企业官网建设流程全解析

简介：面向夜间监控与低光行人检测需求，这套资源包含5000张真实场景夜间行人高质量图片，涉及夜间街景行人、道路行人、遮挡行人及严重遮挡行人等丰富场景，并采用LabelImg逐张标注，标注质量可靠，统一提供VOC(xml)、COCO(json)、YOLO(txt)三种格式，可直接接入YOLO等主流检测算法训练。同时附赠YOLO11一键训练脚本，覆盖GPU、CPU、Mac(M芯片)三平台，有效降低环境配置门槛，并提供博主训练结果日志作对照参考。实际交付为单个PDF文档，约6.07MB，内含数据集缩略图、标注截图、训练示例及完整数据集的获取方式，适用于公共场所监控夜间行人检测、智慧交通等落地场景，也可作为通用行人检测数据集的夜间场景补充。目前已有611人学习，适合目标检测初学者、算法工程师及监控项目开发者从数据准备到模型训练快速上手。

1. 夜间行人目标检测：5000张图、三种格式标签与三平台训练这件事

夜间行人检测是目标检测落地时最容易被“白天模型”坑的场景：路灯下的低照度、远处的小目标、车辆大灯造成的过曝，随便一条都能让白天训练出来的权重在夜间应用时精度断崖。原因不是模型不行，而是训练数据里根本没有足够的夜间样本。这篇笔记要讲的这套方案，本质上是一个“数据+训练闭环”：5000张夜间行人图像，配套VOC/COCO/YOLO三种格式的标签，加上一个能自动识别GPU/CPU/Mac平台并拉起YOLO11训练的脚本。适合手里有夜间场景需求、正在头痛数据标注和格式转换、又不想在环境配置上耗两天的工程师。

2. 夜间行人数据集的构成与三种标注格式的取舍

2.1 5000张夜间行人图为什么是“够用”的起点

夜间行人检测的首要问题不是模型，是数据分布。白天数据集里的行人通常是清晰、全身、光照均匀的占比大；夜间恰恰相反，低照度导致纹理细节丢失，远处的行人可能只有十几个像素，再加上雨雾、树影、灯光的干扰，行人会以半身、遮挡、背光等形态出现。如果直接拿公开日间数据集（比如COCO的person类）来训练，模型学到的是“有清晰轮廓的两足目标”，到夜间部署时检出率会低到让人不敢上线。

5000张是什么概念？按训练集4000、验证集500、测试集500的划分（8:1:1），对一个单类别行人检测来说，配合YOLO11预训练权重做迁移学习，基本能覆盖夜间主要场景。但如果是从零训练（不加载预训练权重），5000张只够让模型记住训练集，泛化能力完全不够。所以后续脚本里默认开了pretrained=True，这是这套方案能“少图出活”的关键前提。

选择夜间行人图的时候，别只看数量，要看场景分布是否覆盖：城市主干道的人行横道、无路灯的小巷、地下通道、雨雪天气、逆光（行人背对车灯）、远距离小目标（图像中行人高度小于32像素）。如果5000张里全是“路灯下的正面行人”，那模型学完也只能处理路灯下的正面行人。这是数据采集阶段最容易被忽略、后面训练最难补的缺口。

另外，5000张看起来不少，但夜间场景退化严重，有效信息密度比白天低，实际训练时建议打开数据增强。YOLO11默认的Mosaic、MixUp、HSV扰动对夜间图尤其有用——HSV扰动可以模拟不同色温的路灯，Mosaic能把多个夜间场景拼在一张图里，相当于免费扩充了小目标样本数量。夜间行人的标注质量直接影响训练上限，如果标注框偏大或偏小超过15%，后期几乎只能靠重新标注修正。

2.2 VOC、COCO、YOLO三种格式到底差在哪

同一批标注，为什么要弄三种格式？因为不同的工具链吃不同的格式：老牌语义分割和检测复现常以VOC为基础，目标检测论文和评测广泛用COCO的JSON，而YOLO系脚本默认要的是每张图对应一个TXT文本。很多工程师拿到标注数据后第一个翻车点不是标注本身，而是格式不匹配导致训练脚本报错。

三种格式的核心差异在于坐标表示方式：

VOC格式的XML是树状的，除了bndbox还有object name、difficult、truncated等标签；COCO的JSON按images、annotations、categories三个数组组织，annotation里除了bbox还有area、iscrowd、segmentation等字段；YOLO格式最简单，每行一个目标，依次是class_id、x_center、y_center、w、h。

这里有一个很容易踩的细节：VOC的坐标是绝对的像素值，COCO的bbox的x、y也是绝对像素，但YOLO必须除以图像宽高做归一化。如果直接拿VOC的xmin、ymin、xmax、ymax除以图像尺寸，得到的是左上右下归一化坐标，这不是YOLO要的格式——YOLO要的是中心点归一化坐标。转换时绕一步：先用(xmin+xmax)/2得到中心点x，再除以图像宽度。

另一个隐蔽差异是类别ID的约定。VOC里每个类别有字符串名字（比如“person”），COCO和YOLO都用整数ID。转换时如果不维护一张类别名到ID的映射表（比如person: 0、cyclist: 1），到训练阶段会出现“class_id 0 是什么”的困惑，尤其当你把COCO预训练权重拿来做迁移学习时，类别ID和预训练类别ID对不上，模型头部的输出维度就会出错。

2.3 标注工具的选择与数据划分

常见做法是先用LabelImg打VOC格式的标，因为它操作直观、可以导出XML，然后再写脚本转成COCO和YOLO。LabelImg打标完成后会生成XML目录，图像目录和XML目录一一对应，文件名相同，这个约定后面转换脚本要用。打标的时候建议给“难以辨认的行人”也标注上，但可以在VOC的difficult字段标记，转换时可以决定是否保留这类样本——训练时去掉过高难度的样本反而有助于稳定收敛。

数据划分不要在转换之后再做，而应该在原始图像阶段就划分好。先shuffle再按8:1:1切分train/val/test，然后把三种格式的标签都按这个划分生成。如果先转换再划分，容易在脚本里漏掉某一个格式的划分逻辑，后面训练时发现val集和测试集有重叠，模型性能虚高。

划分时注意设置随机种子，确保每次复现结果一致。图片名不要用中文和空格，YOLO训练脚本在读取路径时对中文路径的兼容性一直不太好，这是很多人训练到一半才发现数据集加载为0的原因。划分完以后，检查一下三张子集里的场景分布：如果全部夜间图里雨雾天占30%，别让测试集里一张雨雾天都没有，否则报告出来的mAP会给人错误的乐观感。

3. VOC转YOLO与COCO：转换脚本与四个边界坑

3.1 从VOC标注到YOLO的TXT文件：一张图一个文件的脚本

假设目录结构是images/（图片）、labels_voc/（XML）、labels_yolo/（待生成TXT）。写一个Python脚本完成转换。

import os import xml.etree.ElementTree as ET # 类别名 -> ID 映射，顺序要和训练用的data.yaml一致 CLASS_MAP = {"person": 0, "cyclist": 1} def voc_to_yolo(xml_path, img_w, img_h, txt_path): """ 单个XML转YOLO TXT。 img_w和img_h必须来自该XML对应图片的真实尺寸，不能用过路值。 """ tree = ET.parse(xml_path) root = tree.getroot() lines = [] for obj in root.iter("object"): name = obj.findtext("name") if name not in CLASS_MAP: continue # 不在类别表里的目标直接跳过，避免训练报错 xmlbox = obj.find("bndbox") xmin = float(xmlbox.findtext("xmin")) ymin = float(xmlbox.findtext("ymin")) xmax = float(xmlbox.findtext("xmax")) ymax = float(xmlbox.findtext("ymax")) # 边界裁切：标注可能略微超出图像范围 xmin = max(0, min(xmin, img_w - 1)) xmax = max(0, min(xmax, img_w - 1)) ymin = max(0, min(ymin, img_h - 1)) ymax = max(0, min(ymax, img_h - 1)) if xmax <= xmin or ymax <= ymin: continue # 裁切后无效框直接丢弃 # YOLO格式：归一化的中心点 + 宽高 x_center = (xmin + xmax) / 2.0 / img_w y_center = (ymin + ymax) / 2.0 / img_h w = (xmax - xmin) / img_w h = (ymax - ymin) / img_h lines.append(f"{CLASS_MAP[name]} {x_center:.6f} {y_center:.6f} {w:.6f} {h:.6f}") with open(txt_path, "w", encoding="utf-8") as f: f.write("\n".join(lines)) # 遍历XML目录，为每张图生成同名TXT xml_dir = "labels_voc" txt_dir = "labels_yolo" os.makedirs(txt_dir, exist_ok=True) for xml_file in os.listdir(xml_dir): if not xml_file.endswith(".xml"): continue xml_path = os.path.join(xml_dir, xml_file) # 从同名图片读取宽高，不要信任XML里的size节点（常见于截图/缩放后不一致） img_path = os.path.join("images", xml_file.replace(".xml", ".jpg")) from PIL import Image with Image.open(img_path) as im: img_w, img_h = im.size txt_path = os.path.join(txt_dir, xml_file.replace(".xml", ".txt")) voc_to_yolo(xml_path, img_w, img_h, txt_path)

这段脚本的处理逻辑分三层：第一层解析XML的object节点，过滤掉不在CLASS_MAP里的类别；第二层对坐标做边界裁切，因为标注时手滑点出图像范围是常见事；第三层才是真正的坐标换算。参数说明：img_w和img_h用PIL从同名图片读取而不是读XML里的size，是因为有时图片被批处理过但XML没同步更新，用XML里存的旧尺寸算归一化坐标会产生系统性偏移。CLASS_MAP的顺序就是训练时类别ID的顺序，这个顺序必须和后面data.yaml里的names列表完全一致，否则训练出来的模型类别会错位。

3.2 VOC转COCO的JSON：注意三个字段必须对齐

COCO格式比YOLO复杂，但迁移学习时经常需要。脚本里最核心的是生成images、annotations、categories三个列表，并且id要全局唯一。

import json import os import xml.etree.ElementTree as ET from PIL import Image def voc_to_coco(xml_dir, img_dir, out_json, categories): """ 把整个VOC标注目录转成一个COCO JSON。 categories: [{"id": 0, "name": "person", "supercategory": "person"}] """ images = [] annotations = [] ann_id = 1 for img_id, xml_file in enumerate(sorted(os.listdir(xml_dir))): if not xml_file.endswith(".xml"): continue xml_path = os.path.join(xml_dir, xml_file) img_name = xml_file.replace(".xml", ".jpg") img_path = os.path.join(img_dir, img_name) with Image.open(img_path) as img: width, height = img.size images.append({ "id": img_id, "file_name": img_name, "width": width, "height": height }) tree = ET.parse(xml_path) root = tree.getroot() for obj in root.iter("object"): name = obj.findtext("name") cat_id = None for c in categories: if c["name"] == name: cat_id = c["id"] break if cat_id is None: continue xmlbox = obj.find("bndbox") xmin = float(xmlbox.findtext("xmin")) ymin = float(xmlbox.findtext("ymin")) xmax = float(xmlbox.findtext("xmax")) ymax = float(xmlbox.findtext("ymax")) xmin = max(0, min(xmin, width - 1)) xmax = max(0, min(xmax, width - 1)) ymin = max(0, min(ymin, height - 1)) ymax = max(0, min(ymax, height - 1)) if xmax <= xmin or ymax <= ymin: continue w = xmax - xmin h = ymax - ymin annotations.append({ "id": ann_id, "image_id": img_id, "category_id": cat_id, "bbox": [xmin, ymin, w, h], # COCO: 左上角 + 宽高 "area": w * h, "iscrowd": 0, "segmentation": [] # 检测任务可留空，不需要多边形 }) ann_id += 1 coco = { "images": images, "annotations": annotations, "categories": categories } with open(out_json, "w", encoding="utf-8") as f: json.dump(coco, f, ensure_ascii=False, indent=2) categories = [ {"id": 0, "name": "person", "supercategory": "person"}, {"id": 1, "name": "cyclist", "supercategory": "person"} ] voc_to_coco("labels_voc", "images", "annotations_coco.json", categories)

这个脚本有两点和常规写法不一样：一是COCO的annotation id是全局自增的，不能每个图从1重新开始，否则一些训练代码在验证阶段会拿错annotation；二是bbox的坐标原点是左上角，宽度和高度是像素差，不是右下角坐标相减之后再归一化。很多从VOC迁移过来的人在这里会习惯性除以图像宽高，结果COCO数据里全是0到1的小数，训练时边界框回归直接发散。

注意：COCO格式的segmentation字段在纯检测任务里可以留空列表，但如果后面要做实例分割微调，这个字段必须补成多边形坐标，否则训练会报TypeError。

3.3 格式转换的四个边界坑：坐标、ID、空文件与路径

第一个坑是坐标越界。标注时框体偶尔会超出图像边界，VOC格式里能存负数或超过宽高的值，YOLO训练框架读取到x_center大于1.0或小于0.0时通常会忽略该目标，但有些老版本会直接报错。解决办法就是转换时裁切到[0, img_w-1]范围内，并且在裁切后判断框是否还有正面积，没有就直接丢。这个边界裁切逻辑在两个脚本里都写了，别嫌麻烦删掉。

第二个坑是类别ID不一致。YOLO预训练权重是在COCO 80类上训出来的，如果你的数据yaml里把person定义为class 0、cyclist定义为class 1，那迁移学习时模型头部的输出通道会被重置，这没有问题——但如果你加载的是别人定义好的已经微调过的权重，里面person可能是第0类也可能是第12类（COCO原始定义里person是第0类，但有些项目会重新排列）。统一做法是：自定义数据集一律从class 0开始连续编号，别去对齐COCO原始序号。

第三个坑是空标注文件。夜间场景里难免有几张图一个目标都标不出来（或者目标小到没法标）。转换脚本必须允许生成空的TXT/JSON，不要在遍历时因为某张图没有有效框而报错退出。YOLO训练框架对空TXT文件是能正常处理的，它会把它当作纯背景图参与训练，这在夜间这种低目标密度场景里甚至是好事。COCO格式里则表现为某张image_id没有任何annotation，这同样合法。

第四个坑是路径与文件名隐式依赖。三个格式转换脚本都会用“文件名相同但扩展名不同”的约定来定位文件和图片，如果原始素材里出现了同名但不同格式的图片（比如a.jpg和a.png同时存在），转换后会产生两个同名TXT相互覆盖。遇到这种素材，最省事的方案是先重命名去重，而不是在脚本里做特判。

4. 用YOLO11一键训练脚本在GPU/CPU/Mac三平台跑起来

4.1 环境准备：一个requirements文件齐活

YOLO11的官方实现是基于Ultralytics框架的，训练入口简化到一条命令，但跨平台环境的差异集中在torch有没有正确识别计算设备。GPU平台要装CUDA版本的torch，CPU平台装CPU版即可，Mac上要求MPS支持的torch（Apple Silicon或AMD显卡机型）。一条pip命令搞定：

pip install ultralytics torch torchvision

这里的坑在于：如果机器上有NVIDIA显卡，pip默认装的torch是CPU版或CUDA版本不匹配，训练时脚本会静默回退到CPU，速度慢到让人误以为脚本卡死。检查方法是进Python跑一句：

import torch print(torch.cuda.is_available()) print(torch.cuda.get_device_name(0) if torch.cuda.is_available() else "CPU")

Mac用户则要确认torch版本是2.x以上且torch.backends.mps.is_available()返回True。老版本torch的MPS支持不完整，可能会在训练中报“not implemented”错误。CPU平台没什么好验的，但建议确认一下内存足够——YOLO11s在640分辨率下CPU训练8线程时，单EPOCH在5000张图上可能要跑十分钟以上，心态先放平。

4.2 data.yaml的组织方式：这是训练脚本的前置条件

YOLO11训练的第一步不是跑脚本而是写data.yaml，路径写错是新手最常见的问题。一个能用的data.yaml长这样：

# data.yaml path: /Users/yourname/night_pedestrian # 数据集根的绝对路径 train: images/train # 相对于path的训练图片目录 val: images/val # 验证图片目录 test: images/test # 测试图片目录（可省略） nc: 2 # 类别数，和CLASS_MAP的键数量一致 names: ['person', 'cyclist'] # 顺序必须和标签里的class_id对应

这里有个隐藏要求：YOLO训练框架在train/val目录下会找对应的labels目录，具体规则是images/train对应的标注目录为labels/train，如果images目录下没有同名子目录就会报“found no labels”的提示。见到这个提示先别急着改脚本，检查labels/train里到底有没有txt文件，以及文件名是否和图片文件名完全一致（不含扩展名）。另外，path写绝对路径最省事，写相对路径容易因为工作目录不对而找不到数据。

4.3 一键训练脚本：自动选择设备与参数

一键训练的“一键”主要体现在设备自动选择和参数默认值上。脚本逻辑是：依次探测CUDA、MPS、CPU，选到第一个可用的计算设备；然后根据设备类型给不同的batch和workers默认值，最后拉起train。

# train_yolo11.py import argparse import torch from ultralytics import YOLO def detect_device(): """按优先级返回计算设备字符串：cuda -> mps -> cpu""" if torch.cuda.is_available(): return "cuda:0" if hasattr(torch.backends, "mps") and torch.backends.mps.is_available(): return "mps" return "cpu" def main(): parser = argparse.ArgumentParser() parser.add_argument("--model", default="yolo11s.pt", help="预训练权重，可选yolo11n/s/m/l/x") parser.add_argument("--data", default="data.yaml", help="数据集配置") parser.add_argument("--epochs", type=int, default=100, help="训练轮数") parser.add_argument("--imgsz", type=int, default=640, help="输入分辨率") parser.add_argument("--batch", type=int, default=None, help="默认按设备自动选择") parser.add_argument("--device", default=None, help="手动指定设备，覆盖自动检测") args = parser.parse_args() device = args.device if args.device else detect_device() print(f"[Info] 自动选择计算设备: {device}") # 不同平台的默认超参数，CPU和Mac用更小的batch避免内存爆炸 if args.batch: batch = args.batch elif device.startswith("cuda"): batch = 16 else: batch = 8 # workers：Mac上过大容易报“进程启动失败”，CPU上过小拉不满CPU if device == "mps": workers = 0 # MPS后端与DataLoader多进程兼容性差，直接关掉最稳 elif device.startswith("cuda"): workers = 8 else: workers = 4 model = YOLO(args.model) model.train( data=args.data, epochs=args.epochs, imgsz=args.imgsz, batch=batch, device=device, workers=workers, patience=20, # 验证集mAP连续20轮不涨就早停 pretrained=True, # 迁移学习是5000张小数据集的命根子 cache="ram" if device.startswith("cuda") else False, # GPU机器缓存图片提速 project="runs/night_detect", name="yolo11s_night" ) # 训练完成后自动导出ONNX，方便后续部署验证 best_model = YOLO("runs/night_detect/yolo11s_night/weights/best.pt") best_model.export(format="onnx", imgsz=args.imgsz, half=True if device.startswith("cuda") else False) if __name__ == "__main__": main()

# 一键运行 python train_yolo11.py --model yolo11s.pt --data data.yaml --epochs 150 --imgsz 640

脚本的关键逻辑在设计上是分层的：detect_device()做设备探测，batch和workers的默认值按设备类型分别给出，训练参数把patience早停打开，结束自动导出ONNX。模型大小的选择上，夜间小目标多，优先yolo11s起步；显存够大再上yolo11m，不建议一上来就用yolo11l——5000张数据不足以发挥大模型的优势，还可能过拟合。

几个参数建议根据实际情况调整：batch在GPU上如果显存只有6G，16会爆显存，要降到8甚至4；Mac的workers设成0看起来是“关闭多进程”会让训练变慢，但至少不会反复崩溃；epochs用早停的话设150-300都可以，实际训练很可能在60轮左右就触发patience停掉。imgsz不建议低于640，夜间小目标本来就小，分辨率再低就更难检测了。

4.4 训练日志怎么看：loss和mAP才是进度的真相

训练过程中终端会滚动输出每一轮的metrics，重点关注三个数：box_loss（边界框回归损失）、cls_loss（分类损失）、mAP50-95（整体检测精度）。box_loss过高说明回归没收敛；cls_loss高说明模型把行人和其他夜间物体混淆；mAP50-95稳步上升就说明模型在学东西。如果看到mAP50到了0.5但mAP50-95只有0.2左右，说明框的位置精度不够，多数情况是分辨率太低或者难例太多。

还有一个容易被忽略的点：训练日志里的“All labels empty”提示，通常意味着label路径没配对，而不是数据为空。遇到这个先看labels/train目录里有没有txt文件，再看data.yaml里path是否绝对路径，最后确认图片扩展名大小写一致。

5. 避坑记录：夜间行人训练中我反复遇到的五个翻车点

5.1 现象：Loss为NaN，训练直接中断

原因：学习率过大或batch过小导致梯度爆炸，尤其在数据集只有几千张且加载了预训练权重时，某些批次的样本里全是难例，梯度范数突然拉高。解决：把lr0从默认值调低到0.001甚至0.0005，或在train参数里加weight_decay=0.0005；如果是batch=2导致的极端波动（batch越小梯度噪声越大），把batch加到8以上，哪怕用梯度累积也要保证有效batch>8。

5.2 现象：mAP在验证集很高，但实际跑一张白天街景全漏检

原因：训练集里的夜间行人分布太集中，比如大量样本都来自同一段路的监控截图，背景纹理被模型当成了关键特征。这属于典型的过拟合，而非模型能力问题。解决：回到数据层面，按场景检查验证集和测试集里是否有重复或近似重复的图片（监控视频连续帧特别容易重复），如果重复率超过10%，要先做去重再训练；其次是加强数据增强，把Mosaic强度打开，并加入随机遮挡。

5.3 现象：Mac上训练启动时报DataLoader worker进程崩溃

原因：Ultralytics在Mac MPS后端上，DataLoader多进程和MPS的显存管理有兼容性问题，worker数大于0时容易在每轮开始时崩溃。解决：在脚本里显式把workers设为0，并加一句启动参数“--noplots”减少绘图开销。这是三平台里最“玄学”的一处，人员在Mac上耗时耗力调了半天，最后发现只是workers的问题。附带建议是Mac上不要用yolo11m以上模型，mps的推理效率在中等模型上比CUDA差得远，训练时间和发热都不划算。

5.4 现象：验证集mAP不低，但模型把“路灯杆”误检成行人

原因：夜间场景里行人教材少，而路灯杆的形状、高度和夜间行人有相似性；如果训练数据里负面样本（没有行人的纯夜景图）太少，模型没有见过足够多的“像行人的不是行人”的样本。解决：在数据划分时额外留出不进训练集的负样本图，用YOLO11的val预测看哪些背景被误检，把这些误检图作为“背景类”样本加入训练集（不在TXT里写任何标注，模型会把这图片当作纯背景学习）。这是夜间检测提升精度最有效的手段，5000张有标注图配2000张无标注夜景图，往往比盲目再加5000张有标注图效果更好。

5.5 现象：转换脚本没有报错，但训练日志里“All labels empty”

原因：标签TXT文件存在但内容为空，或YOLO训练框架找不到labels目录。常见原因是转换脚本生成TXT时把坐标归一化成了0到1的值，但训练脚本读取时按图像尺寸反解出了问题——通常是图片扩展名大小写不一致（.JPG vs .jpg），导致框架找不到对应图片。解决：先检查labels/train下TXT数量是否等于images/train下图片数量；再任选一个TXT文件打开看内容是否非空，坐标值是否都在0-1之间；最后确认图片扩展名统一。

补充一个排查工具：ultralytics框架自带数据集检查命令，可以在训练前快速发现格式问题：

yolo check data.yaml

这条命令会输出数据集是否有效、类别数、图片数和标注数，比直接跑训练省时间。

6. 进阶验证：从mAP数字到真实夜间场景的最后一个闭环

训练收敛后，别急着宣称“模型能用了”。我要做的第一件事永远是写一个预测脚本，在未参与训练的视频帧或照片上做一次实测，分别看白天行人、夜间远距离行人和夜间遮挡行人三类样本的检测结果。mAP是统计指标，但实际部署关心的是某一类具体的漏检。调confidence阈值是见效最快的手段：夜间场景中误检少、漏检多，把conf从默认0.25降到0.1，能召回不少远距离小行人，代价是路灯杆误检增加；反之如果误检率太高，调到0.4。调阈值不重训模型，是部署现场最常用的“后悔药”。

再往深一步，验证时要关注的是“框抖动”。夜间光线暗，模型对同一行人在连续几帧里的置信度波动大，检测框会忽大忽小。解决办法是给预测输出加一个轻量的时序平滑：对连续帧的检测框做IoU匹配，匹配到的框用EMA更新坐标和置信度。这个技巧不用改模型，纯推理端就能做，效果立竿见影。

最后的习惯是定期把跑不动或者漏检的样本收集回来，重新标注，加进训练集做一次增量训练。5000张图是起点，不是终点；夜间场景的特点是“每个新场景都在挑战模型没见过的情况”。我自己的做法是每收集到50张左右的难例就触发一次短训练（30个epoch、8batch），把增量数据的影响控制在半小时内看完。做检测的都知道，模型能不能落地，往往不取决于你一开始有多少数据，而取决于你有没有一个快速吃进新数据的闭环。把这条闭环跑通，夜间行人检测才算真正落地。希望我的这些踩坑记录和训练习惯能帮到你。

本文还有配套的精品资源，点击获取