企业官网建设流程全解析

简介：这是一份基于开源语义分割模型DeepLabV3+完成的小组结课项目，同时入选极市开发者平台打榜实践，适合模式识别与机器学习课程的学生、需要完成课程设计或准备算法赛题的开发者参考。项目以水体及水面漂浮物为检测对象，利用像素级分割结果计算目标面积，并按阈值自动输出告警信息，展示了从数据集构建、模型训练到业务逻辑判断的完整链路。压缩包共258个文件、约29.77MB，核心内容包括120张png与100张jpg水面场景图像样本、26个py模型与训练脚本、7个txt标注或说明文件，另有shell脚本、Markdown说明等配套材料，目录划分清晰，便于按模块复现。目前已有223人学习下载，尤其适合希望快速上手语义分割开源模型、并借鉴极市平台项目组织方式的学习者。借助该项目的代码和样本，既能理解DeepLabV3+在真实场景中的应用，也能掌握面积阈值报警的落地思路。

1. 水面漂浮物检测：这个 DeepLabV3+ 课程项目从分割到报警做了什么

汛期河道监控画面里，水面上漂着的塑料瓶、树枝和白色泡沫，靠人眼盯十几路视频根本盯不过来。这个项目要解决的，就是把这部分巡检自动化。团队用开源模型 DeepLabV3+ 做主网，对画面里的「水体」和「水上漂浮物」做像素级语义分割——不是画检测框，而是把每一个属于漂浮物的像素找出来，再按面积阈值判断该不该输出报警消息。项目同时也是极市开发者平台的打榜题，数据来自真实河道与近海监控场景。适合两类人：一类是模式识别与机器学习课设还没定题，想找一个能讲清楚原理又能完整跑通的方案；另一类是刚接触语义分割，想从数据准备一路走到报警输出的工程师。下面按数据、模型、训练、避坑、后处理的顺序完整拆一遍。

2. 先从文件名读懂数据集：从扁平目录到可训练的分割数据

整个交付里最容易被忽略的，是这批 ZDSfloating_objects 图片：几十张看起来差不多的 JPG 平铺在根目录，没有标注目录、没有子文件夹。直接拿去训练，连 train/val 怎么切都不知道。我拿到资源后第一件事不是写模型，而是把文件名解码、目录重构、数据体检这三步走完。

2.1 解读 ZDSfloating_objects 文件名：这些字段决定你怎么切分数据

文件名按固定规律编码，比如ZDSfloating_objects20230206_V3_train_rivers_27_000044.jpg，拆开看：

这里值得细说的是场景和点位两个字段。rivers 和 sea 是差异很大的两种场景：河道水面窄、背景有岸堤；海面开阔、有浪花纹理和反光。如果你随机把文件切成 train/val，同一个点位 27 的相邻帧会同时出现在训练集和验证集里，验证 mIoU 会被抬高好几个点，部署到没见过的点位直接崩。所以后面切分一定要按「点位」分组，不能按文件随机切。

2.2 目录重构：把平铺的 JPG 归位

原始目录下只有图，没有 labels 子目录，也没有 annotation 文件。分割任务训练时需要两张图：一张三通道 RGB 原图，一张单通道 mask（PNG），mask 的每个像素值就是类别编号。类别编号按课程设计常见约定：0 是背景（岸堤、天空等），1 是水体，2 是漂浮物。标注文件在项目交付包里单独存在，后缀是 .png，与原图同名对应。

先把图片按场景字段归位：

mkdir -p data/rivers/images data/rivers/labels mkdir -p data/sea/images data/sea/labels find /path/to/original -name "*_rivers_*" -exec mv {} data/rivers/images/ \; find /path/to/original -name "*_sea_*" -exec mv {} data/sea/images/ \;

这段脚本只做一件事：按文件名里的场景字段把图挪进对应目录。find 配合 -exec 在文件量几百张时足够直接，量大时建议改用 Python 加 shutil 批量处理。注意如果同时挪标注，要找同名 .png 一起处理，别只挪原图、标注留在原地，后面 Dataset 类加载时图找得到、mask 找不到，一跑就崩。

然后做数据体检。语义分割训练过程中，损坏图片是最容易翻车的地方：

from PIL import Image from pathlib import Path import collections for root in [Path("data/rivers/images"), Path("data/sea/images")]: sizes = collections.Counter() broken = [] for img_path in sorted(root.glob("*.jpg")): try: img = Image.open(img_path).load() sizes[img.size] += 1 except Exception: broken.append(str(img_path)) print(root, "分辨率分布:", sizes.most_common(3)) print(root, "损坏图片:", broken[:5])

脚本做两件事：算出每个场景的分辨率分布，列出打不开的坏图。分辨率分布决定后面 RandomCrop 的窗口大小和要不要做统一缩放；坏图必须提前清掉，不然训练到一半 DataLoader 抛异常，整个跑批白等。常见做法是顺手把分辨率悬殊的图先缩放到同一档位，比如最长边 1024，避免 batch 内图尺寸差异过大。血泪经验：体检这步别省，打榜数据里混进一两张损坏图是常态。

2.3 看一眼标签分布：漂浮物究竟占多少像素

分割项目里最容易被跳过的，是统计标签分布。跑一段脚本确认三类像素的全局占比：

import numpy as np from PIL import Image from pathlib import Path label_dir = Path("data/rivers/labels") overall = np.zeros(3, dtype=np.float64) for p in label_dir.glob("*.png"): mask = np.array(Image.open(p)) counts = np.bincount(mask.ravel(), minlength=3)[:3] overall += counts print("全局像素分布:", overall / overall.sum())

如果漂浮物的全局占比低于 1%，第 4 章的损失函数就不能用裸的 CrossEntropy。这个数值还直接决定要不要做小目标过采样。把统计结果写进课设 PPT，评审老师基本都会认可数据准备工作是扎实的。

3. DeepLabV3+ 选型与改造：ASPP、Decoder 和三处关键代码

数据就位后选模型。课程项目为什么选 DeepLabV3+ 而不是 U-Net 或 PSPNet，评审几乎必问。先把原理讲透，再落到代码改动。

3.1 空洞卷积与 ASPP：不降分辨率地扩大感受野

分割任务和分类任务有个本质差别：分类可以一直池化到 1×1，分割要求输出和输入同尺寸，所以特征图分辨率不能丢太多。标准 CNN 层层下采样后，高层特征感受野够大，但分辨率低，直接上采样预测的结果边缘很糊。DeepLab 系列的核心思路，是不靠下采样扩大感受野，而是用空洞卷积（dilated convolution）。

空洞卷积在卷积核里插入空洞。rate=2 时，一个 3×3 的核覆盖的实际区域相当于 5×5；rate=6 时覆盖到 13×13。模型不损失分辨率，还能让每个输出像素看到更大的上下文。这对本项目意义很直接：水面是超大类，漂浮物是超小类，模型既要能「看到」整片水面判断环境，又不能因为降采样把漂浮物的细节丢掉。

DeepLabV3 在此基础上提出 ASPP（Atrous Spatial Pyramid Pooling），把四种尺度的分支并行叠起来：一个 1×1 卷积、三个空洞卷积（rate 6 / 12 / 18）、一个全局平均池化，最后拼接。多尺度的价值在于，漂浮物的尺寸在画面里变化非常大——近处垃圾可能占 200×200 像素，远处可能只有 8×8，单个固定感受野很难兼顾。

3.2 Encoder-Decoder：把低层细节接回高层语义

DeepLabV3 有个明显短板：ASPP 输出的特征图经过 16 倍下采样后直接上采样，边界细节恢复不了。漂浮物的边缘恰恰是关键，报警面积就差在边缘像素的归属上。DeepLabV3+ 加了一段轻量 Decoder：把主干浅层输出用 1×1 卷积降通道，再和上采样后的深层特征拼接，最后卷积融合。

这个结构和 U-Net 的 skip connection 相似，但 V3+ 的 Decoder 更克制，只在最后一级做融合，参数量增加不多。在漂浮物这种边界模糊的目标上，Decoder 带来的边界改善肉眼可见：气泡、细碎树枝这类小目标，在 V3 上容易断成几截，在 V3+ 上能连成完整连通域，后续面积统计才有意义。

3.3 从开源模型到课设代码：三处必改点

极市这类打榜项目，模型通常要求复现论文。课设项目更推荐直接用 segmentation_models_pytorch，省掉从零搭 Encoder 的时间，把精力留给数据处理和报警逻辑：

import segmentation_models_pytorch as smp model = smp.DeepLabV3Plus( encoder_name="resnet101", # 主干网络 encoder_weights="imagenet", # ImageNet 预训练权重 in_channels=3, # RGB 输入 classes=3, # 背景 / 水体 / 漂浮物 )

三个参数要解释清楚。encoder_name 控制主干网络，三档选择直接对应显存和精度：

encoder_weights 用 ImageNet 预训练，课程数据集只有几万张时效果差距明显，随机初始化要多花大量 epoch 才能追上。classes 必须从默认的 21（Pascal VOC 类别数）改成 3。

如果不用这个库，手工改 torchvision 里的 DeepLabV3 时要改对地方：一是分类头类别数，二是加载预训练权重时分类器形状对不上，需要用 strict=False 加载 backbone 部分：

import torchvision.models.segmentation as seg model = seg.deeplabv3_resnet101(pretrained=False, num_classes=3) state = torch.load("你的预训练权重路径.pth") backbone_state = {k: v for k, v in state.items() if "classifier" not in k} model.load_state_dict(backbone_state, strict=False)

因为 strict=False 会放过主干网络里可能存在的键名不匹配，加载后要打印 missing keys 确认缺失的全是分类头，别拿一个权重完全没加载进去的模型跑训练。这一点我们课设 review 时栽过——加载完没检查，训练十分钟 loss 不降，查了半天才发现预训练权重根本没进去。

4. 训练配置：损失函数、增强策略和按点位的验证集划分

模型定义好之后，训练策略是决定项目成绩的关键。这里讲三件事：损失函数怎么调、数据增强怎么配、验证集怎么切，每一件都直接影响最终报警是否靠谱。

4.1 类别不均衡与混合损失函数

从第 2 章的标签统计能看出，漂浮物类别在全局像素里占比大概率低于 1%，甚至低于 0.1%。这种数据直接用 CrossEntropy，模型会把所有像素都学成水体或背景，验证集整体准确率看着很高，漂浮物类别 IoU 却是 0。常见做法是把 CrossEntropy 和 Dice Loss 混在一起：

import torch.nn.functional as F def mixed_loss(pred, mask, dice_weight=0.5): ce = F.cross_entropy(pred, mask) prob = F.softmax(pred, dim=1) # (B, 3, H, W) onehot = F.one_hot(mask, num_classes=3).permute(0, 3, 1, 2).float() inter = (prob * onehot).sum(dim=(2, 3)) union = prob.sum(dim=(2, 3)) + onehot.sum(dim=(2, 3)) dice_per_class = 1 - (2 * inter + 1) / (union + 1) # 每类分别算 dice = dice_per_class.mean() return ce + dice_weight * dice

CE 负责整体稳定，Dice 直接对类别重叠度求梯度，对小类敏感。dice_weight 从 0.5 起调，太大时早期训练震荡明显。如果漂浮物占比特别极端，还可以把第 2 类单独加权重到 2～3 倍。这个混合损失写进组会讲稿，评委一般会追问 CE 和 Dice 的互补性，提前准备好回答。

4.2 数据增强：随机裁剪比 resize 更适合小目标

分割增强套路和分类不太一样。初学者容易直接套分类那套：Resize 到固定尺寸再随机裁剪。在漂浮物项目里，先 Resize 会把小目标的像素信息提前压缩掉，损失函数再强也救不回来。我一般用随机裁剪，保留原始分辨率信息：

import albumentations as A from albumentations.pytorch import ToTensorV2 train_transform = A.Compose([ A.RandomCrop(513, 513), A.HorizontalFlip(p=0.5), A.RandomBrightnessContrast(brightness_limit=0.2, contrast_limit=0.2, p=0.3), A.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225]), ToTensorV2(), ])

crop 尺寸 513 是 DeepLab 系列论文里的常见值，显存允许可换 769，更大视野对小目标上下文有增益。RandomBrightnessContrast 模拟一天不同时段光照，尤其水面反光差异大。验证集只做 Normalize，不做随机增强，保证评估稳定。

4.3 验证集划分：按点位分组，不按文件随机切

第 2 章提过，文件名里的点位字段直接影响验证集可信度。同一个点位连续拍的帧之间非常相似，随机切分相当于「泄题」。正确做法是用 sklearn 的 GroupShuffleSplit，group 是文件名解析出的点位 ID：

from sklearn.model_selection import GroupShuffleSplit def parse_group(name): parts = name.split("_") return f"{parts[4]}_{parts[5]}" # "rivers_27" / "sea_1" imgs = sorted((data_dir / "images").glob("*.jpg")) groups = [parse_group(p.name) for p in imgs] gss = GroupShuffleSplit(n_splits=1, test_size=0.2, random_state=42) train_idx, val_idx = next(gss.split(imgs, groups=groups))

parse_group 按第 2 章解码的字段位置取名，把 rivers_27、sea_1 作为同一组。验证集点位完全没在训练集出现过，mIoU 才反映真实泛化能力。不做这一步，验证 mIoU 可能虚高 10 个点以上，报警阈值的标定也会跟着偏。

4.4 训练超参的起点

从头调超参太费时间，我一般用一套分割任务普适的初始配置，然后只看验证集曲线微调：

batch size 建议先从 2 跑通显存，再往上加，直接上 8 翻车概率不低。训练中每 500 步保存一次 checkpoint，同时记录每类的 IoU 而不是只记平均 mIoU——这个习惯在下一章会看到，几乎是一个项目表象与真实效果不符时的第一道防线。

5. 避坑记录：训练和报警里最容易翻车的五个点

这个项目做下来，踩坑的时间比写代码的时间多。下面五条血泪经验按「现象 → 原因 → 解决」写，基本都是我们组里真实遇到过、并且回看时能对上根因的。

5.1 验证集 mIoU 很高，预测图却一塌糊涂

现象：训练时验证集 mIoU 到了 0.9 以上，导出模型跑出来的预测图几乎整张是背景色，漂浮物区域一片黑。

原因：类别极度不均衡。背景和水体占绝大多数像素，平均 mIoU 被大类别拉高，漂浮物类别 IoU 可能只有 0.05。平均指标好看不代表小类别被学会。

解决：训练日志里同时输出每类的 IoU，专门盯漂浮物那一行的变化；损失函数换成第 4 章的混合损失；如果漂浮物占比低于 0.1%，给类别 2 单独加权重。切换损失后，漂浮物 IoU 从接近 0 提升到能用的水平是常见结果。

5.2 水面波纹和反光被当成漂浮物

现象：推理时水面波纹、阳光反射区域被预测成漂浮物类别，报警消息里全是误报。

原因：波纹和反光在局部纹理上和漂浮物边缘很像，加上数据多来自白天监控，光照差异大。增强里只做了亮度对比度，没有针对性强化反光负样本。

解决：训练中保留充足的纯水面反光样本，让模型见过反光的多样性；后处理里对漂浮物连通域做最小面积过滤，低于阈值直接丢弃。这一层后处理通常能压掉一半以上误报。

5.3 报警量忽高忽低：面积阈值不可跨图比较

现象：面积阈值定在 5000 像素，有些图大量报警，有些图一个不报，看起来毫无规律。

原因：图片分辨率不一致，或模型输入做了固定 resize。相同面积的漂浮物，在不同原始分辨率下换算成像素数完全不同，固定像素阈值等于拍脑袋。

解决：统一推理流程，计算「漂浮物像素 / 水体像素」的面积占比，而不是绝对像素数；阈值先拿验证集统计面积占比分布再定，别凭感觉填。具体代码在第 6 章。

5.4 训练 OOM：模型和数据一起压爆显存

现象：batch size 设 8，crop 尺寸 769，ResNet101 主干，一启动直接 CUDA OutOfMemory。换 batch 2 能跑但太慢。

原因：三个因素叠加：ResNet101 中间特征图大、769×769 输入大、batch 8 放大太多。另外还要确认机器上有没有其他进程占显存——显存占用是门玄学。先看占用再改代码：

nvidia-smi --query-gpu=memory.used,memory.free --format=csv

解决：先跑 batch=1 确认基线，用梯度累积模拟大 batch；或把 crop 降回 513，观察验证曲线再平衡。主力卡 12G 的话，ResNet50 主干加 513 crop 加 batch 4 是性价比很高的组合。

5.5 河道效果好、近海效果崩

现象：训练集里 rivers 图多、sea 图少，模型在 rivers 点位验证 mIoU 很高，换到 sea 场景，漂浮物分割几乎失效。

原因：两个场景数据分布差距大——水面颜色、光照角度、漂浮物形态都不同，模型只拟合了数量多的那个场景。

解决：按场景分层采样，或把 sea 图片做水平翻转、亮度增强后复制进训练集，把场景比例拉平。课设时间紧，也可以接受「分场景出两个模型」，推理时按监控点位路由到对应模型——这在工业落地反而是常见的省力方案。

6. 报警消息输出：面积阈值判断与验证

训练完成后，模型输出的是每个像素的类别概率。报警模块要做的，是把概率图转成可用的业务消息。

import numpy as np from scipy import ndimage logits = model(tensor).squeeze(0) # (3, H, W) pred = logits.argmax(0).cpu().numpy() # 0 背景, 1 水体, 2 漂浮物 floating = (pred == 2).astype(np.uint8) labels, n = ndimage.label(floating) areas = ndimage.sum(floating, labels, range(1, n + 1)) ratio = floating.sum() / max((pred == 1).sum(), 1) for i, area in enumerate(areas, 1): if area >= min_area: ys, xs = np.where(labels == i) msg = { "image": name, "area_ratio": round(float(ratio), 4), "blob_area": int(area), "center": [int(xs.mean()), int(ys.mean())], } # 推送到业务端：print 或通过 HTTP / MQTT 转发

这个后处理里两个东西要标定。min_area 是单个连通域的最小像素数，低于它的噪点不报警；area_ratio 是最终报警判断指标，按第 5 章 5.3 的方法在验证集上统计分布，找到误报与漏报的平衡点。验证时不要把验证集当测试集，最好留一段完全没参与训练的点位序列，模拟新点位接入后的效果。课设演示时，把这段后处理串成一个小脚本，从图片输入到报警消息一条命令跑完，展示效果会完整很多。这个项目要交的核心是数据、模型配置和报警逻辑这三件套，拿到资源后按第 2 章的目录重构和数据体检顺序走一遍，训练、推理、报警这条链路就能完整复现。从那以后，我每次做分割项目都会强制走一遍这个流程：先统计每类 IoU，再跑一段未参与训练的数据看报警消息，确认面积阈值不是拍脑袋定的，才敢把模型交出去。希望帮到你。

本文还有配套的精品资源，点击获取