简介这份安全帽数据集面向从事工业安全监控、计算机视觉与YOLO目标检测的开发者与研究者用于训练识别工人及其佩戴安全帽的检测模型可应用于施工现场、矿山等实时监控场景。压缩包共约2000个文件包含6057张jpg图像、6057个xml标注与6058个txt标注另有2个cache缓存文件整体约608.51MBxml与txt双格式标注同时覆盖person与hat两类目标便于直接转换至YOLO训练格式。目前已有1399人学习下载。借助该数据集读者可完成从标注解析、格式转换到模型训练与验证的完整流程并可通过随机翻转、裁剪、色彩变换等增强手段提升泛化能力为搭建高效精准的安全帽检测系统提供扎实的数据基础。1. 安全帽数据集 person_hat.rar从拿到压缩包到跑通检测中间隔着多少坑工地现场的安全帽检测是视觉落地里最典型的“小目标 密集遮挡 光照乱”场景。你手里如果正好有一个叫 person_hat.rar 的安全帽数据集第一反应大概率是解压看看里面有什么然后直接丢给 YOLO 训练。但真正做过的人都知道从 rar 解压到模型能稳定检出“戴帽/未戴帽”中间至少隔着格式转换、类别对齐、标注清洗、小目标增强四道坎。这个数据集的核心价值在于它同时标注了 person 和 hat 两类目标意味着你可以做“人帽关联”而不是单纯检测帽子。适合谁用做智慧工地、安监巡检、边缘盒子部署的算法工程师以及想拿真实场景练手目标检测的学生。下面我按自己踩过的顺序把这条路走一遍。2. 先搞清 person_hat.rar 里到底装了什么解压、目录结构与标注格式判断2.1 解压不是双击那么简单rar 在 Linux 训练机上的处理方式很多人的训练环境是 Ubuntu 服务器没有图形界面unrar命令默认还不一定装。我一般先确认压缩包完整性再决定用哪个工具解。Windows 上习惯用 WinRAR 双击但服务器上得走命令行。# 先看压缩包是否完整避免解压到一半报错 unrar t person_hat.rar # 如果提示 command not found先装 unrar sudo apt-get install unrar # 解压到指定目录保留目录结构 unrar x person_hat.rar ./person_hat_data/逻辑说明unrar t是测试模式只校验不写盘能提前发现压缩包损坏。unrar x保留原目录结构适合数据集这种带子文件夹的包。参数上x比e安全e会把所有文件平铺到当前目录标注文件和图片一旦重名就互相覆盖这个坑我见过不止一次。提示如果压缩包带密码而你又没有别去折腾那些来路不明的密码移除工具直接找数据发布方要密码或者换一个公开数据集。训练数据来源不清后面标注质量根本没保证。解压完先别急着写训练脚本用tree或find看一眼目录层级# 只看两层目录快速判断结构 find person_hat_data -maxdepth 2 -type d | head -30 # 统计图片数量心里有个底 find person_hat_data -name *.jpg -o -name *.png | wc -l常见的安全帽数据集目录无非几种images/和labels/分开或者JPEGImages/和Annotations/这种 VOC 风格。person_hat 这个命名暗示它至少有两个类别person 和 hat但具体是 VOC XML 还是 YOLO txt得打开一个标注文件看。2.2 标注格式判断VOC XML、YOLO txt 还是 COCO json判断方法很直接随便找一个标注文件看头几行# 找第一个 xml 文件看内容 find person_hat_data -name *.xml | head -1 | xargs head -20 # 找第一个 txt 标注看内容 find person_hat_data -name *.txt | head -1 | xargs head -5VOC XML 的特征是annotation根节点里面有object和bndbox坐标是绝对像素值。YOLO txt 每行是class_id x_center y_center width height全部归一化到 0~1。COCO json 则是一个大 json 文件里面有images、annotations、categories三个主键。我遇到过的真实情况是person_hat 这类数据集经常是 VOC 格式因为很多标注工具默认导出 XML。但如果你要训 YOLOv5/v8就得转成 YOLO txt。转换脚本网上一搜一大把但类别映射必须自己核对否则 person 和 hat 的 id 搞反了模型学出来的东西完全是错的。格式坐标类型类别字段转换目标VOC XML绝对像素 xmin/ymin/xmax/ymaxname文本YOLO txtYOLO txt归一化中心宽高行首整数 id直接可用COCO json绝对像素 xywhcategory_id需解析 json注意转换前先把所有类别名收集一遍用grep统计防止出现hat、Helmet、helmet混用的情况。类别名大小写不一致是标注清洗里最隐蔽的坑。3. 把 person_hat 转成 YOLO 可训练格式脚本、类别映射与数据划分3.1 VOC 转 YOLO 的完整脚本与四个边界坑假设解压后是 VOC 结构Annotations/放 XMLJPEGImages/放图片。下面这个脚本我用了很多次核心是把绝对坐标转成归一化中心宽高同时生成classes.txt。import os import xml.etree.ElementTree as ET from pathlib import Path # 类别映射必须和你的实际标注一致 CLASS_MAP {person: 0, hat: 1} # 如果标注里是 helmet改成 {person: 0, helmet: 1} def convert_voc_to_yolo(xml_dir, img_dir, out_label_dir): os.makedirs(out_label_dir, exist_okTrue) xml_files list(Path(xml_dir).glob(*.xml)) skipped 0 for xml_path in xml_files: tree ET.parse(xml_path) root tree.getroot() # 图片尺寸从 size 节点取不要假设固定值 size root.find(size) w int(size.find(width).text) h int(size.find(height).text) lines [] for obj in root.findall(object): name obj.find(name).text.strip() if name not in CLASS_MAP: continue cls_id CLASS_MAP[name] bbox obj.find(bndbox) xmin float(bbox.find(xmin).text) ymin float(bbox.find(ymin).text) xmax float(bbox.find(xmax).text) ymax float(bbox.find(ymax).text) # 边界裁剪防止标注越界导致归一化后为负 xmin max(0, min(xmin, w)) xmax max(0, min(xmax, w)) ymin max(0, min(ymin, h)) ymax max(0, min(ymax, h)) if xmax xmin or ymax ymin: skipped 1 continue x_center (xmin xmax) / 2.0 / w y_center (ymin ymax) / 2.0 / h bw (xmax - xmin) / w bh (ymax - ymin) / h lines.append(f{cls_id} {x_center:.6f} {y_center:.6f} {bw:.6f} {bh:.6f}) # 没有有效目标的图也要生成空 txt否则训练时找不到标签会报错 out_file Path(out_label_dir) / (xml_path.stem .txt) out_file.write_text(\n.join(lines)) print(f转换完成跳过无效框 {skipped} 个) convert_voc_to_yolo(person_hat_data/Annotations, person_hat_data/JPEGImages, person_hat_data/labels)逻辑说明逐 XML 解析取size里的宽高做归一化基准。四个边界坑分别是坐标越界、宽高为零、类别名不匹配、空标注图没生成 txt。前两个会导致归一化数值异常第三个会让某些目标被静默丢弃第四个在 YOLO 训练时会直接报“找不到标签文件”。参数上CLASS_MAP必须和你的data.yaml里names顺序完全一致否则类别 id 错位。3.2 训练集/验证集划分与 data.yaml 写法转换完标签下一步是划分。我一般按 8:2 分且保证同一场景的图片不要跨集否则验证集精度虚高。# 创建目录结构 mkdir -p datasets/person_hat/images/train datasets/person_hat/images/val mkdir -p datasets/person_hat/labels/train datasets/person_hat/labels/val # 用 python 做随机划分固定随机种子保证可复现 python -c import random, shutil from pathlib import Path random.seed(42) imgs list(Path(person_hat_data/JPEGImages).glob(*.jpg)) random.shuffle(imgs) split int(len(imgs) * 0.8) for i, img in enumerate(imgs): phase train if i split else val shutil.copy(img, fdatasets/person_hat/images/{phase}/{img.name}) lbl Path(person_hat_data/labels) / (img.stem .txt) if lbl.exists(): shutil.copy(lbl, fdatasets/person_hat/labels/{phase}/{lbl.name}) print(f训练集 {split} 张验证集 {len(imgs)-split} 张) data.yaml的写法path: ./datasets/person_hat train: images/train val: images/val nc: 2 names: [person, hat]提示nc和names长度必须一致names顺序就是类别 id 顺序。如果你把 hat 写成 helmet训练能跑但推理时显示的标签名会对不上排查起来很费时间。4. 安全帽检测的训练参数怎么设小目标、遮挡与类别不平衡的处理4.1 输入分辨率与 anchor 调整为什么 640 可能不够安全帽在整张图里往往只占几十个像素属于典型小目标。YOLO 默认 640 输入下采样 32 倍后特征图上帽子可能只剩 1~2 个格子召回率上不去。我的血泪经验是如果显存允许直接上 1280或者至少 960。代价是训练时间翻倍但 mAP 通常能涨 5~10 个点。# YOLOv8 训练命令输入 1280batch 根据显存调 yolo detect train \ datadatasets/person_hat/data.yaml \ modelyolov8s.pt \ imgsz1280 \ epochs100 \ batch8 \ patience20 \ lr00.01 \ cos_lrTrue \ mosaic1.0 \ close_mosaic10参数说明imgsz1280提升小目标分辨率batch8是 1280 下 8G 显存的保守值显存大可以加到 16patience20早停防止过拟合close_mosaic10在最后 10 轮关闭马赛克增强让模型适应真实分布。mosaic1.0保持默认对遮挡场景有帮助。如果不想改输入尺寸另一个思路是调整 anchor。YOLOv8 是 anchor-free不用手动设 anchor但 YOLOv5 需要。用kmeans重新聚类你的标注框能得到更贴合安全帽尺寸的 anchor。4.2 类别不平衡与遮挡增强person 多 hat 少怎么办安全帽数据集常见问题是 person 框远多于 hat 框因为一张图里可能有多个人但只有部分戴帽。这会导致模型偏向预测 person。处理方式有三种一是用copy_paste增强把 hat 实例复制粘贴到其他位置二是设置类别权重但 YOLO 原生不支持得改 loss三是过采样含 hat 的图片。我一般先用最省事的在data.yaml同级加一个hyp.yaml调低mosaic里 person 的采样概率不现实所以直接对含 hat 的图做重复采样。# 统计每张图是否含 hat生成过采样列表 from pathlib import Path hat_imgs [] for lbl in Path(datasets/person_hat/labels/train).glob(*.txt): content lbl.read_text() if any(line.startswith(1 ) for line in content.splitlines()): hat_imgs.append(lbl.stem) print(f含 hat 的图 {len(hat_imgs)} 张总图 {len(list(Path(datasets/person_hat/labels/train).glob(*.txt)))} 张)如果含 hat 比例低于 30%我会把这些图在训练列表里重复 2~3 次。注意别重复太多否则过拟合到那几张图。遮挡方面mosaic和mixup本身就能模拟遮挡。但安全帽场景的遮挡往往是“人挡人”mosaic 四图拼接能部分模拟。如果还不够可以加erasing随机擦除但概率别超过 0.3否则帽子被擦没了模型学不到。注意增强不是越多越好。我见过有人把 mosaic、mixup、copy_paste、erasing 全开满结果模型在验证集上崩了。增强要匹配场景安全帽检测里 mosaic 和轻微色彩抖动最稳。5. 训练完别急着上线验证、误检排查与边缘部署的量化取舍5.1 用混淆矩阵定位“人帽误判”的根因训练完看results.png只是第一步真正有用的是混淆矩阵。YOLO 训练完会在runs/detect/train/下生成confusion_matrix.png。重点看两个格子person 被预测成 hat 的数量以及 hat 被预测成 background 的数量。前者说明模型没学会区分人和帽通常是标注里 person 框把帽子也框进去了导致同一个区域有两个类别。后者说明小目标召回不够得回去调输入分辨率或加数据。# 用验证集跑一遍输出每个类别的 P/R/mAP yolo detect val \ modelruns/detect/train/weights/best.pt \ datadatasets/person_hat/data.yaml \ imgsz1280 \ conf0.25 \ iou0.5参数说明conf0.25是推理置信度阈值低于这个值的框不输出iou0.5是 NMS 的 IoU 阈值。如果误检多把conf提到 0.4如果漏检多降到 0.15 试试。这两个值没有绝对标准得在验证集上扫一遍。5.2 边缘盒子部署INT8 量化后掉点怎么补安全帽检测最终多半要上边缘盒子比如 Jetson 或瑞芯微。FP32 模型跑不动得量化成 INT8。但量化后小目标掉点严重因为帽子像素值动态范围小量化误差被放大。我的做法是先用onnxsim简化模型再用 TensorRT 的entropy校准校准集里必须包含足够多的小目标图。如果掉点超过 3 个 mAP就放弃全 INT8改用 FP16。FP16 在 Jetson 上速度也够精度几乎无损。# 导出 ONNX指定 opset 和动态 batch yolo export modelruns/detect/train/weights/best.pt formatonnx opset12 simplifyTrue # TensorRT 量化时校准集用验证集的前 500 张确保覆盖小目标提示量化校准集不要用训练集否则校准偏差。用验证集里随机抽的图且要包含白天、傍晚、遮挡各种情况。校准集质量直接决定 INT8 精度。6. 一个被忽略的细节用标注统计反推数据集质量决定要不要继续投入拿到任何数据集我都会先跑一遍标注统计而不是直接开训。这一步能省下大量无效训练时间。具体做法是统计每张图的框数量、宽高分布、类别比例然后画出来看。import matplotlib.pyplot as plt from pathlib import Path widths, heights, counts [], [], [] for lbl in Path(datasets/person_hat/labels/train).glob(*.txt): lines lbl.read_text().strip().splitlines() counts.append(len(lines)) for line in lines: _, _, _, w, h map(float, line.split()) widths.append(w) heights.append(h) fig, axes plt.subplots(1, 3, figsize(15, 4)) axes[0].hist(counts, bins20); axes[0].set_title(每图框数分布) axes[1].hist(widths, bins50); axes[1].set_title(框宽归一化分布) axes[2].hist(heights, bins50); axes[2].set_title(框高归一化分布) plt.savefig(label_stats.png) print(f平均每图 {sum(counts)/len(counts):.1f} 个框)看三个信号如果框宽分布集中在 0.05 以下说明全是小目标输入分辨率必须拉高如果每图框数分布有个别图超过 50 个框那些图大概率是标注重复或误标得单独检查如果宽高分布出现双峰说明数据里混了两种拍摄距离可能需要分场景训练。我自己的习惯是标注统计不过关的数据集宁可花两天清洗也不花一周训一个废模型。安全帽检测的落地瓶颈从来不在模型结构而在数据质量。person_hat.rar 这个包如果你解压后发现标注里 person 和 hat 大量重叠且没有区分逻辑那它可能只适合做预训练不适合直接微调上线。先跑统计再决定投入这个顺序别反。希望帮到你。本文还有配套的精品资源点击获取 安全帽数据集person_hat.rar实战：从解压到YOLO训练与边缘部署
简介这份安全帽数据集面向从事工业安全监控、计算机视觉与YOLO目标检测的开发者与研究者用于训练识别工人及其佩戴安全帽的检测模型可应用于施工现场、矿山等实时监控场景。压缩包共约2000个文件包含6057张jpg图像、6057个xml标注与6058个txt标注另有2个cache缓存文件整体约608.51MBxml与txt双格式标注同时覆盖person与hat两类目标便于直接转换至YOLO训练格式。目前已有1399人学习下载。借助该数据集读者可完成从标注解析、格式转换到模型训练与验证的完整流程并可通过随机翻转、裁剪、色彩变换等增强手段提升泛化能力为搭建高效精准的安全帽检测系统提供扎实的数据基础。1. 安全帽数据集 person_hat.rar从拿到压缩包到跑通检测中间隔着多少坑工地现场的安全帽检测是视觉落地里最典型的“小目标 密集遮挡 光照乱”场景。你手里如果正好有一个叫 person_hat.rar 的安全帽数据集第一反应大概率是解压看看里面有什么然后直接丢给 YOLO 训练。但真正做过的人都知道从 rar 解压到模型能稳定检出“戴帽/未戴帽”中间至少隔着格式转换、类别对齐、标注清洗、小目标增强四道坎。这个数据集的核心价值在于它同时标注了 person 和 hat 两类目标意味着你可以做“人帽关联”而不是单纯检测帽子。适合谁用做智慧工地、安监巡检、边缘盒子部署的算法工程师以及想拿真实场景练手目标检测的学生。下面我按自己踩过的顺序把这条路走一遍。2. 先搞清 person_hat.rar 里到底装了什么解压、目录结构与标注格式判断2.1 解压不是双击那么简单rar 在 Linux 训练机上的处理方式很多人的训练环境是 Ubuntu 服务器没有图形界面unrar命令默认还不一定装。我一般先确认压缩包完整性再决定用哪个工具解。Windows 上习惯用 WinRAR 双击但服务器上得走命令行。# 先看压缩包是否完整避免解压到一半报错 unrar t person_hat.rar # 如果提示 command not found先装 unrar sudo apt-get install unrar # 解压到指定目录保留目录结构 unrar x person_hat.rar ./person_hat_data/逻辑说明unrar t是测试模式只校验不写盘能提前发现压缩包损坏。unrar x保留原目录结构适合数据集这种带子文件夹的包。参数上x比e安全e会把所有文件平铺到当前目录标注文件和图片一旦重名就互相覆盖这个坑我见过不止一次。提示如果压缩包带密码而你又没有别去折腾那些来路不明的密码移除工具直接找数据发布方要密码或者换一个公开数据集。训练数据来源不清后面标注质量根本没保证。解压完先别急着写训练脚本用tree或find看一眼目录层级# 只看两层目录快速判断结构 find person_hat_data -maxdepth 2 -type d | head -30 # 统计图片数量心里有个底 find person_hat_data -name *.jpg -o -name *.png | wc -l常见的安全帽数据集目录无非几种images/和labels/分开或者JPEGImages/和Annotations/这种 VOC 风格。person_hat 这个命名暗示它至少有两个类别person 和 hat但具体是 VOC XML 还是 YOLO txt得打开一个标注文件看。2.2 标注格式判断VOC XML、YOLO txt 还是 COCO json判断方法很直接随便找一个标注文件看头几行# 找第一个 xml 文件看内容 find person_hat_data -name *.xml | head -1 | xargs head -20 # 找第一个 txt 标注看内容 find person_hat_data -name *.txt | head -1 | xargs head -5VOC XML 的特征是annotation根节点里面有object和bndbox坐标是绝对像素值。YOLO txt 每行是class_id x_center y_center width height全部归一化到 0~1。COCO json 则是一个大 json 文件里面有images、annotations、categories三个主键。我遇到过的真实情况是person_hat 这类数据集经常是 VOC 格式因为很多标注工具默认导出 XML。但如果你要训 YOLOv5/v8就得转成 YOLO txt。转换脚本网上一搜一大把但类别映射必须自己核对否则 person 和 hat 的 id 搞反了模型学出来的东西完全是错的。格式坐标类型类别字段转换目标VOC XML绝对像素 xmin/ymin/xmax/ymaxname文本YOLO txtYOLO txt归一化中心宽高行首整数 id直接可用COCO json绝对像素 xywhcategory_id需解析 json注意转换前先把所有类别名收集一遍用grep统计防止出现hat、Helmet、helmet混用的情况。类别名大小写不一致是标注清洗里最隐蔽的坑。3. 把 person_hat 转成 YOLO 可训练格式脚本、类别映射与数据划分3.1 VOC 转 YOLO 的完整脚本与四个边界坑假设解压后是 VOC 结构Annotations/放 XMLJPEGImages/放图片。下面这个脚本我用了很多次核心是把绝对坐标转成归一化中心宽高同时生成classes.txt。import os import xml.etree.ElementTree as ET from pathlib import Path # 类别映射必须和你的实际标注一致 CLASS_MAP {person: 0, hat: 1} # 如果标注里是 helmet改成 {person: 0, helmet: 1} def convert_voc_to_yolo(xml_dir, img_dir, out_label_dir): os.makedirs(out_label_dir, exist_okTrue) xml_files list(Path(xml_dir).glob(*.xml)) skipped 0 for xml_path in xml_files: tree ET.parse(xml_path) root tree.getroot() # 图片尺寸从 size 节点取不要假设固定值 size root.find(size) w int(size.find(width).text) h int(size.find(height).text) lines [] for obj in root.findall(object): name obj.find(name).text.strip() if name not in CLASS_MAP: continue cls_id CLASS_MAP[name] bbox obj.find(bndbox) xmin float(bbox.find(xmin).text) ymin float(bbox.find(ymin).text) xmax float(bbox.find(xmax).text) ymax float(bbox.find(ymax).text) # 边界裁剪防止标注越界导致归一化后为负 xmin max(0, min(xmin, w)) xmax max(0, min(xmax, w)) ymin max(0, min(ymin, h)) ymax max(0, min(ymax, h)) if xmax xmin or ymax ymin: skipped 1 continue x_center (xmin xmax) / 2.0 / w y_center (ymin ymax) / 2.0 / h bw (xmax - xmin) / w bh (ymax - ymin) / h lines.append(f{cls_id} {x_center:.6f} {y_center:.6f} {bw:.6f} {bh:.6f}) # 没有有效目标的图也要生成空 txt否则训练时找不到标签会报错 out_file Path(out_label_dir) / (xml_path.stem .txt) out_file.write_text(\n.join(lines)) print(f转换完成跳过无效框 {skipped} 个) convert_voc_to_yolo(person_hat_data/Annotations, person_hat_data/JPEGImages, person_hat_data/labels)逻辑说明逐 XML 解析取size里的宽高做归一化基准。四个边界坑分别是坐标越界、宽高为零、类别名不匹配、空标注图没生成 txt。前两个会导致归一化数值异常第三个会让某些目标被静默丢弃第四个在 YOLO 训练时会直接报“找不到标签文件”。参数上CLASS_MAP必须和你的data.yaml里names顺序完全一致否则类别 id 错位。3.2 训练集/验证集划分与 data.yaml 写法转换完标签下一步是划分。我一般按 8:2 分且保证同一场景的图片不要跨集否则验证集精度虚高。# 创建目录结构 mkdir -p datasets/person_hat/images/train datasets/person_hat/images/val mkdir -p datasets/person_hat/labels/train datasets/person_hat/labels/val # 用 python 做随机划分固定随机种子保证可复现 python -c import random, shutil from pathlib import Path random.seed(42) imgs list(Path(person_hat_data/JPEGImages).glob(*.jpg)) random.shuffle(imgs) split int(len(imgs) * 0.8) for i, img in enumerate(imgs): phase train if i split else val shutil.copy(img, fdatasets/person_hat/images/{phase}/{img.name}) lbl Path(person_hat_data/labels) / (img.stem .txt) if lbl.exists(): shutil.copy(lbl, fdatasets/person_hat/labels/{phase}/{lbl.name}) print(f训练集 {split} 张验证集 {len(imgs)-split} 张) data.yaml的写法path: ./datasets/person_hat train: images/train val: images/val nc: 2 names: [person, hat]提示nc和names长度必须一致names顺序就是类别 id 顺序。如果你把 hat 写成 helmet训练能跑但推理时显示的标签名会对不上排查起来很费时间。4. 安全帽检测的训练参数怎么设小目标、遮挡与类别不平衡的处理4.1 输入分辨率与 anchor 调整为什么 640 可能不够安全帽在整张图里往往只占几十个像素属于典型小目标。YOLO 默认 640 输入下采样 32 倍后特征图上帽子可能只剩 1~2 个格子召回率上不去。我的血泪经验是如果显存允许直接上 1280或者至少 960。代价是训练时间翻倍但 mAP 通常能涨 5~10 个点。# YOLOv8 训练命令输入 1280batch 根据显存调 yolo detect train \ datadatasets/person_hat/data.yaml \ modelyolov8s.pt \ imgsz1280 \ epochs100 \ batch8 \ patience20 \ lr00.01 \ cos_lrTrue \ mosaic1.0 \ close_mosaic10参数说明imgsz1280提升小目标分辨率batch8是 1280 下 8G 显存的保守值显存大可以加到 16patience20早停防止过拟合close_mosaic10在最后 10 轮关闭马赛克增强让模型适应真实分布。mosaic1.0保持默认对遮挡场景有帮助。如果不想改输入尺寸另一个思路是调整 anchor。YOLOv8 是 anchor-free不用手动设 anchor但 YOLOv5 需要。用kmeans重新聚类你的标注框能得到更贴合安全帽尺寸的 anchor。4.2 类别不平衡与遮挡增强person 多 hat 少怎么办安全帽数据集常见问题是 person 框远多于 hat 框因为一张图里可能有多个人但只有部分戴帽。这会导致模型偏向预测 person。处理方式有三种一是用copy_paste增强把 hat 实例复制粘贴到其他位置二是设置类别权重但 YOLO 原生不支持得改 loss三是过采样含 hat 的图片。我一般先用最省事的在data.yaml同级加一个hyp.yaml调低mosaic里 person 的采样概率不现实所以直接对含 hat 的图做重复采样。# 统计每张图是否含 hat生成过采样列表 from pathlib import Path hat_imgs [] for lbl in Path(datasets/person_hat/labels/train).glob(*.txt): content lbl.read_text() if any(line.startswith(1 ) for line in content.splitlines()): hat_imgs.append(lbl.stem) print(f含 hat 的图 {len(hat_imgs)} 张总图 {len(list(Path(datasets/person_hat/labels/train).glob(*.txt)))} 张)如果含 hat 比例低于 30%我会把这些图在训练列表里重复 2~3 次。注意别重复太多否则过拟合到那几张图。遮挡方面mosaic和mixup本身就能模拟遮挡。但安全帽场景的遮挡往往是“人挡人”mosaic 四图拼接能部分模拟。如果还不够可以加erasing随机擦除但概率别超过 0.3否则帽子被擦没了模型学不到。注意增强不是越多越好。我见过有人把 mosaic、mixup、copy_paste、erasing 全开满结果模型在验证集上崩了。增强要匹配场景安全帽检测里 mosaic 和轻微色彩抖动最稳。5. 训练完别急着上线验证、误检排查与边缘部署的量化取舍5.1 用混淆矩阵定位“人帽误判”的根因训练完看results.png只是第一步真正有用的是混淆矩阵。YOLO 训练完会在runs/detect/train/下生成confusion_matrix.png。重点看两个格子person 被预测成 hat 的数量以及 hat 被预测成 background 的数量。前者说明模型没学会区分人和帽通常是标注里 person 框把帽子也框进去了导致同一个区域有两个类别。后者说明小目标召回不够得回去调输入分辨率或加数据。# 用验证集跑一遍输出每个类别的 P/R/mAP yolo detect val \ modelruns/detect/train/weights/best.pt \ datadatasets/person_hat/data.yaml \ imgsz1280 \ conf0.25 \ iou0.5参数说明conf0.25是推理置信度阈值低于这个值的框不输出iou0.5是 NMS 的 IoU 阈值。如果误检多把conf提到 0.4如果漏检多降到 0.15 试试。这两个值没有绝对标准得在验证集上扫一遍。5.2 边缘盒子部署INT8 量化后掉点怎么补安全帽检测最终多半要上边缘盒子比如 Jetson 或瑞芯微。FP32 模型跑不动得量化成 INT8。但量化后小目标掉点严重因为帽子像素值动态范围小量化误差被放大。我的做法是先用onnxsim简化模型再用 TensorRT 的entropy校准校准集里必须包含足够多的小目标图。如果掉点超过 3 个 mAP就放弃全 INT8改用 FP16。FP16 在 Jetson 上速度也够精度几乎无损。# 导出 ONNX指定 opset 和动态 batch yolo export modelruns/detect/train/weights/best.pt formatonnx opset12 simplifyTrue # TensorRT 量化时校准集用验证集的前 500 张确保覆盖小目标提示量化校准集不要用训练集否则校准偏差。用验证集里随机抽的图且要包含白天、傍晚、遮挡各种情况。校准集质量直接决定 INT8 精度。6. 一个被忽略的细节用标注统计反推数据集质量决定要不要继续投入拿到任何数据集我都会先跑一遍标注统计而不是直接开训。这一步能省下大量无效训练时间。具体做法是统计每张图的框数量、宽高分布、类别比例然后画出来看。import matplotlib.pyplot as plt from pathlib import Path widths, heights, counts [], [], [] for lbl in Path(datasets/person_hat/labels/train).glob(*.txt): lines lbl.read_text().strip().splitlines() counts.append(len(lines)) for line in lines: _, _, _, w, h map(float, line.split()) widths.append(w) heights.append(h) fig, axes plt.subplots(1, 3, figsize(15, 4)) axes[0].hist(counts, bins20); axes[0].set_title(每图框数分布) axes[1].hist(widths, bins50); axes[1].set_title(框宽归一化分布) axes[2].hist(heights, bins50); axes[2].set_title(框高归一化分布) plt.savefig(label_stats.png) print(f平均每图 {sum(counts)/len(counts):.1f} 个框)看三个信号如果框宽分布集中在 0.05 以下说明全是小目标输入分辨率必须拉高如果每图框数分布有个别图超过 50 个框那些图大概率是标注重复或误标得单独检查如果宽高分布出现双峰说明数据里混了两种拍摄距离可能需要分场景训练。我自己的习惯是标注统计不过关的数据集宁可花两天清洗也不花一周训一个废模型。安全帽检测的落地瓶颈从来不在模型结构而在数据质量。person_hat.rar 这个包如果你解压后发现标注里 person 和 hat 大量重叠且没有区分逻辑那它可能只适合做预训练不适合直接微调上线。先跑统计再决定投入这个顺序别反。希望帮到你。本文还有配套的精品资源点击获取