簡介這份成人與小孩圖像數(shù)據(jù)集面向計算機視覺入門與目標(biāo)檢測實踐者尤其適合正在做YOLO系列模型訓(xùn)練、需要二分類人物屬性識別素材的開發(fā)者與學(xué)習(xí)者。數(shù)據(jù)集共1738張原始圖片全部按yolov9格式完成標(biāo)注可直接接入YOLOv9訓(xùn)練流程省去自行標(biāo)注與格式轉(zhuǎn)換的時間成本。壓縮包內(nèi)共2000個文件以1738個txt標(biāo)注文件、261個jpg圖像文件及1個yaml配置文件為主yaml用于定義數(shù)據(jù)集路徑與類別信息txt與jpg一一對應(yīng)便于快速劃分訓(xùn)練集與驗證集。資源包整體約91.41MB體積適中下載與本地訓(xùn)練負擔(dān)較小。據(jù)描述該數(shù)據(jù)集在成人與小孩識別任務(wù)上的識別率約為70.9%可作為基線參考幫助讀者評估模型效果并針對性調(diào)參。目前已有167人學(xué)習(xí)下載適合想快速驗證YOLOv9訓(xùn)練流程、積累人物屬性識別經(jīng)驗的中初級用戶參考使用。1. 1738 張原始圖片、70.9% 識別率成人和小孩檢測數(shù)據(jù)集到底能不能直接上項目拿到一個標(biāo)注好的成人和小孩數(shù)據(jù)集1738 張原始圖片yolov9 格式標(biāo)注標(biāo)稱識別率 70.9%第一反應(yīng)通常不是興奮而是先算一筆賬這個量級夠不夠訓(xùn)一個能用的模型70.9% 是在什么條件下測出來的yolov9 格式的標(biāo)注能不能直接喂給 yolov8 或者別的檢測器。我見過太多人拿到數(shù)據(jù)集直接開訓(xùn)跑完發(fā)現(xiàn)驗證集 mAP 只有 0.4 出頭回頭查才發(fā)現(xiàn)標(biāo)注框大量漏標(biāo)、類別定義混亂、訓(xùn)練集和驗證集里同一個人出現(xiàn)在兩邊。成人和小孩的檢測本身不算難難的是小孩這個類別——身高矮、遮擋多、姿態(tài)變化大、經(jīng)常被大人抱著或者只露出半個身子這些都會把識別率往下拽。這篇文章不講空泛的數(shù)據(jù)集介紹而是把 1738 張 yolov9 格式標(biāo)注的成人和小孩數(shù)據(jù)集從檢查、清洗、轉(zhuǎn)換到訓(xùn)練、調(diào)參、評估的完整路徑拆開告訴你 70.9% 這個數(shù)字背后可能是什么以及怎么把它往上推。適合手里已經(jīng)拿到類似數(shù)據(jù)集、準(zhǔn)備做家庭場景監(jiān)控、兒童看護輔助、公共場所人流分析這類應(yīng)用的工程師也適合剛接觸目標(biāo)檢測、想拿一個真實數(shù)據(jù)集練手的新手。2. 先搞清楚 1738 張圖片和 yolov9 標(biāo)注到底給了你什么2.1 成人和小孩兩類目標(biāo)的標(biāo)注特點成人和小孩在檢測任務(wù)里通常被定義為兩個類別但這兩個類別的視覺邊界并不像貓和狗那么清晰。一個 16 歲的少年算成人還是小孩一個蹲著的大人會不會被標(biāo)成小孩這些在標(biāo)注階段如果沒有明確的規(guī)則就會變成模型訓(xùn)練時的噪聲。1738 張圖片里如果小孩樣本只占 20% 到 30%那實際可用于學(xué)習(xí)小孩特征的正樣本可能只有三四百張這對一個需要區(qū)分姿態(tài)和比例的類別來說偏少。常見做法是先把標(biāo)注文件全部解析一遍統(tǒng)計每個類別的實例數(shù)量和每張圖的平均目標(biāo)數(shù)心里先有個底。yolov9 格式的標(biāo)注本質(zhì)上是每張圖片對應(yīng)一個 txt 文件每行五個值類別索引、歸一化中心點 x、歸一化中心點 y、歸一化寬度、歸一化高度。這個格式和 yolov5、yolov8 是兼容的所以拿到 yolov9 標(biāo)注不等于只能訓(xùn) yolov9你可以直接用來訓(xùn) yolov8甚至轉(zhuǎn)成 COCO 格式給別的框架用。但要注意類別索引的映射關(guān)系有些數(shù)據(jù)集把 adult 設(shè)為 0、child 設(shè)為 1有些反過來如果配置文件里的 names 順序和標(biāo)注文件不一致訓(xùn)練出來的模型會把兩個類別完全搞反。2.2 用腳本統(tǒng)計類別分布和標(biāo)注質(zhì)量在訓(xùn)練之前我一般會寫一個檢查腳本把標(biāo)注文件全部讀一遍輸出類別分布、每類目標(biāo)數(shù)、寬高比分布以及有沒有越界框或者零面積框。下面這段代碼可以直接跑只需要把路徑換成你自己的。import os import glob from collections import Counter # 標(biāo)注文件夾路徑假設(shè)圖片和 txt 在同一目錄下按同名對應(yīng) label_dir ./labels image_dir ./images class_names {0: adult, 1: child} # 根據(jù)你的 data.yaml 修改 counter Counter() bad_boxes [] zero_area [] aspect_ratios [] for txt_path in glob.glob(os.path.join(label_dir, *.txt)): with open(txt_path, r) as f: lines f.readlines() for line in lines: parts line.strip().split() if len(parts) ! 5: bad_boxes.append((txt_path, line.strip())) continue cls_id int(parts[0]) x, y, w, h map(float, parts[1:]) counter[class_names.get(cls_id, funknown_{cls_id})] 1 if w 0 or h 0: zero_area.append((txt_path, line.strip())) if x - w/2 0 or x w/2 1 or y - h/2 0 or y h/2 1: bad_boxes.append((txt_path, line.strip())) if h 0: aspect_ratios.append(w / h) print(類別分布:, dict(counter)) print(異?？驍?shù)量:, len(bad_boxes)) print(零面積框數(shù)量:, len(zero_area)) print(寬高比范圍: {:.2f} ~ {:.2f}.format(min(aspect_ratios), max(aspect_ratios)))這段腳本做了四件事統(tǒng)計每個類別的實例總數(shù)、找出格式不對的行、找出寬高為零的框、找出超出圖像邊界的框。類別分布能告訴你小孩樣本是不是太少異?？驍?shù)量能告訴你標(biāo)注質(zhì)量的下限。如果異?？虺^總框數(shù)的 2%建議先清洗再訓(xùn)練否則模型會學(xué)到一些莫名其妙的定位模式。寬高比范圍可以幫你判斷先驗框anchor需不需要重新聚類如果大部分框的寬高比集中在 0.3 到 0.6 之間而默認 anchor 覆蓋的是 0.5 到 2.0那檢測效果會明顯打折。2.3 劃分訓(xùn)練集和驗證集時最容易忽略的坑1738 張圖片如果隨機劃分很容易出現(xiàn)同一個人同時出現(xiàn)在訓(xùn)練集和驗證集的情況尤其是從視頻里抽幀得到的數(shù)據(jù)集。這種泄漏會讓驗證集指標(biāo)虛高你以為模型學(xué)到了特征其實它只是記住了那個人。我一般會按場景或者按視頻來源劃分同一段視頻的幀只放在一個集合里。如果數(shù)據(jù)集沒有提供來源信息至少要用圖片哈?；蛘吒兄Ｗ鲆淮稳ブ匕呀浦貜?fù)的圖片歸到同一側(cè)。import hashlib from PIL import Image import imagehash def file_hash(path): return hashlib.md5(open(path, rb).read()).hexdigest() def phash(path): return str(imagehash.phash(Image.open(path))) # 先按精確哈希去重再用感知哈希找近似重復(fù) hashes {} for img in glob.glob(os.path.join(image_dir, *.jpg)): h phash(img) hashes.setdefault(h, []).append(img) duplicates {k: v for k, v in hashes.items() if len(v) 1} print(近似重復(fù)組數(shù):, len(duplicates))感知哈希能把視覺上幾乎一樣的圖片歸到一組比如同一個人連續(xù)幾幀的截圖。把這些組整體分到訓(xùn)練集或者驗證集才能得到真實的泛化指標(biāo)。這一步做完你可能會發(fā)現(xiàn) 1738 張里實際獨立場景只有一千出頭那 70.9% 的識別率是在什么劃分下測出來的就值得追問了。3. 把 yolov9 標(biāo)注轉(zhuǎn)成可訓(xùn)練配置并跑通第一輪3.1 data.yaml 的寫法和類別順序?qū)Ryolov9 官方倉庫的訓(xùn)練配置和 yolov5、yolov8 基本一致核心是一個 data.yaml 文件里面指定訓(xùn)練、驗證、測試圖片的路徑類別數(shù)量以及類別名稱列表。類別名稱的順序必須和標(biāo)注文件里的類別索引嚴格對應(yīng)否則訓(xùn)練出來的模型會把 adult 和 child 完全顛倒。# data.yaml train: ./images/train val: ./images/val test: ./images/test nc: 2 names: 0: adult 1: child這里 nc 是類別數(shù)names 下面的數(shù)字是索引。如果你在 2.2 節(jié)的統(tǒng)計腳本里發(fā)現(xiàn) unknown 類別說明標(biāo)注文件里出現(xiàn)了 0 和 1 以外的索引需要先修正。常見情況是有些標(biāo)注工具默認從 1 開始編號或者把背景類也寫進去了。修正方法很簡單把超出范圍的索引統(tǒng)一映射到正確的類別或者直接刪除這些行。3.2 用 yolov9 訓(xùn)練的最小命令和關(guān)鍵參數(shù)假設(shè)你已經(jīng)把圖片和標(biāo)注按 train、val、test 分好目錄結(jié)構(gòu)是 images/train、labels/train 這樣對應(yīng)。yolov9 的訓(xùn)練入口通常是 train.py 或者通過 ultralytics 風(fēng)格的接口調(diào)用。下面給出一個最小可跑的命令行示例。python train.py \ --data data.yaml \ --weights yolov9-c.pt \ --img 640 \ --batch 16 \ --epochs 100 \ --device 0 \ --workers 4 \ --name adult_child_exp1參數(shù)逐個說--img 640 是輸入分辨率1738 張圖片如果原圖分辨率很高可以先縮到 640 訓(xùn)練速度快且對小目標(biāo)檢測夠用--batch 16 在單卡 8G 顯存下比較穩(wěn)如果顯存不夠降到 8--epochs 100 對一千多張圖片來說通常夠收斂但要注意觀察驗證集指標(biāo)有沒有過擬合--workers 4 是數(shù)據(jù)加載線程數(shù)根據(jù) CPU 核心數(shù)調(diào)整。第一次跑建議先用小分辨率和小 epoch 驗證流程通不通比如 --img 320 --epochs 10確認沒有報錯再上完整訓(xùn)練。如果用的是 ultralytics 風(fēng)格的接口命令會更簡潔yolo detect train datadata.yaml modelyolov9c.pt epochs100 imgsz640 batch16兩種方式本質(zhì)一樣選你環(huán)境里已經(jīng)裝好的那個。訓(xùn)練開始后重點看三個輸出box_loss、cls_loss 和驗證集的 mAP50。如果 box_loss 下降但 cls_loss 不降說明定位在學(xué)但分類分不開可能是小孩和成人的特征太接近需要檢查標(biāo)注里有沒有把大人標(biāo)成小孩的情況。3.3 第一輪訓(xùn)練后怎么讀指標(biāo)訓(xùn)練結(jié)束后會在 runs 目錄下生成結(jié)果重點看 confusion_matrix.png 和 results.csv?；煜仃嚹苤苯痈嬖V你 adult 和 child 之間有沒有大量互錯。如果 child 被大量預(yù)測成 adult而 adult 的召回很高說明模型傾向于把矮個子也當(dāng)成大人這時候要么增加小孩樣本要么在損失函數(shù)里給 child 類別更高的權(quán)重。70.9% 這個識別率如果指的是 mAP50那在兩類目標(biāo)檢測里屬于中等偏下還有不少提升空間。如果指的是準(zhǔn)確率accuracy那定義就不太一樣了目標(biāo)檢測里很少用單純的 accuracy更常見的是 mAP50 或者 mAP50-95。拿到數(shù)據(jù)集時最好先確認這個 70.9% 的評估協(xié)議是什么是在多少張圖上測的閾值取了多少否則這個數(shù)字沒法直接比較。4. 把 70.9% 往上推數(shù)據(jù)增強、類別平衡和推理調(diào)參4.1 針對小孩樣本的增強策略小孩樣本少、姿態(tài)多、遮擋嚴重通用的隨機翻轉(zhuǎn)和縮放不夠用。我一般會針對 child 類別做幾件事第一用 mosaic 增強把四張圖拼成一張增加小孩出現(xiàn)在不同上下文里的概率第二用 copy-paste 增強把小孩實例復(fù)制到其他背景上但要注意粘貼的位置要合理不能把小孩貼到天花板上第三調(diào)整尺度增強的范圍讓模型多看到小尺寸的小孩。yolov9 的增強參數(shù)通常在 hyp 文件里配置關(guān)鍵幾個是 mosaic、mixup、copy_paste、scale。下面是一個針對小目標(biāo)偏多的配置片段。# hyp_adult_child.yaml mosaic: 1.0 mixup: 0.1 copy_paste: 0.3 scale: 0.6 degrees: 5.0 translate: 0.1 fliplr: 0.5 flipud: 0.0 hsv_h: 0.015 hsv_s: 0.7 hsv_v: 0.4mosaic 設(shè)為 1.0 表示每張圖都做拼接mixup 0.1 是輕微混合copy_paste 0.3 表示 30% 的概率做實例復(fù)制粘貼。scale 0.6 表示隨機縮放范圍是 0.4 到 1.6 倍比默認的 0.5 更寬能讓模型看到更多尺寸變化。degrees 5.0 是輕微旋轉(zhuǎn)小孩的姿態(tài)變化通常不需要大角度旋轉(zhuǎn)太大的旋轉(zhuǎn)反而會引入不自然的樣本。flipud 設(shè)為 0 是因為上下翻轉(zhuǎn)在真實場景里很少出現(xiàn)開了反而增加噪聲。4.2 類別不平衡的損失加權(quán)如果統(tǒng)計發(fā)現(xiàn) child 實例只有 adult 的三分之一可以在損失函數(shù)里給 child 更高的分類權(quán)重。yolov9 默認的分類損失是 BCE可以通過修改數(shù)據(jù)集配置或者訓(xùn)練腳本里的類別權(quán)重參數(shù)來實現(xiàn)。一種簡單做法是在 data.yaml 里加一行 class_weights但不同版本的 yolov9 支持程度不一樣更穩(wěn)妥的方式是在訓(xùn)練腳本里手動調(diào)整。# 在損失計算前給不同類別賦權(quán)重 class_weights torch.tensor([1.0, 2.5]).to(device) # adult 權(quán)重 1.0child 權(quán)重 2.5 # 在 BCE 損失里傳入 weight 參數(shù) criterion nn.BCEWithLogitsLoss(pos_weightclass_weights)這里的 pos_weight 是正樣本權(quán)重child 設(shè)為 2.5 意味著模型對 child 的分類錯誤懲罰更重。這個值不要設(shè)太大超過 5 容易導(dǎo)致訓(xùn)練不穩(wěn)定出現(xiàn)大量誤檢?？梢韵葟?2.0 開始試觀察驗證集上 child 的召回有沒有提升同時看 adult 的精度有沒有明顯下降。4.3 推理階段的置信度和 NMS 調(diào)參訓(xùn)練完模型推理時的置信度閾值和 NMS 的 IoU 閾值對最終識別率影響很大。默認 conf 0.25、iou 0.45 在成人和小孩檢測里不一定最優(yōu)。如果小孩漏檢多可以把 conf 降到 0.15 到 0.2讓更多候選框進入 NMS如果誤檢多就提高 conf。NMS 的 iou 閾值如果設(shè)得太低兩個挨著的人會被合并成一個框尤其是大人抱著小孩的場景iou 設(shè)到 0.5 到 0.6 更合適。yolo detect predict modelruns/train/adult_child_exp1/weights/best.pt \ source./test_images \ conf0.2 \ iou0.55 \ saveTrue這段命令用訓(xùn)練好的 best.pt 對測試圖片做推理conf 0.2 比默認低iou 0.55 比默認高。跑完之后人工看一批結(jié)果重點看小孩被漏檢的情況和大人小孩挨在一起時框有沒有合并。如果發(fā)現(xiàn)某個場景下識別率明顯低比如夜間或者逆光那說明數(shù)據(jù)集里這類樣本太少需要針對性補充。5. 避坑成人和小孩檢測里最容易翻車的五個地方5.1 標(biāo)注里把青少年標(biāo)成小孩導(dǎo)致類別邊界模糊現(xiàn)象是模型在驗證集上 adult 和 child 的混淆矩陣里互錯比例很高尤其是身高在 1.4 到 1.6 米之間的目標(biāo)。原因是標(biāo)注階段沒有明確的年齡或身高規(guī)則不同標(biāo)注員對小孩的定義不一致。解決方法是回看標(biāo)注規(guī)范如果數(shù)據(jù)集沒有提供就自己定一個可操作的規(guī)則比如以頭部占全身比例或者以參考物高度來判斷然后重新檢查邊界樣本。如果無法重新標(biāo)注至少在訓(xùn)練時把這類模糊樣本的損失權(quán)重降低。5.2 從視頻抽幀導(dǎo)致訓(xùn)練集和驗證集泄漏現(xiàn)象是驗證集 mAP 很高但拿真實新視頻一測就崩。原因是同一段視頻的相鄰幀被隨機分到了訓(xùn)練集和驗證集模型記住了背景和人物外觀。解決方法是用 2.3 節(jié)的感知哈希做去重按視頻來源劃分數(shù)據(jù)集。如果數(shù)據(jù)集已經(jīng)混在一起至少把驗證集里的圖片在訓(xùn)練集里做一次近似搜索把重復(fù)的刪掉。5.3 圖片分辨率不一致導(dǎo)致訓(xùn)練時大量黑邊現(xiàn)象是訓(xùn)練時 loss 震蕩驗證集指標(biāo)上不去。原因是 1738 張圖片里分辨率差異很大有的 1920x1080有的 640x480直接 resize 到 640x640 會引入大量黑邊或者拉伸變形。解決方法是先統(tǒng)計圖片尺寸分布如果長寬比差異大用 letterbox 填充而不是直接拉伸。yolov9 默認會做 letterbox但如果你自己預(yù)處理過圖片要確認沒有破壞這個機制。5.4 小孩被遮擋時標(biāo)注框只標(biāo)了可見部分現(xiàn)象是模型對遮擋小孩的召回很低經(jīng)常漏檢。原因是標(biāo)注時只標(biāo)了可見的身體部分導(dǎo)致模型學(xué)到的 child 特征偏向于完整身體。解決方法是檢查標(biāo)注規(guī)范遮擋超過 50% 的目標(biāo)是否應(yīng)該標(biāo)、怎么標(biāo)。如果數(shù)據(jù)集里大量遮擋樣本只標(biāo)了局部可以在訓(xùn)練時用 cutout 或者 random erasing 增強讓模型適應(yīng)不完整目標(biāo)。5.5 70.9% 的評估協(xié)議不明確導(dǎo)致優(yōu)化方向錯誤現(xiàn)象是花了很多時間調(diào)參指標(biāo)提升不明顯。原因是不知道 70.9% 是在什么條件下測的可能是在訓(xùn)練集上測的也可能是 mAP50 但 IoU 閾值設(shè)得很低。解決方法是自己重新跑一遍基線評估固定驗證集、固定 conf 和 iou得到自己的基線數(shù)字然后所有優(yōu)化都跟這個基線比。不要拿別人的 70.9% 當(dāng)目標(biāo)要拿你自己的基線當(dāng)目標(biāo)。6. 用混淆矩陣和誤檢樣本反推數(shù)據(jù)集該怎么補訓(xùn)練完一輪之后最有價值的不是 mAP 數(shù)字而是混淆矩陣和誤檢樣本的可視化。我一般會把驗證集里所有 child 被預(yù)測成 adult 的圖片挑出來按置信度從高到低排看前 20 張。如果這些圖片里小孩的身高確實接近成人那說明類別定義本身有問題補數(shù)據(jù)也沒用得改標(biāo)注規(guī)則。如果這些圖片里小孩明顯矮小但被誤判那說明模型對尺度不敏感需要增加小目標(biāo)增強或者調(diào)整 anchor。另一個技巧是把誤檢樣本按場景分組比如室內(nèi)、室外、白天、夜間、單人、多人。如果某個場景下誤檢率明顯高就針對這個場景補 50 到 100 張圖重新標(biāo)注后加入訓(xùn)練集。1738 張的基數(shù)下補 100 張針對性樣本通常能帶來 2 到 5 個點的 mAP 提升比盲目加數(shù)據(jù)有效得多。# 按場景分組統(tǒng)計誤檢率 import pandas as pd # 假設(shè)你有一個 csv 記錄了每張圖的場景標(biāo)簽和預(yù)測結(jié)果 df pd.read_csv(val_results.csv) grouped df.groupby(scene).agg( total(image_id, count), false_positive(is_fp, sum), false_negative(is_fn, sum) ) grouped[fp_rate] grouped[false_positive] / grouped[total] grouped[fn_rate] grouped[false_negative] / grouped[total] print(grouped.sort_values(fn_rate, ascendingFalse))這段代碼按場景統(tǒng)計誤檢率和漏檢率輸出排序后你能直接看到哪個場景最差。優(yōu)先補漏檢率高的場景因為漏檢通常比誤檢更影響實際使用。補數(shù)據(jù)的時候注意新樣本的標(biāo)注質(zhì)量和原有數(shù)據(jù)集保持一致否則引入新的噪聲反而會拉低指標(biāo)。最后說一個我自己的習(xí)慣每次拿到新數(shù)據(jù)集先花半天做統(tǒng)計和可視化不要急著開訓(xùn)。這半天能幫你避開后面幾天的無效調(diào)參。成人和小孩檢測這個方向數(shù)據(jù)質(zhì)量比模型結(jié)構(gòu)重要得多1738 張如果標(biāo)注干凈、類別平衡70.9% 只是起點如果標(biāo)注混亂再大的模型也救不回來。希望幫到你。本文還有配套的精品資源點擊獲取