’这个图能帮你判断各类别样本数是否均衡。严重不均衡会导致模型偏向于样本多的类别。实操心得我曾在某个数据集上发现超过60%的边界框高度小于图片高度的5%。直接训练后模型对小船漏检严重。后来通过复制-粘贴增强Copy-Paste Augmentation人工增加了一些小目标样本才显著提升了召回率。所以前期花半小时做数据分析可能节省你后期数天的调参时间。3. YOLOv5环境搭建与项目初始化避坑指南工欲善其事必先利其器。一个干净、可控的环境是成功训练的前提。很多人卡在第一步问题往往出在环境冲突上。3.1 基于Conda的Python环境隔离方案我强烈推荐使用Conda来管理环境它能完美解决不同项目间Python版本和包版本的冲突。# 1. 创建并激活一个全新的环境指定Python版本YOLOv5推荐3.8 conda create -n yolov5_boat python3.8 conda activate yolov5_boat # 2. 安装PyTorch核心 # 先去PyTorch官网https://pytorch.org/get-started/locally/根据你的CUDA版本选择命令。 # 例如如果你有CUDA 11.3则安装命令可能如下 pip install torch1.12.1cu113 torchvision0.13.1cu113 torchaudio0.12.1 --extra-index-url https://download.pytorch.org/whl/cu113 # 如果没有GPU或CUDA则安装CPU版本 # pip install torch torchvision torchaudio # 3. 克隆YOLOv5官方仓库建议使用稳定版本如v6.1 git clone -b v6.1 https://github.com/ultralytics/yolov5.git cd yolov5 # 4. 安装YOLOv5的依赖包 pip install -r requirements.txt注意事项requirements.txt里的opencv-python有时会安装很慢或出错。可以尝试使用国内镜像源或者先单独安装一个较小的opencv-python-headless。另外确保你的pip已经升级到最新版。3.2 数据集配置文件YAML的编写艺术YOLOv5通过一个.yaml文件来定义数据集路径和类别信息。这是连接你的数据和模型的桥梁必须准确无误。在yolov5/data/目录下创建一个名为boat.yaml的文件内容如下# boat.yaml # 训练和验证图像的路径相对路径或绝对路径 train: ../boat_dataset/images/train/ val: ../boat_dataset/images/val/ # 类别数量 nc: 1 # 假设我们的数据集只有‘ship’这一个类别。如果是多类别改为相应数字。 # 类别名称列表 names: [ship] # 如果多类别例如[fishing_boat, cargo_ship, yacht] # 可选下载地址/说明对于开源数据集 # download: https://your-dataset-url.com关键点解析train和val路径支持绝对路径和相对路径。相对路径是相对于你运行训练命令时所在的目录通常是yolov5/。我更喜欢用相对路径便于项目迁移。ncnumber of classes必须与你的标签文件里最大的类别ID对应类别ID从0开始。如果你的标签里类别ID是0,1,2那么nc就是3。names列表顺序必须与类别ID严格对应。即names[0]对应ID为0的类别。验证配置是否正确在yolov5/目录下运行一个简单的测试命令加载几张图片看看python train.py --data data/boat.yaml --weights yolov5s.pt --epochs 1 --img 640 --batch-size 2这个命令会尝试训练1个epoch如果数据路径或格式有误通常会在开始时报错。用--epochs 1和很小的--batch-size是为了快速失败避免浪费时间去下载预训练权重或进行长时间的错误训练。4. 模型训练超参数调优与训练策略详解环境就绪数据备好终于来到核心的训练环节。YOLOv5的训练命令看似简单但背后每个参数都大有乾坤。4.1 训练命令全参数解读与基准实验一个完整的训练命令示例如下python train.py \ --weights yolov5s.pt \ # 初始权重使用预训练模型迁移学习 --data data/boat.yaml \ # 数据集配置文件 --epochs 100 \ # 训练总轮数 --img-size 640 \ # 输入图像尺寸长边缩放到此短边按比例缩放 --batch-size 16 \ # 批次大小根据GPU内存调整 --device 0 \ # 使用GPU 0如果是CPU则用 --device cpu --workers 8 \ # 数据加载的线程数通常设为CPU核心数 --name boat_exp1 \ # 本次实验的名称用于保存结果 --exist-ok \ # 允许覆盖同名实验目录 --hyp data/hyps/hyp.scratch-low.yaml \ # 使用自定义的超参数文件 --seed 42 # 固定随机种子确保实验可复现参数选择背后的逻辑--weights yolov5s.pt从YOLOv5s的预训练权重开始。这是强烈推荐的做法尤其是在数据集不大的情况下比如几千张图。预训练权重在COCO等大型通用数据集上学到的通用特征边缘、纹理、形状能极大地加速你的模型在特定领域舰船的收敛并提升最终性能。yolov5s是“小”模型速度快适合快速原型验证。如果对精度要求高且算力充足可以尝试yolov5m或yolov5l。--img-size 640YOLOv5默认的输入尺寸。更大的尺寸如1280能检测到更小的目标但会显著增加计算量和内存消耗并可能降低训练速度。对于舰船检测如果数据集中有很多远距离的小船可以考虑尝试--img-size 1280但需要同步调整batch-size。--batch-size 16这是一个需要权衡的参数。较大的批次能使梯度估计更稳定可能有助于收敛。但受限于GPU显存VRAM。你可以从16开始尝试如果出现“CUDA out of memory”错误逐步降低到8、4。同时batch-size改变后学习率通常也需要按线性规则调整。--hyp超参数文件。YOLOv5内置了几个hyp.scratch-low.yaml,hyp.scratch-high.yaml等。scratch-low学习率较低更适合微调Fine-tuningscratch-high学习率较高更适合从头训练Scratch。对于舰船检测我们使用预训练权重所以通常从hyp.scratch-low.yaml开始。4.2 学习率调度与早停策略实战配置超参数文件中学习率lr0和权重衰减weight_decay是最关键的。但手动调参效率低YOLOv5集成了自动学习率调整和早停功能。在hyp.scratch-low.yaml基础上修改# hyp.boat.yaml (自定义) lr0: 0.01 # 初始学习率 (对于微调可以从0.001或0.0005开始尝试) lrf: 0.01 # 最终学习率因子 lr0 * lrf (余弦退火) momentum: 0.937 weight_decay: 0.0005 warmup_epochs: 3.0 warmup_momentum: 0.8 warmup_bias_lr: 0.1 ...然后在训练命令中指定--hyp data/hyps/hyp.boat.yaml。启用早停Early Stopping YOLOv5的train.py支持早停但默认不开启。早停可以防止模型在验证集上性能不再提升时继续训练导致的过拟合。python train.py ... --patience 50--patience 50表示如果验证集指标在连续50个epoch内没有提升则停止训练。这个值可以根据总epoch数设置一般设为总epoch数的1/3到1/2。监控训练过程 训练开始后YOLOv5会在runs/train/boat_exp1/目录下生成大量有用的文件results.png核心监控图表包含训练损失、验证损失、精度Precision、召回率Recall、mAP0.5、mAP0.5:0.95随epoch的变化曲线。这是你判断训练状态是否健康的“仪表盘”。weights/保存了best.pt验证集上表现最好的权重和last.pt最后一个epoch的权重。部署时务必使用best.pt。confusion_matrix.png混淆矩阵对于多类别任务非常有用可以查看各类别间的误检情况。实操心得训练初期重点关注train/box_loss和val/box_loss是否在稳步下降。如果val_loss在几个epoch后开始上升而train_loss持续下降这是典型的过拟合信号。此时应该考虑1. 增加数据增强强度2. 增加正则化如DropOut但YOLO中不常用3. 提前停止训练。对于舰船数据我常发现增加随机旋转degrees和随机透视perspective增强对提升模型在倾斜、侧视船只上的鲁棒性很有效。5. 模型评估与性能优化深入解析训练完成后我们得到了一个模型权重文件best.pt。但这远不是终点我们需要客观地评估它的性能并找到优化方向。5.1 使用验证集进行综合评估YOLOv5提供了专门的验证脚本它会加载你训练好的模型在验证集上跑一遍生成详细的评估报告。python val.py \ --weights runs/train/boat_exp1/weights/best.pt \ --data data/boat.yaml \ --img 640 \ --batch-size 32 \ --task val \ --name boat_val \ --save-txt \ # 保存预测的标签文件用于后续分析 --save-conf \ # 保存预测的置信度 --save-json \ # 保存COCO格式的JSON结果文件 --exist-ok运行后你会在终端看到类似下面的输出并在runs/val/boat_val/目录下生成结果Class Images Labels Precision Recall mAP.5 mAP.5:.95 all 500 2154 0.945 0.892 0.932 0.681 ship 500 2154 0.945 0.892 0.932 0.681指标解读Precision精度模型预测为舰船的框里有多少是真正的舰船。高精度意味着误报把非船物体认成船少。Recall召回率数据集中所有的真实舰船有多少被模型找出来了。高召回率意味着漏检少。mAP0.5在IoU交并比阈值为0.5时的平均精度均值。这是目标检测最常用的核心指标值越高越好。0.932是一个非常不错的结果。mAP0.5:0.95在IoU阈值从0.5到0.95步长0.05区间内计算的平均mAP。这个指标更严格因为它要求预测框与真实框的重合度更高。0.681说明模型对边界框的定位精度还有提升空间。5.2 可视化分析与错误排查数字指标是抽象的我们需要可视化结果来发现具体问题。YOLOv5的验证脚本会生成预测结果图。分析runs/val/boat_val/目录下的图片confusion_matrix.png如果有多类别看混淆矩阵。labels.jpg和labels_correlogram.jpg标签分布图。*_batch*pred.jpg随机一些批次的预测结果可视化。重点观察漏检False Negative图片中有船但模型没框出来。这通常发生在目标太小、太模糊、或被严重遮挡时。解决方案在数据增强中增加小目标增强如随机复制粘贴小目标或使用更专注于小目标检测的模型变体如YOLOv5的P6模型输入尺寸1280。误检False Positive模型把非船物体如海浪尖、云朵形状、海岛框成了船。解决方案增加包含这些负样本没有船的图片到数据集中或者在数据增强中增加更多样的背景干扰。定位不准Low IoU框出来了但框的位置或大小不准。这会影响mAP0.5:0.95。解决方案检查标注质量有时是标注本身就不够精确。可以尝试调整损失函数中定位损失的权重在hyp.yaml中修改box_loss增益但需谨慎。5.3 针对舰船场景的专项优化技巧基于上述分析我们可以进行针对性优化1. 针对小目标漏检的优化修改模型结构YOLOv5默认的检测头Head有三个尺度P3, P4, P5分别对应大、中、小目标。如果你的小目标特别多可以尝试使用官方提供的--model yolov5s6.yaml即YOLOv5s-P6模型它增加了一个P6/64尺度专门用于检测更小的目标但模型会变大变慢。调整Anchor BoxesYOLOv5默认使用K-means聚类在COCO数据集上生成的Anchor。对于舰船这种长宽比可能比较特殊的物体比如货轮很长可以在自己的数据集上重新聚类Anchor。使用YOLOv5提供的脚本python utils/autoanchor.py --data data/boat.yaml运行后它会评估当前Anchor与数据集的匹配度并给出建议的新Anchor尺寸。你可以将这些新尺寸更新到模型配置文件如models/yolov5s.yaml中然后重新训练。2. 针对复杂背景误检的优化数据增强策略调整在hyp.yaml文件中增强参数集中在augment:部分。对于舰船可以尝试augment: hsv_h: 0.015 # 色调增强模拟不同光照 hsv_s: 0.7 # 饱和度增强让海水颜色更多变 hsv_v: 0.4 # 明度增强 degrees: 10.0 # 旋转角度船只有各种角度 translate: 0.1 # 平移 scale: 0.5 # 缩放 shear: 5.0 # 剪切变换 perspective: 0.0005 # 透视变换模拟不同视角 flipud: 0.0 # 上下翻转对于舰船上下翻转通常不合理设为0 fliplr: 0.5 # 左右翻转合理 mosaic: 1.0 # Mosaic增强非常有效但可能增加小目标 mixup: 0.0 # MixUp增强可尝试0.1-0.2但需谨慎可能模糊特征注意mosaic增强会把四张图拼成一张能极大地丰富背景并让模型学习在不同位置、尺度上检测目标。但对于小目标拼图后可能变得更小如果小目标问题严重可以尝试降低mosaic概率或关闭它设为0。3. 模型集成与测试时增强TTA如果单个模型性能达到瓶颈可以考虑模型集成训练多个不同初始化或不同数据子集的模型在推理时取它们的预测平均值或加权平均值。测试时增强在推理时对输入图像进行多种变换如翻转、缩放将多个预测结果合并。YOLOv5的detect.py或val.py支持--augment参数来启用TTA通常会提升mAP但会显著增加推理时间。python val.py --weights best.pt --data boat.yaml --augment6. 模型部署与应用从PyTorch到实际推理模型训练评估好了最终要落地应用。这里涉及模型导出、优化和编写推理代码。6.1 模型导出为部署格式YOLOv5的export.py脚本支持将PyTorch模型.pt导出为多种格式以适应不同的部署环境。导出为ONNX格式推荐通用性强python export.py \ --weights runs/train/boat_exp1/weights/best.pt \ --img 640 \ --batch 1 \ # 指定批处理大小部署时常为1 --device cpu \ # 在CPU上执行导出 --include onnx \ # 导出为ONNX --opset 12 \ # ONNX算子集版本 --simplify # 启用ONNX简化优化模型结构导出的best.onnx文件可以被OpenCV DNN、TensorRT、ONNX Runtime等多种推理引擎加载。导出为TensorRT引擎追求极致GPU速度python export.py \ --weights best.pt \ --img 640 640 \ # 输入尺寸高宽 --batch 1 \ --device 0 \ # 在GPU 0上导出 --include engine \ # 直接导出为TensorRT引擎文件需要提前安装TensorRT --half # 使用FP16精度进一步提速减存注意直接导出TensorRT引擎需要复杂的本地环境配置。更常见的做法是先导出ONNX再用TensorRT的trtexec工具或Python API进行转换和优化。6.2 编写Python推理脚本这里给出一个使用导出的ONNX模型通过ONNX Runtime进行推理的完整示例脚本import cv2 import numpy as np import onnxruntime as ort from pathlib import Path import time class YOLOv5ONNXInference: def __init__(self, onnx_model_path, conf_thresh0.25, iou_thresh0.45): 初始化ONNX推理会话 Args: onnx_model_path: .onnx模型文件路径 conf_thresh: 置信度阈值 iou_thresh: NMS的IoU阈值 self.conf_threshold conf_thresh self.iou_threshold iou_thresh # 创建ONNX Runtime会话 providers [CUDAExecutionProvider, CPUExecutionProvider] if ort.get_device() GPU else [CPUExecutionProvider] self.session ort.InferenceSession(onnx_model_path, providersproviders) # 获取模型输入输出信息 self.model_inputs self.session.get_inputs() self.model_outputs self.session.get_outputs() self.input_name self.model_inputs[0].name self.input_shape self.model_inputs[0].shape # 通常是(1, 3, 640, 640) self.input_height, self.input_width self.input_shape[2], self.input_shape[3] # 类别名需要根据你的数据集修改 self.class_names [ship] def preprocess(self, image): 将输入图像预处理为模型需要的格式 # 保持宽高比resize并在边缘填充灰色 h, w image.shape[:2] scale min(self.input_height / h, self.input_width / w) new_h, new_w int(h * scale), int(w * scale) resized_img cv2.resize(image, (new_w, new_h), interpolationcv2.INTER_LINEAR) # 创建画布并填充 canvas np.full((self.input_height, self.input_width, 3), 114, dtypenp.uint8) top (self.input_height - new_h) // 2 left (self.input_width - new_w) // 2 canvas[top:topnew_h, left:leftnew_w, :] resized_img # 转换通道顺序 HWC - CHW, BGR - RGB, 归一化 canvas canvas.transpose(2, 0, 1) # HWC to CHW canvas canvas[::-1, :, :] # BGR to RGB canvas canvas.astype(np.float32) / 255.0 # 归一化到 [0,1] # 添加批次维度并返回 blob np.expand_dims(canvas, axis0) return blob, (scale, left, top), (h, w) def postprocess(self, outputs, preprocess_info, orig_shape): 将模型输出后处理为检测框 scale, pad_left, pad_top preprocess_info orig_h, orig_w orig_shape # outputs是一个列表取第一个元素不同版本输出可能不同 predictions np.squeeze(outputs[0]) # 形状: (num_boxes, 85) # 过滤低置信度框 conf_mask predictions[:, 4] self.conf_threshold predictions predictions[conf_mask] if len(predictions) 0: return [] # 分离框坐标和类别分数 boxes predictions[:, :4] scores predictions[:, 4] class_probs predictions[:, 5:] class_ids np.argmax(class_probs, axis1) max_class_scores np.max(class_probs, axis1) # 综合置信度 目标置信度 * 类别置信度 final_scores scores * max_class_scores # 将框的格式从 (cx, cy, w, h) 转换为 (x1, y1, x2, y2) boxes[:, 0] (boxes[:, 0] - boxes[:, 2] / 2) # x1 boxes[:, 1] (boxes[:, 1] - boxes[:, 3] / 2) # y1 boxes[:, 2] (boxes[:, 0] boxes[:, 2]) # x2 boxes[:, 3] (boxes[:, 1] boxes[:, 3]) # y2 # 将框的坐标映射回原始图像尺寸 boxes[:, [0, 2]] (boxes[:, [0, 2]] - pad_left) / scale boxes[:, [1, 3]] (boxes[:, [1, 3]] - pad_top) / scale # 应用非极大值抑制 (NMS) keep_indices self.nms(boxes, final_scores) results [] for idx in keep_indices: x1, y1, x2, y2 boxes[idx].astype(int) # 确保框在图像范围内 x1, y1 max(0, x1), max(0, y1) x2, y2 min(orig_w, x2), min(orig_h, y2) if x2 x1 or y2 y1: continue results.append({ bbox: [x1, y1, x2, y2], confidence: float(final_scores[idx]), class_id: int(class_ids[idx]), class_name: self.class_names[int(class_ids[idx])] }) return results def nms(self, boxes, scores): 简化的非极大值抑制实现 x1 boxes[:, 0] y1 boxes[:, 1] x2 boxes[:, 2] y2 boxes[:, 3] areas (x2 - x1 1) * (y2 - y1 1) order scores.argsort()[::-1] keep [] while order.size 0: i order[0] keep.append(i) xx1 np.maximum(x1[i], x1[order[1:]]) yy1 np.maximum(y1[i], y1[order[1:]]) xx2 np.minimum(x2[i], x2[order[1:]]) yy2 np.minimum(y2[i], y2[order[1:]]) w np.maximum(0.0, xx2 - xx1 1) h np.maximum(0.0, yy2 - yy1 1) inter w * h ovr inter / (areas[i] areas[order[1:]] - inter) inds np.where(ovr self.iou_threshold)[0] order order[inds 1] return keep def infer(self, image_path): 完整的推理流程 # 读取图像 orig_img cv2.imread(image_path) if orig_img is None: print(fError: Could not read image {image_path}) return [] # 预处理 start_time time.time() blob, preprocess_info, orig_shape self.preprocess(orig_img) preprocess_time time.time() - start_time # 推理 start_time time.time() outputs self.session.run(None, {self.input_name: blob}) inference_time time.time() - start_time # 后处理 start_time time.time() detections self.postprocess(outputs, preprocess_info, orig_shape) postprocess_time time.time() - start_time print(fTiming - Preprocess: {preprocess_time*1000:.2f}ms, fInference: {inference_time*1000:.2f}ms, fPostprocess: {postprocess_time*1000:.2f}ms) return detections, orig_img # 使用示例 if __name__ __main__: # 初始化检测器 detector YOLOv5ONNXInference(onnx_model_pathbest.onnx, conf_thresh0.3) # 对单张图片进行推理 test_image test_ship.jpg results, image detector.infer(test_image) # 可视化结果 for det in results: x1, y1, x2, y2 det[bbox] label f{det[class_name]} {det[confidence]:.2f} cv2.rectangle(image, (x1, y1), (x2, y2), (0, 255, 0), 2) cv2.putText(image, label, (x1, y1-10), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 255, 0), 2) cv2.imwrite(result.jpg, image) print(fDetected {len(results)} ships.)这个脚本提供了完整的预处理、推理、后处理流程并包含了计时功能方便进行性能分析。你可以将其集成到你的视频流处理、Web服务或桌面应用中。6.3 部署到边缘设备如Jetson系列的注意事项如果你需要在NVIDIA Jetson这样的边缘设备上部署流程会有所不同核心是使用TensorRT来获得最佳性能。环境准备在Jetson上安装JetPack SDK它包含了CUDA、cuDNN和TensorRT。模型转换在Jetson上使用trtexec工具将ONNX模型转换为TensorRT引擎。由于Jetson算力有限通常使用FP16甚至INT8精度进行量化。/usr/src/tensorrt/bin/trtexec --onnxbest.onnx --saveEnginebest_fp16.engine --fp16 --workspace1024编写TensorRT推理代码需要使用TensorRT的Python API或C API来加载.engine文件并进行推理。这部分代码比ONNX Runtime复杂需要处理内存分配、绑定、执行上下文等。避坑指南在边缘设备上内存和算力是瓶颈。务必使用--img-size 640甚至更小的输入尺寸如416并选择yolov5n纳米或yolov5s模型。在转换TensorRT引擎时如果失败尝试减小--workspace参数的值。实测在Jetson Nano上YOLOv5s模型在640分辨率下使用FP16精度推理速度可以达到10-15 FPS基本满足实时性要求。7. 项目总结与未来优化方向回顾整个从“boat-舰船检测数据集”到可部署模型的过程其实是一个标准的机器学习项目流水线数据准备、模型训练、评估优化、部署应用。其中数据质量是天花板模型调优是爬坡过程而部署优化是让成果落地的最后一公里。我个人在多次类似项目中最深的体会是不要迷信模型和算法。很多时候性能瓶颈不在模型本身而在数据。花时间分析你的数据集理解标注的噪声分布设计针对性的数据增强策略其投资回报率往往远高于无脑尝试更复杂的模型。例如在这个舰船项目中如果发现模型对雾天船只漏检严重那么去收集或合成更多雾天场景的数据比把YOLOv5换成YOLOv8可能更有效。这个项目还可以从多个方向进行深化多类别细分将单一的“ship”类别细分为“fishing_boat”, “container_ship”, “sailboat”, “warship”等为更精细的应用提供支持。引入跟踪算法在视频流上将检测器与跟踪算法如DeepSORT, ByteTrack结合实现舰船的连续跟踪与轨迹分析。半自动/主动学习将模型部署到实际场景中收集模型不确定的或预测错误的困难样本人工复核后加入训练集循环迭代让模型在不断反馈中越变越强。模型轻量化与量化为了在更廉价的硬件或移动端部署可以探索知识蒸馏、剪枝、量化INT8等技术在精度损失可控的前提下大幅提升推理速度。最后分享一个调试小技巧当你对模型性能不满意时不要只看整体的mAP。把验证集上置信度最高的假阳性误检和置信度最高的假阴性漏检样本挑出来做成一个图册反复看。这些是模型“最自信的错误”和“最不该的错过”它们往往直指数据或模型最根本的缺陷。解决这些问题模型的性能通常会有立竿见影的提升。本文还有配套的精品资源点击获取