企业官网建设流程全解析

简介：面向船舶目标检测与监控场景，这套YOLOv5资源提供可直接使用的检测模型、训练权重以及配套船舶数据集，适合目标检测入门者和船舶识别项目开发者参考。数据集部分包含748张jpg原图、742个xml与740个txt标注文件，类别统一为boat，可同时用于VOC和YOLO两种格式的训练流程；代码部分提供31个py脚本、42个yaml配置以及2个pt权重文件，配合pyc、sh等辅助文件，完整覆盖数据准备、模型训练、验证与推理的常用环节。压缩包共2357个文件，大小约101.5MB，并附带训练日志、results.csv指标记录和批次预测可视化样例，便于理解训练过程与效果。目前已有615人学习，结合作者博文中的检测效果参考，可以快速验证模型表现，进而迁移到自有船舶数据做微调，节省从零搭建与调参的时间。整体目录结构清晰，既能作为课程项目实战素材，也可作为业务系统预研的基础工具包。

1. 水域目标检测为什么绕不开YOLOv5

船舶检测和常规目标检测最大的不同，在于画面里目标尺度跨度极大。港区摄像头下，近处的船能占半幅画面，航道远处的船只有二三十个像素，再加上水面波纹、岸线反光和桥墩遮挡，传统背景差分与帧间滤波很难稳住召回率。YOLOv5把CSP结构、PANet和Mosaic增强整合成一套可以直接迁移训练的工程化方案，配合预训练权重做微调，几百张标注图也能在单卡上训练出可用的船舶检测模型。

这份工程包含三样东西：标注好的船舶检测数据集（标签同时提供xml和txt两种格式，类别名统一为boat）、训练好的权重文件、以及YOLOv5-6.0版本完整代码。拿到手就能做数据检查、复现训练和推理验证，适合智慧港口、内河航道监控和海事安防项目做基线，也适合毕业设计直接在此基础上迭代。

2. 船舶样本的难点和YOLOv5-6.0的C3/PANet应对

2.1 船舶样本的尺度跨度与遮挡干扰

船舶目标有一个容易被忽略的特点：长宽比不稳定。货轮细长、拖轮短宽、快艇更接近方形，同一个boat类别里外形差异很大。这会导致锚框聚类时分布比较分散，如果沿用COCO的默认anchor，召回率会明显吃亏。

另一个干扰来自遮挡。港口场景里，船体被岸吊、集装箱、相邻船舶遮挡是常态，船头船尾露出来但船身被盖住的情况经常出现。水面波纹本身也是很强的纹理噪声，会让浅层特征图产生大量假激活。综合下来，船舶检测模型需要同时具备较强的语义特征提取能力，以及不依赖完整轮廓的判断能力，这正是C3和PANet结构擅长的方向。

2.2 C3模块对船舶特征提取的实际作用

YOLOv5-6.0的backbone使用CSPDarknet，核心是C3模块。C3把输入特征图分成两个分支，一个分支经过几个残差子模块提取深层语义，另一个分支直接跳接，最后在通道维度拼接。这个设计有两个实际收益：一是梯度回传路径更短，训练深层的船舶纹理特征不会梯度消失；二是计算量比同深度的ResNet块更小，可以留出算力把输入图像分辨率提高一档。

船舶检测中比较依赖C3的是对船体边缘和甲板纹理的响应。水面反光区域纹理很强，但语义上和一个完整的船体完全不同，C3通过残差结构让高层语义反过来约束浅层纹理响应，减小水面对检测头的干扰。这也是同一张图片用YOLOv5比用早期YOLOv3在近岸场景误检更少的主要原因。

2.3 PANet和三尺度输出如何服务小目标检测

Neck部分使用PANet结构，在FPN自顶向下融合语义信息的基础上，增加了一条自底向上的路径。自底向上路径的作用是保留空间位置信息，让深层特征图也能获得高分辨率的浅层特征补充。远处的小船在浅层特征图上还有响应，但经过几次下采样后可能只剩几个像素，没有PANet这条路径的话，小目标的梯度信号很难传回检测头。

Head部分输出80×80、40×40、20×20三组特征图，分别负责小、中、大目标。每个格点预测5个坐标值加类别数，本工程只有boat一个类别，所以每个格点输出(5+1)×3=18个值。三尺度输出意味着同一个船体可以同时被不同尺度的特征图感知，模型在推理时会根据尺寸自动分配检测头，这种设计在船舶远近尺度跨度大的场景里非常实用。

提示：如果想在6.0基础上继续提升小目标能力，可以尝试把PANet替换成BiFPN，但要注意这会增加concat权重参数，小数据集上容易过拟合，需要配合更强的正则化项。

3. 船舶数据集的目录组成与XML/TXT标签转换

3.1 数据集目录结构

拿到工程后，第一步不是急着训练，而是把数据集结构摸清楚。常见做法是把图片和标签按功能分目录存放，训练、验证、测试三个集合彼此隔离，避免训练脚本在划分数据时混入重复样本。

datasets/ship/ ├── images/ │ ├── train/ │ │ ├── img_001.jpg │ │ └── ... │ ├── val/ │ │ └── ... │ └── test/ │ └── ... ├── labels/ │ ├── train/ │ │ ├── img_001.txt │ │ └── ... │ ├── val/ │ │ └── ... │ └── test/ │ └── ... └── annotations/ ├── img_001.xml └── ...

图片文件存放在images目录下，对应标签放在labels目录下，文件名保持一致，只是扩展名不同。annotations目录里保留原始的Pascal VOC格式XML文件，这是为了方便人工审查标签边界，因为XML的可读性比一行数字的txt高很多。

3.2 XML标签到YOLO格式TXT的转换脚本

YOLOv5的训练管线读取的是TXT格式标签，每行内容为“类别ID 中心点x 中心点y 宽度 高度”，坐标都归一化到0到1之间。而标注工具如LabelImg默认输出Pascal VOC格式的XML，因此需要先做一个转换脚本把XML解析成TXT。

import xml.etree.ElementTree as ET import os def convert_xml_to_yolo(xml_path, out_dir, class_map={'boat': 0}): tree = ET.parse(xml_path) root = tree.getroot() img_w = int(root.find('size/width').text) img_h = int(root.find('size/height').text) lines = [] for obj in root.findall('object'): name = obj.find('name').text if name not in class_map: continue 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) x_center = (xmin + xmax) / 2 / img_w y_center = (ymin + ymax) / 2 / 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}") txt_path = os.path.join(out_dir, os.path.splitext(os.path.basename(xml_path))[0] + '.txt') with open(txt_path, 'w') as f: f.write('\n'.join(lines)) xml_files = [f for f in os.listdir('datasets/ship/annotations') if f.endswith('.xml')] for f in xml_files: convert_xml_to_yolo(os.path.join('datasets/ship/annotations', f), 'datasets/ship/labels/train')

这段脚本的关键是坐标归一化。XML里记录的是左上角和右下角的绝对像素坐标，而YOLO需要的是中心点坐标和宽高在图片尺寸上的比例，所以常见的错误是忘记除以图片宽高，直接把像素值写进TXT，导致训练时所有标注框都落在图片外面。脚本里用img_w和img_h做了统一归一化，避免这个问题。另外类别映射用的是字典，如果后续要增加类别，只需要在class_map里加一项。

3.3 数据拆分与损坏文件筛除

数据拆分要在转换完成之后做，并且保证图片和标签同步移动。这里给出一个按比例拆分的脚本，同时对缺失标签的图片做过滤，避免训练中途因为找不到对应TXT文件而崩溃。

import os import random image_dir = 'datasets/ship/images' label_dir = 'datasets/ship/labels' imgs = [f for f in os.listdir(image_dir) if f.endswith(('.jpg', '.jpeg', '.png'))] random.seed(42) random.shuffle(imgs) train_ratio, val_ratio = 0.8, 0.15 n = len(imgs) train_imgs = imgs[:int(n * train_ratio)] val_imgs = imgs[int(n * train_ratio):int(n * (train_ratio + val_ratio))] test_imgs = imgs[int(n * (train_ratio + val_ratio)):] def write_list(path, img_list): with open(path, 'w') as f: for name in img_list: txt_path = os.path.join(label_dir, name.replace('.jpg', '.txt').replace('.jpeg', '.txt').replace('.png', '.txt')) if not os.path.exists(txt_path): continue f.write(os.path.join(image_dir, name) + '\n') write_list('ship_train.txt', train_imgs) write_list('ship_val.txt', val_imgs) write_list('ship_test.txt', test_imgs)

这个脚本的核心思路是先打乱图片列表，再按比例切分。写文件时检查对应TXT是否存在，不存在的图片自动跳过，这样就把数据质量问题的风险挡在训练之前。随机种子固定为42，保证每次拆分结果一致，方便复现实验。复制划分后建议手动抽查几个TXT标签，确认坐标值都在0到1之间，且目标框数量不为零。

提示：如果发现某个图片和标签文件没有对齐，优先查看是不是文件名带了空格或中文，YOLOv5的DataLoader在Windows下解析这类路径容易出问题，统一改成英文字母加下划线的命名风格最稳妥。

4. 单类别训练脚本的配置与超参数调整

4.1 数据配置文件ship.yaml的写法

YOLOv5通过YAML文件描述数据集路径和类别信息，训练前要把上一步生成的三个TXT文件路径写进去。单类别场景的配置非常简单，只需要指定类别数和类别名两个核心字段。

train: ship_train.txt val: ship_val.txt test: ship_test.txt nc: 1 names: ['boat']

train和val字段对应训练集和验证集的图片路径列表，test字段可以留空，也可以在推理阶段指定测试图片列表。nc表示类别数量，这里只有boat一个类别，所以为1。names列表的顺序必须和训练时TXT标签里的类别ID一一对应，ID为0对应boat，如果后续新增类别，ID顺序不能随意调整。

4.2 训练命令与关键超参数说明

训练推荐从官方预训练权重出发做迁移学习，而不是随机初始化。预训练权重是在COCO数据集上训练出来的，已经学会了通用的边缘、纹理和形状特征，船舶检测任务只需要微调最后几层，训练速度更快，收敛也更稳定。

python train.py \ --data ship.yaml \ --weights yolov5s.pt \ --img 640 \ --epochs 100 \ --batch-size 16 \ --device 0

train.py是YOLOv5-6.0的训练入口，--data指定数据集配置，--weights指定预训练权重路径，--img设置输入图片尺寸为640×640，--epochs设置训练轮数为100，--batch-size设置每批样本数量为16，--device指定使用第一块GPU。

这几个参数中最影响训练结果的是--img和--batch-size。图片分辨率越大，小目标的像素越多，但显存占用也越高，如果GPU显存只有8G，建议把img降到512或者把batch-size降到8。batch-size偏小时BatchNorm的统计量不稳定，容易导致训练震荡，解决办法是开启--sync-bn或者用更大的batch配合梯度累积。

4.3 权重保存与断点续训注意点

训练过程中会自动在runs/train/exp目录下保存last.pt和best.pt两个权重。last.pt是每一轮结束时的最新权重，best.pt是验证集mAP最高的权重。实际推理时应该优先用best.pt，因为last.pt可能已经过拟合而你没注意到。

如果训练中途因为断电或显存溢出中断，不需要重新开始，YOLOv5直接支持从断点继续训练。

python train.py --resume runs/train/exp2

--resume参数接收上一次训练的exp目录，脚本会自动读取目录下的last.pt和优化器状态，从断点处继续训练。需要特别注意的是，断点续训时不能再传--weights和--epochs，否则会跟原来的训练配置冲突。恢复训练后先观察前两轮的loss曲线是否延续中断前的走势，如果出现明显跳变，说明优化器状态没有正确加载，建议删掉exp目录重新训练。

5. 推理验证和漏检误检的优化手段

5.1 用训练好的权重跑推理

训练完成后，用detect.py对测试集图片做推理，验证模型的泛化效果。推理时可以通过--conf-thres和--iou-thres两个阈值来调节检测行为的松紧程度。

python detect.py \ --weights runs/train/exp/weights/best.pt \ --source datasets/ship/images/test \ --conf-thres 0.35 \ --iou-thres 0.45 \ --save-txt \ --save-conf

--weights指定训练好的权重，--source指定测试图片目录，--conf-thres是置信度阈值，低于这个值的检测框会被丢弃，--iou-thres是NMS去重阈值，两个框的IoU超过这个值会合并。--save-txt表示把检测结果保存为TXT文件，--save-conf表示同时保存每个框的置信度。

船舶检测场景里，置信度阈值建议从0.35开始调。如果漏检多，把conf-thres调低，但要注意误检会随之增多；如果误检多，把conf-thres调高。NMS阈值也可以配合调整，船舶密集交错时，适当调低iou-thres可以减少重复框，但过度调低会导致同一艘船被拆成多个框。

5.2 从results.csv判断模型是否收敛

YOLOv5训练过程中会把每个epoch的loss和指标写入results.csv，这个文件是判断模型是否收敛、是否过拟合的重要依据。可以用一个简单的脚本把关键指标画出来。

import pandas as pd import matplotlib.pyplot as plt df = pd.read_csv('runs/train/exp/results.csv') df = df.rename(columns=lambda x: x.strip()) plt.figure(figsize=(10, 5)) plt.plot(df['epoch'], df['train/box_loss'], label='box_loss') plt.plot(df['epoch'], df['val/box_loss'], label='val_box_loss') plt.legend() plt.xlabel('epoch') plt.ylabel('loss') plt.savefig('loss_curve.png')

results.csv的列名里带空格，读取后需要strip掉才能正常按列名索引。红色曲线和蓝色曲线分别是训练集和验证集的box loss，验证集loss在训练后期如果出现持续上升而训练集loss还在下降，基本可以判断过拟合已发生，早停的epoch就是当前最优解。

5.3 针对船舶场景的调优方向

船舶检测的调优有一个鲜明的方向性：多数项目不差大船的检出率，差的是远处小船和遮挡场景的召回率。先说远处小船，如果你的验证集里小目标占比高，建议跑一次validation脚本，查看按尺寸分层的AP值。YOLOv5的val.py会输出不同尺寸目标的AP，如果小目标AP明显低于中目标和大目标，说明模型对小目标响应不足。常见处理是增加高分辨率贴片训练，把原图切成四块并放大到640作为额外训练样本，代价是训练时间接近翻倍。

再说遮挡场景，多船并靠时检测框容易互相吞并，NMS把两个紧邻的船的框合并成一个。这种情况可以尝试把--iou-thres在推理时调低到0.4，并且检查训练时使用的anchor是否需要重新聚类。YOLOv5提供了自动聚类anchor的脚本，运行python utils/autoanchor.py --data ship.yaml会在训练前计算最优anchor，贴一下结果对比默认anchor的召回率差异，如果提升明显，值得在训练配置中加上--noautoanchor=False保持自动聚类结果。

最后是一个容易被忽略的点：测试图片的分布是否和训练集一致。如果训练集全是港口货轮，测试集混进海面快艇，模型的类别内泛化能力会明显下降。这种情况优先补充快艇角度的数据，而不是继续调超参数。逻辑很直接，模型没见过足够多的形态，任何参数调整都无法弥补分布差异带来的损失。

提示：调优阶段每次改动只调整一个变量。同时改分辨率、置信度阈值和数据增强策略，确实会有可见的变化，但你会不知道设备包含第5章最终提示的边界，无法形成可复用的调试结论。

本文还有配套的精品资源，点击获取