1. 目标检测技术概览与选型思考在计算机视觉领域目标检测一直是最具挑战性的任务之一。与简单的图像分类不同目标检测需要同时完成对象的定位在哪里和识别是什么两大任务。这就像在一场拥挤的聚会中不仅要认出你的朋友还要准确指出他们所在的位置。当前主流的目标检测算法主要分为两大流派单阶段检测器One-Stage代表模型YOLO系列、SSD特点将检测任务视为回归问题直接预测边界框和类别优势速度快适合实时应用典型应用视频监控、自动驾驶感知两阶段检测器Two-Stage代表模型Faster R-CNN系列特点首先生成候选区域再对候选区域分类和回归优势准确率高适合对精度要求严格的场景典型应用医学影像分析、卫星图像解译为什么选择YOLOv5和SSD作为入门模型这要从三个维度考量学习曲线YOLOv5的PyTorch实现非常友好SSD的架构相对简单直观两者都有丰富的社区资源硬件需求相比两阶段检测器它们对GPU显存要求更低最低4GB显存即可跑起来实用价值覆盖了80%的工业应用场景如智能零售的货架分析、工厂的质量检测等提示新手常见误区是盲目追求最新模型。实际上YOLOv5在2023年仍是工业界部署量最大的版本因其在精度和速度间取得了最佳平衡。2. 环境搭建与数据准备实战2.1 开发环境配置推荐使用conda创建隔离的Python环境3.8版本最佳以下是完整的安装流程conda create -n objdet python3.8 -y conda activate objdet pip install torch1.12.1cu113 torchvision0.13.1cu113 --extra-index-url https://download.pytorch.org/whl/cu113对于SSD实现我们选择mmdetection框架pip install openmim mim install mmengine mmcv mmdetYOLOv5的安装更为简单git clone https://github.com/ultralytics/yolov5 cd yolov5 pip install -r requirements.txt避坑指南CUDA版本不匹配是90%安装失败的根源。使用nvidia-smi查看驱动支持的CUDA版本再选择对应的PyTorch版本。2.2 数据集构建技巧以自制车牌检测数据集为例标准的流程应该是数据采集使用OpenCV录制视频片段cv2.VideoCapture(0)建议每个目标至少从5个不同角度拍摄光照条件要覆盖实际应用场景如夜间需补光标注工具选型LabelImg适合小规模数据界面友好CVAT支持团队协作Web端标注格式建议YOLOv5用txtSSD用VOC XML数据增强策略# YOLOv5内置的增强配置示例data/hyps/hyp.scratch-low.yaml hsv_h: 0.015 # 色调增强幅度 hsv_s: 0.7 # 饱和度增强范围 hsv_v: 0.4 # 明度增强范围 translate: 0.1 # 平移比例对于小样本场景1000张建议开启Mosaic增强mosaic: 1.0 # 100%概率使用马赛克增强 mixup: 0.1 # 10%概率使用Mixup3. YOLOv5模型训练全解析3.1 模型架构深度解读YOLOv5的核心创新在于其灵活的neck设计。以YOLOv5s为例BackboneCSPDarknet53跨阶段局部网络使用C3模块减少计算量采用SiLU激活函数Swish改进版NeckPANetSPPF特征金字塔结构实现多尺度融合SPPF模块将任意尺寸特征图转换为固定长度向量Head解耦头设计分类和回归任务分离使用CIoU Loss解决边界框回归问题3.2 训练参数调优实战关键参数配置示例命令行方式python train.py \ --data coco128.yaml \ --cfg yolov5s.yaml \ --batch-size 64 \ --epochs 300 \ --img-size 640 \ --hyp hyp.scratch-high.yaml \ --weights yolov5s.pt重点参数解析参数推荐值作用说明--batch-size8-64根据GPU显存调整保持总batch≥64--img-size640输入分辨率越大精度越高但速度越慢--hypscratch-high数据增强强度配置--adamFalse小数据集可用Adam大数据集用SGD训练过程监控技巧from torch.utils.tensorboard import SummaryWriter writer SummaryWriter() for epoch in range(epochs): writer.add_scalar(Loss/train, train_loss, epoch) writer.add_scalar(mAP0.5, val_map, epoch)4. SSD模型实现与优化4.1 模型架构关键点SSD的核心在于多尺度特征图检测基础网络VGG16可替换为MobileNet等去除全连接层改为全卷积conv4_3层开始输出检测结果先验框设计每个特征图单元预设4-6个不同比例的anchor尺度计算公式$s_k s_{min} \frac{s_{max}-s_{min}}{m-1}(k-1)$损失函数分类损失Softmax Loss → 新版使用Focal Loss定位损失Smooth L1 Loss4.2 训练技巧分享使用mmdetection配置SSD的典型流程配置文件修改关键项model dict( bbox_headdict( num_classes80, anchor_generatordict( scales[8, 16, 32], # 调整先验框尺度 ratios[0.5, 1.0, 2.0]))学习率策略设置optimizer dict(typeSGD, lr0.002, momentum0.9) lr_config dict( policystep, warmuplinear, warmup_iters500, step[8, 11])关键训练命令mim train mmdet ./configs/ssd/ssd300_coco.py \ --work-dir ./work_dirs \ --gpus 1 \ --seed 425. 模型部署与性能优化5.1 模型转换实战YOLOv5到ONNX的转换示例from models.experimental import attempt_load model attempt_load(yolov5s.pt) model.eval() torch.onnx.export( model, torch.zeros(1, 3, 640, 640), yolov5s.onnx, opset_version12, input_names[images], output_names[output])常见转换问题排查输出节点名不匹配 → 检查--output_names动态维度支持 → 添加dynamic_axes参数算子不支持 → 降低opset版本5.2 推理加速技巧TensorRT优化关键步骤trtexec --onnxyolov5s.onnx \ --saveEngineyolov5s.engine \ --fp16 \ --workspace4096 \ --builderOptimizationLevel3性能对比测试RTX 3060框架分辨率FPS显存占用PyTorch640x640451.8GBONNX Runtime640x640681.2GBTensorRT640x6401200.9GB6. 实战案例车辆检测系统6.1 数据准备特殊处理针对车辆检测的特殊需求长宽比处理车辆通常为矩形# yolov5/data/hyps/hyp.vehicle.yaml hsv_h: 0.01 degrees: 10 # 旋转角度减小 perspective: 0.0005 # 透视变换减弱困难样本挖掘# mmdetection中添加RandomSampler train_dataloaderdict( samplerdict( typeRandomSampler, num_samples1000))6.2 模型融合策略集成YOLOv5和SSD输出的方法def ensemble(boxes1, boxes2, weights[0.6, 0.4]): # boxes1: YOLOv5输出 [x1,y1,x2,y2,conf,cls] # boxes2: SSD输出 [x1,y1,x2,y2,conf,cls] all_boxes torch.cat([boxes1*weights[0], boxes2*weights[1]]) return nms(all_boxes, iou_threshold0.5)实测效果对比UA-DETRAC数据集模型mAP0.5推理速度YOLOv5s78.2%8.2msSSD30072.5%6.5ms融合模型81.7%12.3ms在实际部署中发现雨天场景下SSD对模糊目标的检测更稳定而YOLOv5对小目标检测效果更好。这种互补性使得融合模型在实际工程中表现优异。