企业官网建设流程全解析

简介：这份资源面向计算机视觉方向的科研人员、算法工程师与深度学习入门者，提供一套可直接用于性别检测与分类训练的人脸数据集。数据源自真实手机采集，共300张高质量人脸图片，按woman与man两个子集完成分类与标注，可用于人脸检测、特征提取及性别分类等算法实验，也适合作为课程设计与模型验证的素材。压缩包共505个文件，约339.41MB，包含317个Python脚本、48个配置文件、29个proto定义及若干模型权重与配置，覆盖SSD、MTCNN等检测框架的部署与训练流程，另有少量图片、视频与记录文件辅助验证。已有59人学习下载。借助该资源，读者可快速搭建性别分类流水线，结合Faster R-CNN、Mean-shift与卡尔曼滤波实现人流统计，并参考现成配置与脚本完成模型微调与效果对比，节省数据采集与标注成本。

1. 300 张手机人脸图做性别分类：这个数据集到底能不能打

拿到一个「300 张、woman/man 二分类、手机采集、已划分标注」的人脸性别数据集，第一反应往往是嫌小。我一开始也这么想，毕竟公开人脸集动辄几十万张。但真正在端侧和业务场景里跑过几轮之后，结论会反过来：小样本、真实手机采集、已做分类划分这三个属性凑在一起，恰恰是很多团队缺的那块拼图。公开大数据集大多是棚拍、单反、白平衡统一，模型在实验室刷到 99%，一上真实手机前置摄像头就翻车，玄学得很。

这个标题讲的就是这么一件事：用一份 300 张量级、已经分好 woman 和 man 两类、带标注划分的真实手机人脸图，去跑通一个深度学习性别分类的最小闭环。它解决的不是「刷 SOTA」，而是「我手上没有干净可用的真实分布数据，怎么快速验证一条 pipeline 到底通不通」。适合两类人：一类是刚入门深度学习、想找一个能完整走完训练到推理的小数据集练手；另一类是做端侧或业务落地，需要一份贴近真实手机成像的验证集来卡阈值、看边界。300 张不多，但足够让你把数据管线、增强策略、过拟合判断这些真正决定成败的环节全部踩一遍。

2. 先想清楚：300 张图为什么还能训，以及怎么划分才不骗自己

2.1 小样本性别分类的可行性边界在哪

性别分类本质是一个二分类任务，相比人脸识别、表情识别，它的类内差异小、类间差异大——成年男女在面部结构、发际线、胡须、妆容上的统计差异相当稳定。这意味着模型不需要学到特别细的判别特征，一个中等容量的 CNN 就能拿到不错的准确率。300 张图，按 8:1:1 划分大约是 240 训练 / 30 验证 / 30 测试，训练集每类 120 张左右。这个量级用迁移学习完全够用，从头训基本没戏。

关键判断是：你要的是泛化到真实手机场景，还是只在这个数据集上好看。如果是前者，300 张的价值在于它和你的目标分布接近；如果是后者，那随便一个大数据集切 300 张效果更好。我一般会先问自己这个问题，答案决定了后面所有参数怎么设。

迁移学习是这里唯一理性的选择。ImageNet 预训练的 ResNet18、MobileNetV3、EfficientNet-B0 都可以，参数量从 1.2M 到 5M 不等。300 张图微调，冻结主干只训分类头是最稳的起点，等验证集准确率上不去了再解冻最后几个 block。这个顺序别搞反，一上来就全量微调，30 张验证集根本兜不住，loss 曲线会像过山车。

2.2 划分比例与防泄漏：别让同一张脸跨集

小数据集最容易犯的错是随机划分导致数据泄漏。如果同一个人有多张照片，随机分到训练和验证两边，验证准确率会虚高十几个点，你以为模型学会了，其实它记住了这张脸。手机采集的数据集尤其要注意，同一个人可能连拍了好几张。

正确做法是按身份划分，同一身份的所有图片必须落在同一个集合里。如果数据集没有提供身份标签，退而求其次，用感知哈希或人脸 embedding 做去重聚类，把相似度高于阈值的图归为一组再划分。这一步多花半小时，能省掉后面几天的自我怀疑。

import os import random from collections import defaultdict # 假设目录结构: dataset/woman/*.jpg, dataset/man/*.jpg # 若文件名或附带 csv 含身份信息，按身份分组；否则用文件名前缀近似 def group_by_identity(root): groups = defaultdict(list) for cls in ["woman", "man"]: cls_dir = os.path.join(root, cls) for fname in os.listdir(cls_dir): # 这里用文件名前缀作为身份近似，实际应替换为真实身份字段 identity = fname.split("_")[0] groups[(cls, identity)].append(os.path.join(cls_dir, fname)) return groups def split_groups(groups, ratios=(0.8, 0.1, 0.1), seed=42): random.seed(seed) keys = list(groups.keys()) random.shuffle(keys) n = len(keys) n_train = int(n * ratios[0]) n_val = int(n * ratios[1]) train_keys = keys[:n_train] val_keys = keys[n_train:n_train + n_val] test_keys = keys[n_train + n_val:] def collect(ks): out = [] for k in ks: out.extend(groups[k]) return out return collect(train_keys), collect(val_keys), collect(test_keys) groups = group_by_identity("dataset") train, val, test = split_groups(groups) print(len(train), len(val), len(test))

这段代码的核心逻辑是先按身份聚合，再对身份做划分，而不是对图片做划分。ratios控制训练/验证/测试比例，seed固定保证可复现。identity的提取方式要根据实际数据调整，如果数据集自带标注文件，直接读标注里的身份字段最可靠。跑完打印三个集合的图片数，如果验证集少于 20 张，说明身份粒度太细，需要放宽分组策略。

提示：划分完一定要检查三个集合的类别比例是否接近 1:1，小数据集随机划分很容易出现某一类在验证集里只有个位数的情况。

3. 从零跑通训练：PyTorch 数据管线、增强与迁移学习参数

3.1 数据增强：手机人脸图该加什么、不该加什么

手机采集的人脸图有几个特点：光照不均、轻微模糊、角度偏转、背景杂乱。增强策略要针对这些特点来，而不是照搬 ImageNet 那套。水平翻转可以用，性别分类里左右脸对称性不影响标签。随机裁剪和缩放可以用，模拟人脸在画面中占比变化。颜色抖动要克制，手机白平衡本身就不稳，再加剧烈色彩扰动会让模型学到无关特征。

不要用垂直翻转，人脸倒过来在真实场景里几乎不出现，加了只会增加噪声。不要用大角度旋转，超过 15 度的旋转在手机自拍里很少见，而且会引入大量黑边。RandomErasing 可以小概率用，模拟遮挡，但概率别超过 0.3，300 张图经不起太多破坏。

import torch from torch.utils.data import Dataset, DataLoader from torchvision import transforms from PIL import Image class FaceGenderDataset(Dataset): def __init__(self, file_list, labels, transform=None): self.file_list = file_list self.labels = labels # 0: woman, 1: man self.transform = transform def __len__(self): return len(self.file_list) def __getitem__(self, idx): img = Image.open(self.file_list[idx]).convert("RGB") label = self.labels[idx] if self.transform: img = self.transform(img) return img, label # 训练增强：翻转 + 轻裁剪 + 轻度色彩抖动 train_tf = transforms.Compose([ transforms.Resize((256, 256)), transforms.RandomResizedCrop(224, scale=(0.8, 1.0)), transforms.RandomHorizontalFlip(p=0.5), transforms.ColorJitter(brightness=0.2, contrast=0.2, saturation=0.1), transforms.ToTensor(), transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225]), ]) # 验证/测试：只做确定性预处理 val_tf = transforms.Compose([ transforms.Resize((256, 256)), transforms.CenterCrop(224), transforms.ToTensor(), transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225]), ])

RandomResizedCrop的scale=(0.8, 1.0)是关键参数，控制裁剪后人脸占比的变化范围。手机自拍人脸通常占画面 30% 到 70%，这个范围能覆盖大部分情况。ColorJitter的四个参数都压得比较低，brightness和contrast各 0.2，saturation只给 0.1，避免颜色增强过猛。归一化用的是 ImageNet 统计量，因为主干是 ImageNet 预训练的，这一步必须对齐，否则预训练权重白搭。

3.2 迁移学习训练循环与三个必调参数

模型选 MobileNetV3-Small 起步，参数量 2.5M 左右，300 张图微调不容易过拟合，推理也快。加载预训练权重后，先把主干全部冻结，只训最后的分类层。等验证集准确率连续 3 个 epoch 不涨，再解冻最后一个 block 做小学习率微调。

import torch.nn as nn from torchvision import models def build_model(num_classes=2, freeze_backbone=True): model = models.mobilenet_v3_small(weights=models.MobileNet_V3_Small_Weights.IMAGENET1K_V1) if freeze_backbone: for param in model.features.parameters(): param.requires_grad = False in_features = model.classifier[3].in_features model.classifier[3] = nn.Linear(in_features, num_classes) return model model = build_model() criterion = nn.CrossEntropyLoss() # 只优化需要梯度的参数 optimizer = torch.optim.AdamW( filter(lambda p: p.requires_grad, model.parameters()), lr=1e-3, weight_decay=1e-4 ) scheduler = torch.optim.lr_scheduler.CosineAnnealingLR(optimizer, T_max=30)

三个必调参数：学习率、weight_decay、batch_size。冻结阶段学习率给 1e-3，解冻后降到 1e-4 甚至 1e-5。weight_decay设 1e-4 是二分类小数据集的常用起点，过拟合明显就加到 1e-3。batch_size受限于 240 张训练图，设 16 或 32 都行，设 16 时一个 epoch 有 15 个 step，梯度更新足够频繁。CosineAnnealingLR的T_max设成总 epoch 数，让学习率平滑衰减到底。

训练循环里每个 epoch 记录训练 loss、验证 loss 和验证准确率。小数据集上，训练 loss 持续下降但验证 loss 开始上升，就是过拟合的明确信号，这时候要么加正则，要么提前停。我一般设 patience=8，验证 loss 连续 8 个 epoch 不降就停。

3.3 验证集只有 30 张，指标怎么看才不虚

30 张验证集，一张图就是 3.3 个百分点。准确率从 86.7% 跳到 90% 可能只是多对了一张。这种情况下单看准确率会骗自己，必须同时看混淆矩阵和每类召回率。性别分类里，如果 woman 召回率明显低于 man，说明模型偏向预测 man，可能是训练集里 man 的图片特征更集中，或者 woman 的图片里侧脸、遮挡更多。

from sklearn.metrics import confusion_matrix, classification_report def evaluate(model, loader, device): model.eval() all_preds, all_labels = [], [] with torch.no_grad(): for imgs, labels in loader: imgs = imgs.to(device) outputs = model(imgs) preds = outputs.argmax(dim=1).cpu().numpy() all_preds.extend(preds) all_labels.extend(labels.numpy()) print(confusion_matrix(all_labels, all_preds)) print(classification_report(all_labels, all_preds, target_names=["woman", "man"], digits=3))

classification_report会输出每类的 precision、recall、f1。小验证集上，recall 比 precision 更值得关注，因为漏判的代价通常比误判高。如果两类 recall 差距超过 10 个百分点，就要回头查数据分布，而不是调模型。混淆矩阵能直接看出错分方向，woman 被错判成 man 多，还是反过来多，对应不同的数据问题。

注意：验证集和测试集都要用val_tf，不能带任何随机增强。测试集只在最后跑一次，跑之前不要看结果，否则调参就变成了对测试集的过拟合。

4. 避坑与排查：300 张图训练时最容易翻车的 5 个地方

4.1 现象：训练准确率 100%，验证准确率卡在 50%

原因：模型完全记住了训练集，泛化能力为零。300 张图里每类 120 张，参数量 2.5M 的模型容量远超数据量，不加约束必然过拟合。

解决：先确认主干是否真的冻结了，requires_grad检查一遍。然后加weight_decay到 1e-3，加 dropout（MobileNetV3 分类头自带 dropout，可以把model.classifier[2]的 p 调到 0.3）。增强强度可以适当加大，RandomResizedCrop的 scale 下限降到 0.7。如果还不行，换更小的模型，比如把 MobileNetV3-Small 换成自定义的 4 层 CNN。

4.2 现象：验证 loss 震荡剧烈，准确率忽高忽低

原因：验证集太小，30 张图的 loss 方差本身就大；加上 batch_size 小，每个 batch 的梯度噪声大。

解决：把验证集扩到 60 张，从训练集里再匀一部分过来，训练集降到 210 张仍然够用。训练时用梯度累积，累积 4 个 batch 再更新一次，等效增大 batch_size。学习率调低一个数量级，从 1e-3 降到 3e-4。评估时不要只看最后一个 epoch，用最近 5 个 epoch 的滑动平均。

4.3 现象：woman 类召回率只有 60%，man 类 95%

原因：数据不平衡或特征分布差异。可能 woman 图片里侧脸、戴口罩、遮挡的比例更高，模型学到的 woman 特征不够鲁棒。

解决：先统计两类的图片质量分布，模糊度、人脸占比、角度。如果 woman 类确实更难，用类别加权损失，CrossEntropyLoss(weight=torch.tensor([1.5, 1.0]))。或者对 woman 类做更强的增强，增加其样本多样性。还可以用 focal loss 替代交叉熵，让模型关注难分样本。

4.4 现象：推理时同一张图多次预测结果不一致

原因：推理时忘了切model.eval()，BatchNorm 和 Dropout 还在训练模式，每次前向传播结果都不同。

解决：推理前必须model.eval()，并且用torch.no_grad()包住。如果用了 TTA（测试时增强），要确保增强是确定性的，不能带随机。检查数据预处理是否和训练时一致，特别是归一化参数，用错统计量会导致特征分布偏移。

4.5 现象：换一批新手机拍的图，准确率掉 20 个点

原因：域偏移。训练集的手机型号、光照条件、拍摄角度和新数据不一致，模型学到的特征和特定域绑定。

解决：这是小数据集的固有局限，300 张图覆盖不了所有手机成像风格。缓解办法是在训练时加更强的颜色和光照增强，ColorJitter的 brightness 和 contrast 提到 0.4，加RandomGrayscale(p=0.1)降低对颜色的依赖。如果目标域明确，收集 50 张目标域的图做微调，效果比任何增强都直接。

5. 把 300 张图用到极致：分层采样、阈值校准与推理封装

300 张图的训练集，如果只是随机采样，每个 epoch 看到的组合有限。我一般会用分层采样，保证每个 batch 里 woman 和 man 的比例严格 1:1，同时让每个 epoch 的样本顺序不同。WeightedRandomSampler可以做到这一点，给每个样本按类别赋权重，采样时按权重抽。

from torch.utils.data import WeightedRandomSampler def make_sampler(labels): class_counts = [labels.count(0), labels.count(1)] weights = [1.0 / class_counts[l] for l in labels] sampler = WeightedRandomSampler(weights, num_samples=len(labels), replacement=True) return sampler train_labels = [0] * 120 + [1] * 120 # 按实际标签替换 sampler = make_sampler(train_labels) train_loader = DataLoader(train_dataset, batch_size=16, sampler=sampler)

WeightedRandomSampler的replacement=True允许重复采样，小类别会被多抽几次。num_samples设成训练集大小，保证每个 epoch 的 step 数和普通采样一致。这个采样器在类别不平衡时特别有用，但即使类别平衡，它也能让每个 batch 的类别分布更稳定，减少梯度噪声。

阈值校准是另一个提分点。默认 argmax 相当于阈值 0.5，但业务场景里你可能更怕漏判某一类。用验证集画 ROC 曲线，找到使 Youden index 最大的阈值，或者直接按业务需求定。比如安防场景里，把 woman 的判定阈值降到 0.4，宁可误判也不漏判。校准后的阈值要写进推理代码，不能还用 0.5。

import numpy as np from sklearn.metrics import roc_curve def find_best_threshold(model, loader, device): model.eval() probs, labels = [], [] with torch.no_grad(): for imgs, lbls in loader: imgs = imgs.to(device) outputs = torch.softmax(model(imgs), dim=1) probs.extend(outputs[:, 1].cpu().numpy()) # man 类概率 labels.extend(lbls.numpy()) fpr, tpr, thresholds = roc_curve(labels, probs) youden = tpr - fpr best_idx = np.argmax(youden) return thresholds[best_idx] best_thr = find_best_threshold(model, val_loader, device) print(f"best threshold: {best_thr:.3f}")

推理封装时，把预处理、模型前向、阈值判断打包成一个函数，输入是图片路径或 PIL Image，输出是类别和置信度。预处理必须和验证时完全一致，Resize(256)+CenterCrop(224)+ 归一化，一步都不能少。如果部署到端侧，还要考虑把模型转成 ONNX 或 TorchScript，MobileNetV3-Small 转完后大概 10MB 以内，手机 CPU 上单张推理 20ms 左右。

最后说个我自己的习惯：每次训完模型，我会把验证集里分错的图单独存一个文件夹，肉眼过一遍。300 张图里错的那几张，往往能告诉你数据本身的问题——可能是标注错了，可能是人脸太小，可能是极端光照。模型指标只是黑匣子给你的信号，真正的原因还得靠眼睛看。这个习惯帮我省过很多次盲目调参的时间。希望帮到你。

本文还有配套的精品资源，点击获取