人工智能实验7—YOLO

wdloumiga

354人浏览 · 2026-06-13 09:59:36

wdloumiga · 2026-06-13 09:59:36 发布

一、主要知识点总结

1. 目标检测数据集格式

香蕉数据集：1000张训练图 + 100张验证图，每张一个香蕉（类别0），图像尺寸256×256。
标签格式（D2L方式）：[class, xmin, ymin, xmax, ymax]，坐标归一化到[0,1]。
YOLO格式：[class, x_center, y_center, width, height]，坐标归一化。
转换关系：
- x_center = (xmin + xmax)/2
- width = xmax - xmin

2. YOLO模型与训练

使用 ultralytics.YOLO 库，加载预训练权重 yolov8n.pt。
配置文件 data.yaml 指定：nc=1（类别数）、names=['banana']。
训练参数：epochs=10, imgsz=256, batch=16, device='cuda'。
数据增强：mosaic（马赛克）、随机翻转、色彩抖动等。

3. 评估指标

指标	含义
IoU（交并比）	预测框与真实框重叠面积 / 并集面积，取值范围[0,1]
精确率（Precision）	TP/(TP+FP)
召回率（Recall）	TP/(TP+FN)
mAP50	IoU阈值0.5时的平均精度（所有类别）
mAP50-95	多个IoU阈值（0.5~0.95步长0.05）的mAP平均值，更严格

4. 非极大值抑制（NMS）

作用：去除重叠的冗余预测框，保留置信度最高的框。
步骤：按置信度排序 → 选择最高分框 → 移除与其IoU大于阈值的其他框 → 重复。
参数：iou_threshold（常用0.5）。

5. 迁移学习与微调

预训练模型：在COCO（80类）上训练，可检测常见物体（包括香蕉），但对我们的小尺寸香蕉数据集可能效果不佳。
微调：在预训练基础上用香蕉数据集继续训练，调整最后输出层（nc=1），显著提升特定类别检测精度。
实验对比：预训练模型在COCO图上能检测到人、球等，但在香蕉图上可能漏检或误检；微调后模型能准确检测香蕉（甚至一张图中的多个香蕉）。

6. 手写实现核心算法

IoU计算：交集面积 / 并集面积，加极小值防止除零。
NMS实现：迭代保留最高分框，剔除与其IoU大于阈值的其他框。

二、考试复习题（含例题）

选择题

1. 在目标检测中，如果一个预测框与真实框的IoU为0.35，通常被认为：
A. 优秀检测
B. 有效检测（若阈值设为0.5）
C. 无效检测 ✅
D. 完美匹配

2. YOLO格式的标签文件中，一行“0 0.5 0.5 0.4 0.6”表示：
A. 类别0，中心点(0.5,0.5)，宽0.4，高0.6 ✅
B. 类别0，左上角(0.5,0.5)，右下角(0.4,0.6)
C. 类别0，xmin=0.5, ymin=0.5, xmax=0.4, ymax=0.6
D. 格式错误

3. 以下哪个指标对目标检测模型的性能要求最严格？
A. Precision
B. Recall
C. mAP50
D. mAP50-95 ✅

4. 非极大值抑制（NMS）中，如果IoU阈值设置得太高（例如0.9），可能导致：
A. 保留过多重叠框 ✅
B. 漏掉很多正确框
C. 计算速度变慢
D. 精确率下降

5. 在迁移学习中，使用预训练模型微调的主要好处是：
A. 不需要标注数据
B. 可以任意修改网络结构
C. 加速收敛并提高小数据集性能 ✅
D. 自动处理数据增强

填空题

香蕉数据集中，一张图像的标签格式为 [0.0, 0.2, 0.3, 0.7, 0.8]，其中0.0表示 类别（香蕉），0.2表示 xmin，0.8表示 ymax。
YOLO标签中的 x_center 和 width 都是相对于 图像宽度 归一化的。
计算IoU时，为了防止分母为0，通常加上一个很小的数如 1e-6。
在NMS算法中，首先按照 置信度（score） 对候选框降序排序。
使用 ultralytics.YOLO('yolov8n.pt') 加载的是在 COCO 数据集上预训练的模型。

简答题

1. 简述YOLO格式标签（class, x_center, y_center, width, height）与D2L格式（class, xmin, ymin, xmax, ymax）的转换公式。

设图像宽W，高H，归一化坐标：
D2L → YOLO：
x_center = (xmin + xmax)/2
y_center = (ymin + ymax)/2
width = xmax - xmin
height = ymax - ymin
YOLO → D2L：
xmin = x_center - width/2
ymin = y_center - height/2
xmax = x_center + width/2
ymax = y_center + height/2

2. 什么是非极大值抑制（NMS）？为什么目标检测中需要它？

NMS用于去除大量重叠的预测框，保留每个物体最可靠的唯一框。因为目标检测模型常对同一物体产生多个高置信度预测框，NMS通过比较IoU，只保留置信度最高的框，消除冗余。

3. 说明mAP50和mAP50-95的区别，哪个更能反映模型的精确定位能力？

mAP50 表示IoU阈值≥0.5时计算的平均精度，要求较低；mAP50-95 计算多个IoU阈值（0.5,0.55,…,0.95）下的mAP平均值，要求框与真实框非常贴合。因此 mAP50-95 更能反映模型的精确定位能力。

4. 在实验中，预训练模型在香蕉图片上可能检测不到香蕉，而微调后可以。请解释原因。

预训练模型在COCO数据集上训练，虽然COCO包含香蕉类别，但香蕉图片的尺寸、背景、角度等分布与COCO不同，且模型参数冻结了部分层，可能无法适应小尺寸香蕉。微调时，模型在香蕉数据集上继续更新权重，学习到当前数据的特有特征，因此能准确检测。

5. 训练损失下降但验证损失上升，说明什么问题？应如何应对？

说明模型过拟合（在训练集上过度学习，泛化能力差）。应对方法：增加数据增强、降低模型复杂度、增加Dropout、早停、增大验证集比例等。

计算/代码题

1. IoU计算：给定两个框 A=[10,20,50,60]，B=[30,40,70,80]，求IoU。

交集：x1=30, y1=40, x2=50, y2=60 → 宽=20, 高=20 → 面积=400
A面积=(50-10)*(60-20)=40*40=1600
B面积=(70-30)*(80-40)=40*40=1600
并集=1600+1600-400=2800
IoU=400/2800≈0.1429

2. NMS手工模拟：有三个框，置信度和IoU如下：
框1 score0.9，框2 score0.8，框1与框2 IoU=0.6；框3 score0.7，与框1 IoU=0.4，与框2 IoU=0.5。
设IoU阈值=0.5，写出NMS保留的框索引。

排序：[框1(0.9), 框2(0.8), 框3(0.7)]
保留框1，移除与框1 IoU≥0.5的框2（0.6>0.5移除），框3与框1 IoU=0.4<0.5保留。
下一轮，保留框3（无剩余框）。
最终保留 [框1, 框3]。

3. 补全YOLO数据集转换代码（已知D2L标签cls, xmin, ymin, xmax, ymax）

python

x_center = (xmin + xmax) / 2
y_center = (ymin + ymax) / 2
width = xmax - xmin
height = ymax - ymin
# 写入文件
f.write(f"{cls} {x_center:.6f} {y_center:.6f} {width:.6f} {height:.6f}")

分析题

题目：训练YOLOv8检测香蕉，epoch=10后得到结果：

mAP50=0.995，mAP50-95=0.922
精确率=0.998，召回率=1.000

（1）评价模型性能。
（2）如果实际部署时发现一张图片中有多个香蕉，但模型只检测出一个，可能的原因是什么？如何改进？

参考答案：
（1）模型性能极好，几乎完美检测香蕉（召回率100%，精确率接近100%），且定位精度高（mAP50-95>0.92）。
（2）可能原因：训练数据中每张图只有一个香蕉（数据集特点），模型未学习多目标。改进方法：收集包含多个香蕉的图片并标注；调整NMS阈值（降低）可能保留更多框；检查数据增强中是否启用了mosaic（可能生成多目标样本）。