簡介一份面向變電站繼電保護控制柜屏幕檢測的計算機視覺數(shù)據(jù)集包含七百張屏幕圖像配套VOC格式標注文件適用于電力智能化、工業(yè)視覺方向的研究人員與開發(fā)者可用于訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)、YOLO系列等目標檢測模型實現(xiàn)電壓讀數(shù)、電流曲線、指示燈等元素的自動識別支撐遠程監(jiān)控、故障診斷與自動化巡檢等場景。資源共一千四百五十個文件其中七百二十五幅jpg圖像與七百二十五份xml標簽一一對應(yīng)壓縮包約32.29MB結(jié)構(gòu)清晰便于直接進行模型訓(xùn)練與驗證該數(shù)據(jù)集采用PASCAL VOC注釋標準涵蓋對象名稱、邊界框坐標、遮擋與截斷狀態(tài)等關(guān)鍵信息可配合主流目標檢測框架使用。目前已有1301人學(xué)習(xí)下載數(shù)據(jù)規(guī)模適中、標注規(guī)范適合開展屏幕檢測算法實驗、遷移學(xué)習(xí)調(diào)優(yōu)以及語義分割等進階研究通過該數(shù)據(jù)集電力行業(yè)有望加速實現(xiàn)自動化、實時的變電站監(jiān)控與故障預(yù)測提升供電系統(tǒng)的穩(wěn)定性與安全性。1. 變電站屏幕檢測數(shù)據(jù)集700張VOC圖能不能直接訓(xùn)出能用的模型變電站的繼電保護屏上跳動著頻率、電壓、開關(guān)位置和告警報文巡檢員一天要看幾十面柜子靠人眼盯屏既費人力也容易漏。做屏幕檢測的第一步是拿到一套帶標簽的工業(yè)圖像數(shù)據(jù)集比如這套700張圖像、VOC標簽的變電站繼電保護控制柜屏幕數(shù)據(jù)。先說清楚這里的“屏幕檢測”定位的是屏幕區(qū)域本身不是去OCR屏幕里的每一個字符。坐標框住的是液晶屏、指示燈面板和保護裝置的人機交互界面。VOC標簽意味著每個XML文件里記錄了目標類別和邊界框能直接喂給目標檢測訓(xùn)練流程。適合讀這篇筆記的人是剛?cè)胧值谝粋€工業(yè)視覺數(shù)據(jù)集的算法工程師或者是做電力智能巡檢落地、正為訓(xùn)練數(shù)據(jù)發(fā)愁的實施人員。700張不算多但按正確流程處理足夠訓(xùn)練出第一個可上驗證臺的檢測模型。2. 先用腳本讀懂VOC標簽坐標、類別分布與屏幕畫面構(gòu)成2.1 拿到700張圖先別進訓(xùn)練腳本先看清拍到的是什么畫面很多工業(yè)數(shù)據(jù)集的坑不在模型訓(xùn)練階段而在你根本不了解圖像內(nèi)容。我第一次拿到類似數(shù)據(jù)集時直接跑轉(zhuǎn)換腳本結(jié)果訓(xùn)練到一半發(fā)現(xiàn)一半圖像是過曝的另一半是柜門半開的廢圖。正確做法是先做目錄拓撲和圖像尺寸的抽樣檢查確認這批圖的采集來源、分辨率和拍攝視角。# 先摸清數(shù)據(jù)集的目錄結(jié)構(gòu)與圖像尺寸 find . -type f \( -name *.jpg -o -name *.png -o -name *.xml \) | head -20 python3 - PY import glob from PIL import Image imgs sorted(glob.glob(images/*.jpg) glob.glob(images/*.png)) print(圖像總數(shù):, len(imgs)) for p in imgs[:8]: im Image.open(p) print(p, im.size, im.mode) PY這段腳本做了兩件事第一條命令列出數(shù)據(jù)集里的圖片和XML文件的前20個路徑讓你看清圖像文件與標簽文件是否一一對應(yīng)Python片段統(tǒng)計圖像總數(shù)并打印前8張的分辨率與色彩模式。為什么要看這些因為工業(yè)相機和手機拍攝的圖混在一起時分辨率差異會直接影響后續(xù)歸一化坐標的準確性PIL讀出來尺寸若與XML中記錄的width不一致就是標簽污染的源頭。抽樣檢查建議按等間隔抽20張不用隨機抽。隨機抽容易集中在同一個時段等間隔能看到拍攝時間推進過程中光照、屏幕亮度和柜門狀態(tài)的變化。人工過一遍重點確認三件事屏幕在畫面中的占比是否穩(wěn)定是否存在一個畫面里出現(xiàn)兩三塊屏幕的情況以及有沒有大量連續(xù)幀高度相似——如果700張里有200張幾乎是同一秒拍的訓(xùn)練集的有效信息量就會縮水。2.2 把VOC的XML解析成統(tǒng)計表類別、數(shù)量、框面積分布VOC標簽的XML結(jié)構(gòu)很固定根節(jié)點annotation下是filename、size每個object節(jié)點里有name和bndboxbndbox里是xmin、ymin、xmax、ymax四個整數(shù)坐標。這個格式人類可讀但機器處理不方便。我一般先把所有XML解析成一張CSV表后續(xù)的格式轉(zhuǎn)換、類別統(tǒng)計、框面積分析都基于這張表。import xml.etree.ElementTree as ET import glob, os, csv rows [] for xml_path in sorted(glob.glob(labels/*.xml)): root ET.parse(xml_path).getroot() img_name root.find(filename).text for obj in root.iter(object): name obj.find(name).text box obj.find(bndbox) xmin float(box.find(xmin).text) ymin float(box.find(ymin).text) xmax float(box.find(xmax).text) ymax float(box.find(ymax).text) rows.append([os.path.basename(img_name), name, xmin, ymin, xmax, ymax, xmax - xmin, ymax - ymin]) with open(label_summary.csv, w, newline) as f: writer csv.writer(f) writer.writerow([image, class, xmin, ymin, xmax, ymax, w, h]) writer.writerows(rows)這段代碼遍歷所有XML把每個目標的類別、邊界框坐標和寬高展開成一行。用ET解析而不是正則去抓文本是因為XML屬性順序偶爾會變基于標簽名取值更穩(wěn)妥。落成CSV后用Excel透視表或pandas看一眼類別分布。正常情況下這類數(shù)據(jù)集的類別名通常就是screen或者display不會太復(fù)雜。如果類別超過三種就要警惕是不是把“指示燈亮起”“按鍵面板”“屏幕內(nèi)容區(qū)域”都單獨標了類。對屏幕檢測任務(wù)來說類別粒度越粗越好細分類別會讓同類樣本之間的差異變大模型學(xué)到的特征不夠穩(wěn)定。2.3 先跑一遍標簽合法性自檢越界、空框、張冠李戴標簽合法性自檢是訓(xùn)練前最值得花時間的步驟。工業(yè)數(shù)據(jù)集的標簽往往是人工標注或半自動標注產(chǎn)物漏標、錯標、坐標越界非常常見。臟標簽直接進入訓(xùn)練流程loss曲線會忽高忽低模型精度上不去時你根本分不清是網(wǎng)絡(luò)結(jié)構(gòu)問題還是數(shù)據(jù)問題。import xml.etree.ElementTree as ET import glob from PIL import Image import os bad [] for xml_path in sorted(glob.glob(labels/*.xml)): root ET.parse(xml_path).getroot() img_rel os.path.join(images, root.find(filename).text) if not os.path.exists(img_rel): bad.append((xml_path, missing image, root.find(filename).text)) continue with Image.open(img_rel) as im: W, H im.size for obj in root.iter(object): box obj.find(bndbox) xmin float(box.find(xmin).text) ymin float(box.find(ymin).text) xmax float(box.find(xmax).text) ymax float(box.find(ymax).text) if xmin xmax or ymin ymax: bad.append((xml_path, zero area box, (xmin, ymin, xmax, ymax))) if xmin 0 or ymin 0 or xmax W or ymax H: bad.append((xml_path, out of bound, (xmin, ymin, xmax, ymax, W, H))) for item in bad[:30]: print(item) print(total bad:, len(bad))這個自檢腳本輸出三類問題圖像文件缺失、框面積為零、框越界。面積為零的框通常來自標注工具誤操作越界框則常出現(xiàn)在標注后裁剪了原圖的場景。面對越界框不要一律刪除——輕微越界可以用clip修正也就是把坐標截斷到圖像范圍內(nèi)面積為零的框沒有任何信息量直接刪除。這樣清洗后的標簽才配進入訓(xùn)練管線。我見過的項目里這類數(shù)據(jù)集直接訓(xùn)練出現(xiàn)的“翻車”十有八九是壞標簽沒清干凈而不是模型不行。3. 把VOC轉(zhuǎn)成YOLO訓(xùn)練輸入格式換算與訓(xùn)練參數(shù)的選擇3.1 為什么我從VOC轉(zhuǎn)YOLO一句理由加一條換算公式現(xiàn)在主流檢測訓(xùn)練流程無論是YOLOv5、YOLOv8還是MMDetection下的YOLO系列都偏好使用一個圖像對應(yīng)一個txt標簽文件、每行“類別ID 歸一化中心坐標 歸一化寬高”的格式。VOC的像素級絕對坐標直觀但不同框架對坐標系的起點定義不一致有的從左上角0開始有的從左上角1開始直接硬喂容易出邊界誤差。換算公式很簡單x_center (xmin xmax) / 2 / W y_center (ymin ymax) / 2 / H w (xmax - xmin) / W h (ymax - ymin) / H所有坐標都除以圖像真實寬高得到0到1之間的相對值。注意這里用的是XML里記錄的坐標和圖像的真實像素尺寸不是標注工具預(yù)覽圖里的縮放尺寸。轉(zhuǎn)換時用錯寬高比會導(dǎo)致檢測框整體偏移這種錯誤在人工抽查單張圖時很難發(fā)現(xiàn)但模型訓(xùn)練時就是系統(tǒng)性噪聲。有人會問如果用的框架原生支持VOC何必多此一舉我的習(xí)慣是統(tǒng)一轉(zhuǎn)成YOLO文本格式因為工業(yè)項目里大概率會在訓(xùn)練中途換模型骨架換成YOLO格式后yolov5、yolov8、rtdetr等模型都能零成本切換不必再為格式適配浪費時間。3.2 轉(zhuǎn)換腳本把XML和圖像落成訓(xùn)練目錄import xml.etree.ElementTree as ET import glob, os, shutil from PIL import Image # 推薦目錄結(jié)構(gòu): datasets/screen_detect/{images,labels}/{train,val} os.makedirs(datasets/screen_detect/images/train, exist_okTrue) os.makedirs(datasets/screen_detect/images/val, exist_okTrue) os.makedirs(datasets/screen_detect/labels/train, exist_okTrue) os.makedirs(datasets/screen_detect/labels/val, exist_okTrue) # 預(yù)先把要進驗證集的圖像文件名寫進 val_imgs.txt val_set set(l.strip() for l in open(val_imgs.txt)) class_names [screen] def convert_voc_to_yolo(xml_path, split): root ET.parse(xml_path).getroot() img_name root.find(filename).text if folder in {c.tag for c in root}: pass with Image.open(os.path.join(images, img_name)) as im: W, H im.size out_lines [] for obj in root.iter(object): name obj.find(name).text if name not in class_names: continue box obj.find(bndbox) xmin max(float(box.find(xmin).text), 0) ymin max(float(box.find(ymin).text), 0) xmax min(float(box.find(xmax).text), W) ymax min(float(box.find(ymax).text), H) if xmax - xmin 3 or ymax - ymin 3: continue x_center (xmin xmax) / 2 / W y_center (ymin ymax) / 2 / H w (xmax - xmin) / W h (ymax - ymin) / H out_lines.append(f0 {x_center:.6f} {y_center:.6f} {w:.6f} {h:.6f}) img_src os.path.join(images, img_name) dst_img_dir fdatasets/screen_detect/images/{split} dst_lbl_dir fdatasets/screen_detect/labels/{split} shutil.copy(img_src, os.path.join(dst_img_dir, img_name)) label_name os.path.splitext(img_name)[0] .txt with open(os.path.join(dst_lbl_dir, label_name), w) as f: f.write(\n.join(out_lines)) for xml_path in glob.glob(labels/*.xml): img_name ET.parse(xml_path).getroot().find(filename).text split val if img_name in val_set else train convert_voc_to_yolo(xml_path, split)這個腳本有幾個值得解釋的設(shè)計。一是寬高小于3像素的框直接丟棄這類框通常來自標注手抖對訓(xùn)練只有噪聲貢獻。二是clip操作把越界坐標先拉回圖像邊界再判斷是否值得保留。三是val_imgs.txt由你預(yù)先決定這樣訓(xùn)練集和驗證集的劃分可以反復(fù)調(diào)整不需要改腳本。寬度值和height值保留六位小數(shù)避免歸一化精度不足導(dǎo)致的小目標框抖動。轉(zhuǎn)換完成后檢查一下labels/train里有沒有空文件。如果一個txt內(nèi)容為空說明該圖像的標注框全被過濾掉了對應(yīng)圖像應(yīng)該從訓(xùn)練集里移走否則模型會拿一張無目標圖做負樣本造成誤檢。3.3 數(shù)據(jù)劃分按拍攝場景分組別隨機打散700張圖的數(shù)據(jù)集最常見的錯誤是隨機劃分訓(xùn)練集和驗證集。屏幕檢測圖像有一個特點同一面柜子連續(xù)拍攝的幾十幀背景、光照、屏幕狀態(tài)高度相似。隨機劃分時第3幀進訓(xùn)練集、第4幀進驗證集驗證結(jié)果會虛高因為模型幾乎“見過”同一場景?，F(xiàn)場部署時換個角度、換個柜門狀態(tài)精度立刻掉下來。我一般會先按文件名中的時間戳或柜體編號分組同一組的連續(xù)幀要么全進訓(xùn)練集要么全進驗證集。如果文件名里沒有明顯分組標志就按時間順序每連續(xù)30幀作為一個分組單位做按組的隨機劃分。import glob, random imgs sorted(glob.glob(images/*.jpg)) # 每30幀為一個組保證連續(xù)幀不跨集合 groups [imgs[i:i30] for i in range(0, len(imgs), 30)] random.seed(42) random.shuffle(groups) val_cnt int(len(groups) * 0.2) val_groups groups[:val_cnt] val_set set() for g in val_groups: for path in g: val_set.add(os.path.basename(path)) with open(val_imgs.txt, w) as f: for name in sorted(val_set): f.write(name \n)這段代碼的作用和理由是什么它把拍攝時序相近的圖像捆在一起驗證集不再和訓(xùn)練集共享同場景畫面評估結(jié)果更接近“新現(xiàn)場”的表現(xiàn)。seed固定為42保證每次運行劃分一致這是模型實驗可復(fù)現(xiàn)的前提。如果驗證集圖像數(shù)量偏少可以把val比例降到15%但不要低于10%否則指標波動太大小改動就看不出效果了。3.4 訓(xùn)練命令與三個最不該亂動的參數(shù)劃分完成后就可以跑第一個訓(xùn)練。以YOLOv8為例一條最直接的訓(xùn)練命令yolo detect train \ datadatasets/screen_detect/data.yaml \ modelyolov8s.pt \ imgsz640 \ batch16 \ epochs150 \ patience20 \ mosaic1.0 \ projectruns/screen_detect先解釋data.yaml它指向訓(xùn)練/驗證圖像目錄、類別名和類別數(shù)量YOLO框架會依據(jù)目錄自動尋找對應(yīng)labels下的txt文件。imgsz640是屏幕檢測任務(wù)里性價比最高的起手式屏幕區(qū)域通常是畫面中的中等目標640分辨率能保留邊框細節(jié)又不會讓顯存爆炸。batch16取決于顯卡顯存12GB顯存跑yolov8s batch16沒問題。mosaic1.0的增強方式會同時拼接4張圖訓(xùn)練對小目標檢測確實有好處但這個參數(shù)配合imgsz一起動時模型表現(xiàn)變化很難歸因——你改了分辨率又改了拼接強度指標掉了都不知道該怪誰。我的習(xí)慣是先把mosaic固定為0.5到1.0之間的經(jīng)驗值只調(diào)imgsz或只調(diào)batch保持單一變量。訓(xùn)練過程中真正值得盯的是驗證集mAP50曲線和loss曲線。工業(yè)屏幕檢測不要求指標突破天際mAP50能穩(wěn)定在0.95以上且驗證集和訓(xùn)練集差距小于3%就是一個可以接受的第一版模型。如果訓(xùn)練集mAP一路走高但驗證集徘徊不前先回頭查數(shù)據(jù)劃分多半是同一場景的畫面泄漏到了兩個集合里。4. 屏幕檢測避坑反光、畫面刷新與標注污染4.1 反光把屏幕框“藏”起來先查驗證集里有多少高光樣本現(xiàn)場拍照最直觀的坑就是反光。變電站控制柜表面通常是亮面金屬或玻璃指示燈、屏幕、柜體邊框混在一起陽光或LED燈直射時屏幕區(qū)域白茫茫一片紋理幾乎消失?，F(xiàn)象檢出的屏幕框不穩(wěn)定或者框到旁邊的高光柜面上。原因訓(xùn)練集里高光樣本占比低模型學(xué)到的屏幕特征偏向“有規(guī)則字符內(nèi)容的矩形區(qū)域”一旦屏幕內(nèi)容被反光吞掉特征就不存在了。解決先統(tǒng)計驗證集里高光樣本的比例低于30%就需要專門補充或做數(shù)據(jù)增強。訓(xùn)練時打開HSV增強的亮度抖動把亮度范圍L從默認值擴展讓模型見過“更亮”和“更暗”的屏幕。如果條件允許在現(xiàn)場調(diào)整相機偏振鏡或遮光罩直接物理消除反光這比任何模型手段都有效。4.2 同一個屏幕亮屏和黑屏標簽口徑卻不統(tǒng)一保護裝置的屏幕有兩種狀態(tài)很容易讓人標注時精神分裂亮屏?xí)r內(nèi)容清晰屏幕玻璃邊緣和顯示區(qū)域邊界明顯滅屏或待機時整個屏發(fā)黑標注員只能靠玻璃輪廓和邊框定位?，F(xiàn)象XML里同一塊屏幕有的框標的是顯示區(qū)域有的框標的是整個玻璃外沿兩種標簽混在一起訓(xùn)出來的模型在亮屏和滅屏切換時會出現(xiàn)框的大小跳變。原因標注規(guī)范沒有定義清楚“屏幕”的邊界。解決定一個硬性約定——屏幕檢測的目標是“屏幕組件的外接矩形框”以玻璃面板的物理邊界為準不跟隨顯示內(nèi)容縮放。這個規(guī)則從第一張圖就要定死中途改標注規(guī)則等于整個數(shù)據(jù)集作廢一半。如果這類數(shù)據(jù)集是別人標好的先抽樣看10張滅屏樣本的框位置確認口徑一致再進入訓(xùn)練。4.3 XML坐標越界且類別為空轉(zhuǎn)換時不能直接報錯退出標簽校驗時發(fā)現(xiàn)越界框和空類別處理方法不是讓轉(zhuǎn)換腳本報錯退出而是要建立一套明確的清洗規(guī)則。我見過最頭疼的情況是一個XML里只有filename和size節(jié)點object節(jié)點全部丟失對應(yīng)圖像是純背景圖。這種圖在訓(xùn)練中會被當(dāng)作負樣本如果數(shù)量很少影響有限但如果占了一成以上模型會變得過度保守屏幕上真有告警時反而檢不出來。現(xiàn)象YOLO訓(xùn)練時loss出現(xiàn)NaN或者驗證集精度歸零。原因轉(zhuǎn)換腳本遇到空標簽直接寫了空文件模型讀到空標簽后梯度爆炸。解決轉(zhuǎn)換腳本里對空標簽文件統(tǒng)一打標記訓(xùn)練配置里用超參數(shù)跳過空標簽圖像或者直接把這類圖像移到exclude目錄不讓它進訓(xùn)練目錄。清洗原則是寧可刪掉10個壞框也不要讓一個壞框污染訓(xùn)練集。壞框讓模型學(xué)到錯誤的位置先驗后面調(diào)再多的增強參數(shù)都補不回來。4.4 驗證集mAP高現(xiàn)場卻識別不到位姿和背景泛化問題這是屏幕檢測類項目最典型的翻車現(xiàn)場。訓(xùn)練時看著每張測試圖都框得完美m(xù)AP50刷到0.97拿到變電站現(xiàn)場一測同一個柜子隔了兩米遠或者換了個仰視角度模型就開始漏檢。現(xiàn)象現(xiàn)場識別率掉一半檢測框在屏幕上抖來抖去。原因700張工業(yè)圖像數(shù)據(jù)集的采集工況通常很單一可能是同一臺相機、固定機位、固定焦距拍出來的模型把“固定拍攝條件”當(dāng)成了特征。解決把現(xiàn)場部署當(dāng)作冷啟動第一周先采集現(xiàn)場視頻按每秒抽一幀的頻率抽幾百張圖用已訓(xùn)練好的模型做預(yù)標注人工確認后加入訓(xùn)練集。這一步的核心思路是數(shù)據(jù)集的價值不在于700張這個數(shù)字而在于它是否覆蓋了現(xiàn)場可能的位姿變化和光照變化。與其糾結(jié)訓(xùn)練參數(shù)不如盡快讓模型見到“真正的現(xiàn)場”。5. 從700張到能上線的最小閉環(huán)指標、增量與模型反哺數(shù)據(jù)5.1 先定驗收指標mAP之外還要盯漏報率屏幕檢測在工業(yè)現(xiàn)場的驗收邏輯和學(xué)術(shù)競賽不一樣。做保護屏巡檢輔助時漏掉一塊屏幕比多框一塊屏幕嚴重得多。漏檢意味著告警信息沒有被采集到直接關(guān)系到設(shè)備狀態(tài)判斷所以不能只看mAP。指標參考值說明正常光照漏檢率小于1%屏幕內(nèi)容清晰時不允許漏檢高反光/低亮度漏檢率小于5%惡劣光照下允許小幅下降單屏誤檢率小于1%把柜體、指示燈誤認為屏幕單幀推理耗時小于100ms640分辨率GPU或邊緣盒子這個表是參考值具體閾值要和現(xiàn)場的巡檢制度掛鉤。如果屏幕檢測模塊是巡檢機器人的前置環(huán)節(jié)后面還要接告警識別那漏檢率還要再壓一個量級。算法側(cè)滿足指標還不夠最終要看連續(xù)跑一周的現(xiàn)場視頻里的表現(xiàn)。我習(xí)慣在交付前留一天專門做“對抗測試”人為制造反光、遮擋、斜視、半屏亮度變化看模型哪個場景先崩當(dāng)天補數(shù)據(jù)當(dāng)天重訓(xùn)。5.2 把700張當(dāng)成母庫而不是訓(xùn)練倉庫做這類工業(yè)圖像數(shù)據(jù)集最容易犯的錯是把它當(dāng)作一次性的訓(xùn)練物料用完就丟。正確的做法是把它當(dāng)成母庫原始圖像和原始XML永遠不動另建工作庫和鏡像庫。工作庫存放清洗后用于訓(xùn)練的數(shù)據(jù)鏡像庫存放每次清洗動作前后的快照相當(dāng)于后悔藥——哪天發(fā)現(xiàn)某次清洗規(guī)則刪錯了樣本還能從鏡像庫恢復(fù)。增量流程固定為五步新圖像進母庫跑標簽合法性自檢人工抽檢標注質(zhì)量轉(zhuǎn)換為YOLO格式合并到工作庫后重訓(xùn)。這個過程看起來繁瑣但比每次拿到新數(shù)據(jù)就全員重標、反復(fù)調(diào)參要省時得多。迭代到第二個月時母庫里的圖像可能已經(jīng)超過3000張但訓(xùn)練工作庫只需要保持平衡的類別分布和場景覆蓋不必把所有數(shù)據(jù)都灌進訓(xùn)練。5.3 用模型反哺數(shù)據(jù)集主動抽取難樣本最后一個技巧是讓訓(xùn)練好的模型幫你找數(shù)據(jù)。用當(dāng)前模型在未標注的視頻幀上跑預(yù)測把置信度落在0.3到0.6之間的檢測框抽出來人工看這些框到底對不對。置信度很低說明模型很猶豫這些畫面往往是新增光照、新增角度、新增遮擋正是當(dāng)前訓(xùn)練集的短板。置信度很高且框準確的樣本可以自動加入訓(xùn)練集置信度高但框偏的樣本則說明存在相似干擾物需要人工確認后決定要不要標注成負樣本。我在早期做這類屏幕檢測項目時貪省事跳過清洗結(jié)果后續(xù)所有模型精度都上不去排查了兩天才發(fā)現(xiàn)是壞標簽在搗亂。后來凡是新數(shù)據(jù)集進入訓(xùn)練前都強制跑一遍標簽體檢這個習(xí)慣讓后續(xù)所有模型都穩(wěn)定了。拿到這套700張的VOC數(shù)據(jù)集順序應(yīng)該是解析統(tǒng)計、清洗校驗、分組劃分、轉(zhuǎn)換訓(xùn)練最后帶上現(xiàn)場數(shù)據(jù)做增量。希望幫到你。本文還有配套的精品資源點擊獲取