企业官网建设流程全解析

简介：这份资源面向目标检测学习者与船舶检测方向的开发者，提供一套基于YOLOv7的完整船舶检测方案，帮助快速搭建并训练自己的舰船检测系统。压缩包共2377个文件，约247.63MB，以772张jpg图像、742个xml标注、741个txt标签为主，另含31个py脚本、36个yaml配置、14个ipynb笔记本及2个pt权重文件，覆盖数据、代码与训练配置。数据集同时提供VOC与YOLO两种标签格式，可按需选用；训练曲线与TensorBoard事件文件便于观察loss和mAP变化，评估收敛情况并调参优化。资源还包含训练脚本与预训练权重，可直接微调以适应船舶检测任务，并附有TensorRT、ONNXRuntime等推理对比笔记，方便理解部署与性能差异。目前已有1057人学习下载，适合希望深入YOLOv7模型或快速落地船舶检测实践的研究人员与开发者参考。

1. 船舶检测为什么值得用 YOLOv7 重做一遍

港口的监控摄像头每天产生海量视频，靠人盯着屏幕找船、数船、判断船型，既不现实也不可靠。船舶检测要解决的就是这个问题：给定一张航拍或岸基摄像头拍到的画面，自动框出每一艘船的位置，并给出类别——货船、渔船、客船、快艇，甚至更细的型号。这件事在智慧港口、航道监管、渔业执法、海事搜救里都是刚需。

YOLOv7 在 2022 年发布时，在 5 FPS 到 160 FPS 的范围内都做到了当时的最优精度与速度平衡，尤其是 YOLOv7-E6E 在 56.8% AP 的同时还能跑到 56 FPS（V100），这个性价比对船舶检测这种「目标尺度差异极大、背景干扰强」的场景非常合适。大船在画面里可能占几百像素，远处的小渔船只有十几个像素，YOLOv7 的多尺度特征融合和 E-ELAN 结构对这类尺度跨度大的任务比早期版本更稳。

这篇文章面向的是想自己跑通一套船舶检测系统的工程师：手里有或者能搞到船舶图片，想用 YOLOv7 训练、评估、推理，最后部署到实际业务里。我会把数据集怎么准备、代码怎么改、参数怎么调、坑在哪里，按我自己做过的顺序讲清楚。你不需要先看完 YOLOv7 论文，跟着走就能跑出第一个能用的模型。

2. 数据集从哪来、怎么标注、怎么转成 YOLOv7 能吃的格式

2.1 船舶检测公开数据集与自采数据的取舍

做船舶检测，第一步永远是数据。公开数据集里比较常用的有几个方向：一是航拍视角的船舶数据，画面俯视、背景是水面，目标密集但尺度相对均匀；二是岸基监控视角，透视明显、近大远小，远处小船只有几个像素；三是卫星遥感船舶数据，分辨率高但标注成本也高。公开数据能让你快速起步，但类别定义往往和你的业务对不上——比如你关心渔船和货船，公开数据可能只标了「ship」一类。

我的建议是：先用公开数据跑通流程，验证代码和训练配置没问题，再逐步替换成自己的业务数据。自采数据要注意几点：同一艘船在不同帧里不要重复标注成多个样本，否则模型会学到「船总是成对出现」这种假规律；阴天、逆光、雨雾天气的样本要刻意补，否则模型一到坏天气就翻车；正负样本比例要控制，纯水面无船的负样本占 10% 到 20% 比较合适，太少会导致误检率高。

2.2 标注规范：类别定义和边界框的四个边界坑

标注工具用 LabelImg 或 CVAT 都行，导出格式选 YOLO 格式（每张图一个 txt，每行是class_id x_center y_center width height，全部归一化到 0 到 1）。这里有几个我踩过的坑：

第一，类别定义要一次定死。不要今天把「货船」标成 0，明天又觉得应该拆成「集装箱船」和「散货船」。类别体系一变，所有标注都要返工。第二，边界框要贴紧目标外轮廓，但不要把桅杆、天线这种细长结构单独框进去，否则框会变得又高又窄，训练时回归不稳定。第三，被遮挡的船要不要标？如果遮挡超过 50%，建议标成「困难样本」或者直接不标，否则模型会学到不完整的形状。第四，小目标不要漏标。远处的小船如果肉眼能分辨，就一定要标，漏标比错标危害更大，因为模型会把「没标的小船」当成背景来学。

2.3 用脚本把 VOC 格式转成 YOLO 格式并划分训练集

如果你拿到的数据是 VOC 格式（XML 标注），需要转成 YOLO 格式。下面这个脚本我用了很多次，处理船舶数据没问题：

import os import xml.etree.ElementTree as ET import random from pathlib import Path # 类别映射，根据你的数据集改 CLASS_MAP = {"ship": 0, "boat": 1, "warship": 2} def voc_to_yolo(xml_path, img_w, img_h): tree = ET.parse(xml_path) root = tree.getroot() lines = [] for obj in root.findall("object"): name = obj.find("name").text.strip() if name not in CLASS_MAP: continue cls_id = CLASS_MAP[name] bbox = obj.find("bndbox") xmin = float(bbox.find("xmin").text) ymin = float(bbox.find("ymin").text) xmax = float(bbox.find("xmax").text) ymax = float(bbox.find("ymax").text) # 归一化并转成中心点+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 # 裁剪到 0-1，防止标注越界 x_center = min(max(x_center, 0), 1) y_center = min(max(y_center, 0), 1) w = min(max(w, 0), 1) h = min(max(h, 0), 1) lines.append(f"{cls_id} {x_center:.6f} {y_center:.6f} {w:.6f} {h:.6f}") return lines def convert_dataset(xml_dir, img_dir, out_img_dir, out_lbl_dir, val_ratio=0.2): xml_dir = Path(xml_dir) img_dir = Path(img_dir) out_img_dir = Path(out_img_dir) out_lbl_dir = Path(out_lbl_dir) out_img_dir.mkdir(parents=True, exist_ok=True) out_lbl_dir.mkdir(parents=True, exist_ok=True) all_files = list(xml_dir.glob("*.xml")) random.shuffle(all_files) val_count = int(len(all_files) * val_ratio) val_files = set(all_files[:val_count]) for xml_file in all_files: img_file = img_dir / (xml_file.stem + ".jpg") if not img_file.exists(): continue # 用 PIL 读尺寸，避免依赖 OpenCV from PIL import Image with Image.open(img_file) as im: img_w, img_h = im.size lines = voc_to_yolo(xml_file, img_w, img_h) if not lines: continue split = "val" if xml_file in val_files else "train" # 复制图片 import shutil shutil.copy(img_file, out_img_dir / f"{split}_{img_file.name}") # 写标签 with open(out_lbl_dir / f"{split}_{xml_file.stem}.txt", "w") as f: f.write("\n".join(lines)) if __name__ == "__main__": convert_dataset( xml_dir="data/annotations", img_dir="data/images", out_img_dir="dataset/images", out_lbl_dir="dataset/labels", val_ratio=0.2 )

这段代码的逻辑是：遍历 XML 文件，解析每个 object 的类别和边界框，把 VOC 的左上角+右下角坐标转成 YOLO 的中心点+宽高并归一化。CLASS_MAP必须和你的标注类别一致，多一个少一个都会导致类别错位。val_ratio控制验证集比例，船舶数据一般 0.15 到 0.2 就够了，数据量特别大可以降到 0.1。注意代码里做了坐标裁剪，因为有些标注会超出图片边界，不裁剪的话训练时会出现 loss 为 nan 的玄学问题。

转换完成后，目录结构应该是dataset/images/train_xxx.jpg和dataset/labels/train_xxx.txt一一对应。然后写一个ship.yaml：

path: ./dataset train: images val: images nc: 3 names: ['ship', 'boat', 'warship']

这里train和val都写images是因为我在文件名里用train_和val_前缀区分了，YOLOv7 的 dataloader 会自己按前缀找。如果你习惯用 ImageSets 那种划分方式，也可以改成train: images/train和val: images/val，但目录要对应建好。

3. YOLOv7 训练船舶检测模型的完整命令与参数调优

3.1 环境搭建与代码拉取后的第一件事

YOLOv7 官方代码依赖 PyTorch、torchvision、numpy、opencv-python 等。我一般用 conda 建一个干净环境：

conda create -n yolov7_ship python=3.9 -y conda activate yolov7_ship pip install torch==1.12.1+cu113 torchvision==0.13.1+cu113 --extra-index-url https://download.pytorch.org/whl/cu113 pip install -r requirements.txt

版本不用完全照抄，但 PyTorch 和 CUDA 要匹配你的显卡驱动。装完之后先跑一次python test.py --weights yolov7.pt --source inference/images验证环境没问题，再动船舶数据。这一步能帮你排除掉 80% 的「训练报错其实是环境问题」。

3.2 训练命令拆解：从 yolov7.pt 微调还是从头训

船舶检测我强烈建议从预训练权重微调，不要从头训。YOLOv7 在 COCO 上已经学到了通用的边缘、纹理、形状特征，船舶数据通常几千到几万张，从头训收敛慢且容易过拟合。命令如下：

python train.py \ --weights yolov7.pt \ --cfg cfg/training/yolov7.yaml \ --data data/ship.yaml \ --hyp data/hyp.scratch.p5.yaml \ --epochs 150 \ --batch-size 16 \ --img-size 640 640 \ --device 0 \ --workers 8 \ --name ship_yolov7 \ --project runs/train

--weights yolov7.pt加载预训练权重，--cfg指定模型结构，--data指向你的 ship.yaml，--hyp是超参数文件。--img-size船舶检测建议 640 起步，如果小目标多可以上 1280，但显存要够。--batch-size根据显存调，16 在 12G 显存上跑 640 没问题。--workers是 dataloader 线程数，设成 CPU 核数的 1/4 到 1/2。

训练开始后重点看几个指标：box_loss应该稳定下降，如果震荡剧烈说明学习率太大；obj_loss反映目标置信度，船舶数据背景干净的话这个值会降得比较快；mAP@0.5在验证集上应该逐步上升，如果训练集 mAP 涨但验证集不涨，就是过拟合了。

3.3 船舶场景下必须调的四个超参数

hyp.scratch.p5.yaml里有几十个参数，但船舶检测真正需要动的是这几个：

lr0是初始学习率，微调场景我一般设 0.005，比从头训小一半。anchor_t控制 anchor 匹配的正样本阈值，船舶的宽高比从 1:1 到 1:8 都有，放宽一点能让更多 anchor 参与回归。mosaic数据增强对船舶检测帮助很大，因为它能把四张图拼在一起，变相增加小目标的数量和背景多样性，但如果你的数据里大船占绝对多数，mosaic 会让大船被裁切，反而有害。

另外--img-size如果设成 1280，--batch-size要相应降到 4 或 8，否则显存溢出。YOLOv7 的--img-size支持矩形推理，但训练时最好用正方形，避免长宽比失真。

4. 推理、评估与部署：把模型变成能用的检测服务

4.1 用 test.py 做批量推理和结果可视化

训练完在runs/train/ship_yolov7/weights/下会有best.pt和last.pt。best.pt是验证集 mAP 最高的，last.pt是最后一轮的。推理命令：

python detect.py \ --weights runs/train/ship_yolov7/weights/best.pt \ --source data/test_images \ --img-size 640 \ --conf-thres 0.25 \ --iou-thres 0.45 \ --device 0 \ --save-txt \ --project runs/detect

--conf-thres是置信度阈值，船舶检测我一般设 0.25，因为水面背景相对干净，低一点能召回更多小船。--iou-thres是 NMS 的 IoU 阈值，0.45 是通用值，如果船密集停靠可以降到 0.4 减少漏检。--save-txt会把检测框保存成 txt，方便后续做计数或轨迹关联。

4.2 评估指标怎么看：mAP、Recall 和船舶场景的取舍

YOLOv7 训练日志里会输出mAP@0.5、mAP@0.5:0.95、precision、recall。船舶检测里mAP@0.5到 0.85 以上算不错，但更重要的是recall——漏掉一艘船的代价可能比误检一艘船高得多。如果 recall 偏低，优先检查小目标标注是否充分，其次考虑提高输入分辨率或降低conf-thres。

还有一个容易被忽略的指标是不同尺度下的 AP。YOLOv7 的验证脚本会按 small/medium/large 分别统计，如果 small 的 AP 明显低于 large，说明小目标检测是短板，需要补小目标数据或者用--img-size 1280重训。

4.3 导出 ONNX 并用 onnxruntime 做推理

部署时不一定有 PyTorch 环境，导出 ONNX 是常见做法：

python export.py --weights runs/train/ship_yolov7/weights/best.pt --grid --end2end --simplify --img-size 640 640

--grid把网格解码放进模型，--end2end把 NMS 也导出，--simplify用 onnx-simplifier 简化计算图。导出后用 onnxruntime 推理：

import onnxruntime as ort import cv2 import numpy as np sess = ort.InferenceSession("best.onnx", providers=["CUDAExecutionProvider"]) img = cv2.imread("test.jpg") img = cv2.resize(img, (640, 640)) img = img[:, :, ::-1].transpose(2, 0, 1) # BGR to RGB, HWC to CHW img = np.ascontiguousarray(img, dtype=np.float32) / 255.0 img = img[None, ...] # 加 batch 维度 outputs = sess.run(None, {sess.get_inputs()[0].name: img}) # outputs[0] 形状是 [1, 25200, 7]，前四个是 xywh，第五个是 obj，后面是类别

ONNX 推理比 PyTorch 快 20% 到 50%，而且不依赖 PyTorch。注意预处理要和训练时一致：BGR 转 RGB、归一化到 0 到 1、HWC 转 CHW。如果导出时用了--end2end，输出已经包含 NMS 结果，不需要再手动做。

5. 船舶检测训练与部署的避坑清单

5.1 现象：训练 loss 正常但 mAP 一直是 0

原因通常是类别映射错了。YOLOv7 读ship.yaml里的names列表，索引从 0 开始，如果你的标注 txt 里类别 id 和names顺序对不上，模型学到的就是错位的类别。解决方法是写个脚本统计标注 txt 里出现的所有 class_id，和names长度对比，多一个少一个都会出问题。

5.2 现象：推理时框出一大片水面，置信度还不低

这是典型的负样本不足。模型没见过足够多的「无船水面」，把波浪纹理当成了船。解决办法是在数据集里加入 10% 到 20% 的纯水面负样本，标注文件为空即可。YOLOv7 对空标注图片的处理是只计算 obj_loss 的负样本部分，不会报错。

5.3 现象：小目标检测效果差，远处小船全漏

原因可能是输入分辨率太低，或者 anchor 尺寸不匹配。船舶数据里小目标可能只有 10 到 20 像素，640 输入下经过 32 倍下采样只剩不到 1 个像素。解决办法是把--img-size提到 1280，或者用--cfg cfg/training/yolov7x.yaml这种更大容量的模型。另外可以检查hyp里的anchor_t，适当放宽让更多小 anchor 参与匹配。

5.4 现象：训练到一半 loss 突然变成 nan

血泪经验：大概率是标注坐标越界或者宽高为 0。VOC 转 YOLO 时如果 xmax 等于 xmin，宽就是 0，归一化后还是 0，计算 loss 时 log(0) 就炸了。解决方法是转换脚本里加一行过滤，宽或高小于 1 像素的框直接丢弃。另外学习率太大也会导致 nan，把lr0降到 0.001 试试。

5.5 现象：ONNX 推理结果和 PyTorch 对不上

常见原因是预处理不一致。PyTorch 的detect.py用的是 letterbox 填充，保持长宽比，而你自己写 ONNX 预处理时如果直接 resize 到 640x640，长宽比就变了，框的位置会偏移。解决办法是照着detect.py里的letterbox函数实现一遍，或者导出时用--img-size和推理时保持一致。

6. 把船舶检测推到更高精度：几个我常用的进阶技巧

第一个技巧是切片推理（SAHI）。船舶图像里小目标多，整图推理时小目标被下采样太狠。SAHI 的思路是把大图切成有重叠的小块，每块单独推理，再把结果合并。对 4000x3000 的航拍图，切成 640x640 的块，重叠 20%，小目标召回率能提升 15% 以上。代价是推理时间线性增加，适合离线分析不适合实时视频。

第二个技巧是测试时增强（TTA）。YOLOv7 的test.py支持--augment，会对每张图做翻转、缩放等多尺度推理再融合。我实测在船舶数据上 mAP@0.5 能涨 1 到 2 个点，但速度慢 3 倍。如果业务对精度极度敏感、对延迟不敏感，可以开。

第三个技巧是类别平衡。船舶数据里货船可能占 70%，渔船只占 10%，模型会偏向多数类。除了在hyp里调cls_pw，更直接的办法是对少数类做过采样，或者用 copy-paste 增强把渔船贴到不同背景上。我一般先看混淆矩阵，哪个类别被误判最多，就针对性补那个类别的数据。

验证模型有没有真正学到东西，我习惯做一件事：把验证集里模型置信度在 0.3 到 0.5 之间的框全部导出来，人工看一遍。这些是模型的「犹豫样本」，如果里面大部分是正确检测但置信度偏低，说明模型欠拟合，可以多训几十轮；如果里面是明显的误检，说明需要补负样本。这个习惯帮我省了很多盲目调参的时间。

最后一个习惯：每次改完数据或超参数，先跑 10 个 epoch 看 loss 曲线和 mAP 趋势，不要一上来就训 150 轮。10 轮就能看出方向对不对，不对就赶紧停，省下来的时间够你多试好几组配置。船舶检测这个方向，数据质量比模型结构重要得多，把标注做干净、把负样本补足，比换什么模型都管用。希望帮到你。

本文还有配套的精品资源，点击获取