企业官网建设流程全解析

简介：交通标志物图像分类数据集涵盖43个常见类别，包括红绿灯、限速、左右转等标志，适合计算机视觉模型训练与算法验证，也可作为YOLOv5分类任务的数据输入。数据已按训练集、验证集、测试集拆分，train含31,374张图片，val与test各7,835张，所有样本按文件夹保存，可直接通过ImageFolder读取，无需额外清洗或格式转换。压缩包共2000个文件，含1999张jpg图像和1个json中文字典，整体大小约58.4MB，便于本地下载与快速试验。json字典提供了43类交通标志的中文标签对照，能提升实验记录和结果展示的便利性。目前已有333人学习，适合入门级视觉项目、课程设计及工程实践，可帮助开发者省去数据整理环节，直接聚焦模型调优与效果提升。

1. 交通标志物图像分类数据集：为什么你的模型总在红绿灯上翻车

交通标志物图像分类数据集，就是把限速牌、禁令标志这类标志物从路拍图里截出来后，按图像分类的格式组织成训练集、验证集、测试集三部分，解决自动驾驶和路侧感知里一个前置问题：感知系统框出标志候选区域后，判断这一小块图到底属于哪类。这个标题的看点不在模型多花哨，而在划分与评估口径——训练集喂权重，验证集调超参、选模型，测试集出最终判定。适合做课程设计和竞赛的学生、刚接手感知算法岗的工程师，以及想验证 ResNet 或 ViT 泛化能力的算法同学。反直觉的是，这类任务的难点不是把训练准确率刷到 99%，而是测试集分数稳定可复现；换一个城市、换一个拍摄角度，模型就可能翻车。下面按拿到数据集后的实际操作顺序走。

2. 拿到交通标志数据集先做三件事：目录结构摸底、平衡性检查、划分文件核对

拿到这样一个数据集，第一件事不是写训练代码，而是把目录当成黑匣子拆开看。常见做法是，发布者把数据按 train、val、test 三个目录放好，每个目录内部再按类别建子文件夹，因为 PyTorch 的torchvision.datasets.ImageFolder可以直接按这个结构读。但现实里总有例外：有的把验证集和测试集合并发布，有的测试集不给你标注，只给一份 id 清单，少数数据集还会把类别文件夹命名为“1”“2”而不是从 0 开始。这些差异不会在训练时报错，但会在你画混淆矩阵、报测试集分数的时候变成莫名其妙的偏差。

2.1 目录结构长什么样：train/val/test 三件套的约定与例外

先看一个典型目录结构，后面所有代码都假设数据集长这样：

data/ train/ 0/ p0001.jpg p0002.jpg 1/ ... val/ 0/ 1/ test/ 0/ 1/

类别数字对应的语义标签由发布方提供一份 csv，比如 0 表示限速 40，1 表示禁止左转，2 表示解除限速。如果你的数据集把标注写进 CSV、图片全部平铺在一个文件夹里，我会先用一小段脚本把它们重排成上面这个目录，而不是去改训练代码，因为 ImageFolder 真的省事。重排时有一个关键点：类别编号必须从 0 开始且连续，中间缺了某个编号，交叉熵损失的类别数就对不上。

这套 train/val/test 划分不是交通标志领域独有的。像 CCPD 车牌数据集、HRSC2016 这类遥感目标检测数据集也都遵守同样的三件套约定，只是它们的标签从分类类别变成了检测框。如果你以前在这些数据集上做过目标检测，会发现思路完全一致：先摸清划分结构，再检查样本数量和标注质量，最后才选网络。我的习惯是拿到任何一个新数据集，先花半小时把目录结构、类别总数、每类样本数填进一张纸上，再考虑模型怎么选。

2.2 五张图看数据：类别分布、样本尺寸与格式的快速体检脚本

体检脚本我一般写成一个独立的小文件inspect.py，不放进训练工程里，避免污染主流程。下面这段代码会统计每个类别的样本数、图片尺寸和文件格式，并输出最小类和最大类的样本数：

import os from collections import Counter from PIL import Image root = "data/train" class_count = Counter() size_set = set() fmt_count = Counter() for cls in sorted(os.listdir(root)): cls_path = os.path.join(root, cls) if not os.path.isdir(cls_path): continue n = 0 for name in os.listdir(cls_path): if not name.endswith((".jpg", ".png", ".jpeg")): continue img = Image.open(os.path.join(cls_path, name)) size_set.add(img.size) fmt_count[img.format] += 1 n += 1 class_count[int(cls)] = n print("类别数:", len(class_count)) print("每类样本数:", dict(sorted(class_count.items()))) print("最小类样本数:", min(class_count.values())) print("最大类样本数:", max(class_count.values())) print("出现过的尺寸:", size_set) print("图片格式:", fmt_count)

这段脚本会直接告诉你三个关键信息：类别是否平衡、图片尺寸是否统一、格式是否混杂。如果最小类样本只有几十张而最大类有几千张，说明类别不平衡严重，后面要用加权采样或针对少数类做增强。如果size_set里出现了多种尺寸，比如 90x90、100x100、120x120 混在一起，你需要统一 resize，而不是让 DataLoader 报错后才发现。如果 png 和 jpg 混用，注意 PNG 可能带透明通道，读成 RGB 时背景会变成黑色，这种样本对分类的干扰比想象中大。

尺寸这块有一个容易被忽略的点：交通标志原始图片的目标占比差异很大。有的样本是从远距离路拍图里截出来的，标志只占画面中心一小块，周围是天空和路面；有的样本是近距离侧拍，标志几乎撑满整张图。两种图在 resize 到 224x224 后语义完全不同。所以我一般会在体检脚本里顺手记录宽高比分布，如果过于分散，预处理里就补一个居中的 resize 裁剪，而不是简单粗暴地整体拉伸。

2.3 划分文件别乱动：训练集、验证集、测试集之间的三个边界条件

目录结构摸清楚之后要管住自己，不要随手把三个目录里的文件互相拷来拷去。训练集、验证集、测试集之间存在三个边界条件，任何一个被打破都会让最终结果失真。

第一个边界条件是数据不泄露。视频抽帧型数据集尤其容易出问题：同一块标志牌在连续几帧里被截出来，长得几乎一样，如果前一帧分进训练集、后一帧分进验证集，模型在验证集上的分数会虚高。检查方法很简单，对图片做感知哈希，看验证集里是否出现过与训练集高度相似的样本。我见过一个项目因为没查这一步，验证集准确率比测试集高出 12 个百分点，整个调参过程都被这个虚高分数带偏了。

第二个边界条件是测试集只能碰一次。测试集应该只在训练完全结束后跑一遍，用来对外报数字。如果有人反复拿测试集结果去调学习率和增强参数，那测试集的评估作用就退化成了第二个验证集，泛化结论不可信。我一般会在工程里把 test_loader 单独放一个脚本，训练代码里不加载测试集，从物理上避免手滑。

第三个边界条件是预处理必须完全一致。训练、验证、测试三套数据走同一个 transforms 流水线，尤其是归一化用的均值和标准差必须固定为同一组数。很多人训练时做了随机裁剪，验证和测试时忘了改成中心裁剪，导致的后果是验证集分数上下浮动很大，让你误以为模型不稳定，其实只是预处理口径对不上。这三条边界守住，后面调模型才有意义。

3. 用 ResNet18 在本地跑通最小训练：从 PyTorch Dataset 到验证集选模型

目录结构摸清后，选一个轻量 backbone 把闭环跑通。我推荐 ResNet18，不是因为它最强，而是它的预训练权重好找、单卡显存占用低、在交通标志这类小图分类上很稳。有一个常见误区要提一下：很多人习惯拿着 YOLOv8 去练图像分类，那是目标检测的思路；这个任务属于图像分类，用 ResNet 一类的分类 backbone 更直接。如果后续真要去框标志位置再做检测，那时候再上 YOLO 或 DEIM 这类检测模型不迟。先把分类这件事做扎实。

3.1 自定义 Dataset 的写法：把目录里的图片读成标签与路径

目录结构是 ImageFolder 格式时，最省事的方式是直接用torchvision.datasets.ImageFolder。但实际项目里我更愿意写一个自定义 Dataset，原因有两个：一是后面要加样本级别的调试逻辑，二是数据集的标注格式可能从目录变成 CSV，自定义类改动起来更可控。下面是一个极简版本：

import os import torch from PIL import Image from torch.utils.data import Dataset class SignDataset(Dataset): def __init__(self, root_dir, transform=None): self.samples = [] # 每个元素是 (图片路径, 类别id) self.transform = transform for cls_id in sorted(os.listdir(root_dir)): cls_path = os.path.join(root_dir, cls_id) if not os.path.isdir(cls_path): continue for name in os.listdir(cls_path): if name.endswith((".jpg", ".png", ".jpeg")): self.samples.append( (os.path.join(cls_path, name), int(cls_id)) ) def __len__(self): return len(self.samples) def __getitem__(self, idx): path, label = self.samples[idx] img = Image.open(path).convert("RGB") if self.transform: img = self.transform(img) return img, label

注意__getitem__里加了convert("RGB")，这一步不是可有可无。交通标志数据集里经常混着灰度图或带透明通道的 PNG，不加这个转换，训练到一半会因为通道数不一致抛出形状不匹配的报错，而且这种报错通常发生在第一个 epoch 结束之后，浪费不少时间。类别 id 这里直接取文件夹名转 int，所以 2.1 节里说的“编号必须连续且从 0 开始”如果没守好，在这里就会提前暴露。

3.2 数据加载器与预处理：归一化参数不要自己瞎猜

Dataset 定义好之后，transforms 和 DataLoader 是下一个关键点。交通标志图片尺寸不一，我统一缩放到 224x224，这是 ResNet 的标准输入。训练时用随机缩放裁剪加水平翻转，验证和测试用中心裁剪：

from torchvision import transforms from torch.utils.data import DataLoader train_tf = transforms.Compose([ transforms.RandomResizedCrop(224, scale=(0.6, 1.0)), # 目标占比较小时别把裁剪比例调太低 transforms.RandomHorizontalFlip(), transforms.ToTensor(), transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225]), ]) val_tf = transforms.Compose([ transforms.Resize(256), transforms.CenterCrop(224), # 验证/测试必须用确定性预处理 transforms.ToTensor(), transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225]), ]) train_loader = DataLoader( SignDataset("data/train", train_tf), batch_size=64, shuffle=True, num_workers=4, drop_last=True ) val_loader = DataLoader( SignDataset("data/val", val_tf), batch_size=64, shuffle=False, num_workers=4 )

归一化的均值和标准差我直接沿用 ImageNet 的统计值，不自己算。原因是预训练模型是在 ImageNet 的数值分布上调出来的，如果换一套均值和标准差，相当于改变了输入分布，微调时收敛速度会明显变慢。很多实现里验证也用 RandomResizedCrop，这是错的：验证集要的是稳定评估，引入随机性会让每个 epoch 的验证准确率上下抖动，你很难判断模型是真的在变好还是随机波动。

这里RandomResizedCrop的 scale 参数选了 0.6 到 1.0。交通标志是目标占据画面中心的结构化物体，裁剪比例太小时，标志主体容易切掉，反而模拟出了现实中不存在的遮挡。如果你的数据来自行车记录仪，目标大小变化很大，可以把下限放到 0.4；如果样本都是近景特写，0.7 到 1.0 更合理。这个参数属于典型的“看着不起眼、影响很大”的增强项。

注意：训练集可以用随机增强，验证集和测试集必须用确定性预处理（中心裁剪 + 同一组归一化参数），否则验证分数上下抖动，你会误判模型收敛情况。

batch size 取 64 是折中。数据量小时，batch 太大让每个 step 的梯度方向过于平缓，BN 层的均值和方差也不稳定；batch 太小又让训练变慢。如果显存只放得下 32，那就用 32，同时把学习率从 0.001 降到 0.0005。有效 batch 减半时学习率通常要跟着调，这是新手最容易忽略的换算关系。

3.3 训练主循环：学习率、batch size、epoch 的起步值怎么定

训练主循环看起来千篇一律，但里面三个参数决定了整个训练的质量。学习率我习惯从 0.001 起步，优化器用 SGD 加 momentum 0.9，权重衰减 1e-4。Adam 虽然收敛快，但在小数据集上经常出现过早收敛的问题，SGD 配合余弦退火反而更稳。epoch 数不用一上来就 100，30 个 epoch 足够判断趋势。保存策略上，不要只保存最后一个 epoch 的权重，要保存验证集准确率最高的那个。

import torch import torch.nn as nn from torchvision import models model = models.resnet18(weights=models.ResNet18_Weights.IMAGENET1K_V1) model.fc = nn.Linear(model.fc.in_features, num_classes) # 输出维度=类别数 model = model.cuda() criterion = nn.CrossEntropyLoss() optimizer = torch.optim.SGD(model.parameters(), lr=0.001, momentum=0.9, weight_decay=1e-4) scheduler = torch.optim.lr_scheduler.CosineAnnealingLR( optimizer, T_max=30) for epoch in range(30): model.train() total, correct = 0, 0 for images, labels in train_loader: images, labels = images.cuda(), labels.cuda() optimizer.zero_grad() outputs = model(images) loss = criterion(outputs, labels) loss.backward() optimizer.step() _, preds = outputs.max(1) correct += preds.eq(labels).sum().item() total += labels.size(0) scheduler.step() print(f"epoch {epoch} train acc {correct / total:.4f}")

把最后一层 fc 替换成自己的分类头时，输出维度必须等于数据集类别数，如果数据集有 43 类，这里就写 43。Conv 层的预训练权重会被保留，因为交通标志的底层纹理、边缘特征和 ImageNet 通用特征高度相关，迁移过来的起点比随机初始化好。学习率这块多少带点玄学，但余弦退火的优点是 T_max 设为总 epoch 数后，学习率会在最后收敛到接近 0，你不用手动去调衰减节点。

如果你中途发现验证集准确率在某几个 epoch 后不再上升，不要急着中断，先确认是不是学习率区间还没走到。余弦退火早期的学习率变化很小，真正的主力衰减集中在中后段。也可以改用ReduceLROnPlateau按验证损失触发衰减，两种调度器在小数据集上都能用，只是余弦退火省去手动设阈值的步骤。

3.4 验证集用来选模型：每个 epoch 后计算 val 准确率并保存最优权重

训练过程中验证集的最大作用就是选模型。下面是每个 epoch 结束时跑一遍验证，并且只在验证准确率创历史新高时保存权重：

def evaluate(loader, model): model.eval() total, correct = 0, 0 with torch.no_grad(): for images, labels in loader: images, labels = images.cuda(), labels.cuda() outputs = model(images) _, preds = outputs.max(1) correct += preds.eq(labels).sum().item() total += labels.size(0) return correct / total val_acc = evaluate(val_loader, model) if val_acc > best_acc: best_acc = val_acc torch.save({"state_dict": model.state_dict(), "val_acc": val_acc}, "best.pth") print(f"epoch {epoch} val acc {val_acc:.4f}")

这里的评价口径是 Top-1 准确率，因为交通标志分类的类别之间是互斥的，一张图只能属于一个类别。保存权重时把 val_acc 也一起存进 checkpoint，这样事后你能看出这个权重是在哪个 epoch、以哪个验证分数入选的。我一般不会只存 state_dict，会把类别数、预处理配置、best_acc 一起存成 dict，方便重新加载时不用靠猜。

为什么用验证集选模型而不是直接用训练的最后一个 epoch？因为最后一个 epoch 训练时间最长，学习率已经退火到很小，此时模型在训练集上容易过拟合，泛化能力往往不如几个 epoch 之前的状态。验证集准确率最高的点，就是模型在这个数据分布下的最优折中点。这也是整个工程里最容易实践却最容易被忽略的环节，很多人跑完 30 个 epoch 直接拿最后的权重去测测试集，结果比中途的 best 差两个点，再回头重训很浪费。

4. 测试集里才见真章：Top-1 准确率、混淆矩阵与类别召回率

训练和验证都做完后，会得到一个在验证集上表现不错的 best.pth。但对外汇报、和别的方案对比时，用的必须是测试集上的数字。测试集的意义在于，它提供了一组模型从未见过的样本，给出一个无偏的泛化估计。这一章从三个粒度评估模型：总体的 Top-1，类与类之间的混淆，以及少数类的召回情况。

4.1 测试集只准碰一次：加载最优 checkpoint 输出总体 Top-1 准确率

测试脚本我会单独放，和训练脚本分开。加载模型后先载入最优 checkpoint，再在测试集上跑一次推理，输出总体准确率。最关键的是模型结构必须和训练时一模一样，尤其是最后一层 fc 的输出维度。

checkpoint = torch.load("best.pth", map_location="cuda") model.fc = nn.Linear(model.fc.in_features, num_classes) model.load_state_dict(checkpoint["state_dict"]) model.eval() test_acc = evaluate(test_loader, model) print(f"test top-1 acc: {test_acc:.4f}")

evaluate 函数直接复用 3.4 里那一段，评估逻辑完全一致。要注意load_state_dict前先把 fc 层重新定义出来，否则权重形状对不上会直接报错。如果你在评估时发现测试集分数不升反降，先核对加载的 checkpoint 是不是验证集最优版，而不是最后一个 epoch 的权重。这个问题我见过多次，属于评估阶段的典型乌龙。

4.2 混淆矩阵告诉你谁和谁分不清：限速牌与解除限速牌的典型混淆

总体准确率 90% 看起来不错，但交通标志分类里真正的风险是某些高危类别被系统性误判。混淆矩阵是定位这些问题的直接工具：

from sklearn.metrics import confusion_matrix import numpy as np all_preds, all_labels = [], [] for images, labels in test_loader: images = images.cuda() with torch.no_grad(): outputs = model(images) _, preds = outputs.max(1) all_preds.extend(preds.cpu().tolist()) all_labels.extend(labels.tolist()) cm = confusion_matrix(all_labels, all_preds) np.set_printoptions(precision=2, suppress=True) print(cm)

拿到矩阵后，重点看非对角线的大数值。在交通标志数据集里，最常见的混淆组合是外观接近的禁令标志：圆形红边框的限速 30 和限速 80 容易被互相搞错，禁止停车和禁止长时间停车的区别只在斜杠数量，夜间图像里更明显。如果你发现两个类别互相分不清，先确认增强里有没有加入角度旋转和亮度扰动，再看这两个类别的训练样本是否明显偏少。混淆不混淆不用猜，直接在矩阵里找数值最大的两处，顺着去翻对应类别的原始图片，多数时候一眼就能看出特征差异确实太小，需要额外采集或做专门增强。

4.3 类别召回率与加权 F1：从总体 90% 到每个类别都 90%

混淆矩阵只能看个大概，量化每个类别表现的最好方式是打印分类报告，包含每个类别的精确率、召回率、F1：

from sklearn.metrics import classification_report report = classification_report( all_labels, all_preds, target_names=[f"class_{i}" for i in range(num_classes)], digits=3 ) print(report)

这里最需要注意的是召回率：某个类别的召回率低，意味着这个类别的真实样本大量被分到了其他类。比如“解除限速”的现实含义是道路从限速状态恢复到自由行驶，如果这个类别召回率只有 60%，城市道路上的连续限速牌会被系统误判，下游的车辆控制逻辑就会收到错误信号。交通标志分类里，少数类往往是某些冷门标志，样本少、外观又与其他标志接近，它们的召回率通常显著低于总体准确率。看到这种情况不要慌，删除数据另想办法反而是最常见的浪费行为，合理的做法是先做类别加权或采样重训，再补充增强，这两步通常能救回 5 到 10 个点的召回率。

我会把classification_report的结果连同 checkpoint 的 val_acc、测试集总体准确率一起归档成 txt。下次换了增强或采样策略重新训练时，直接对比两份 txt 里的召回率，而不是靠记忆里的总准确率。这个习惯帮我避免了很多次“觉得模型变好了但其实只是某类样本被碰巧猜对”的误判。

5. 交通标志分类的五个避坑记录：从数据泄露到类别不平衡

前面几章把正常流程走完了，这一章专门写坑。这些坑我基本都踩过，有的在项目上线前才被发现，有的直接导致测试集分数被质疑。每一条按现象、原因、解决三个层次写，你遇到类似问题可以直接照方抓药。

5.1 训练准确率 99% 但验证集只有 70%：八成是数据泄露

现象是训练集准确率一路冲到 99%，验证集却只有 70% 上下，而且无论怎么调模型都拉不开差距。先怀疑训练代码写错了，检查好几轮才发现是划分文件出了问题。

原因是数据泄露。数据集从行车记录仪视频逐帧截取时，连续帧之间内容高度重复。发布者按文件名哈希划分，同一块标志牌的相邻帧很容易被同时分进训练集和验证集。模型在训练时记住了这些特定帧的特征，验证集里出现相似图像自然得分虚高；可一旦换成真正的测试集或野外数据，分数立刻掉回 70%。这种情况在训练集和验证集同时高分、测试集偏低时尤其明显。

解决方法是先从文件层面校验重复帧。对每张图片算一个感知哈希，找到训练集和验证集之间哈希相同的样本，把它们从验证集移除。如果发布方没有提供去重工具，自己写一个批量匹配脚本，几十万张图也能在几分钟内跑完。更稳妥的做法是，训练前就按视频片段 ID 划分数据，同一段视频的所有帧必须进同一个集合，而不是按帧随机划分，这样能从根源上堵住这个坑。

5.2 夜间和逆光样本全错：光照分布没进训练集

现象是模型在白天的测试集上准确率正常，一到夜间或者逆光场景准确率断崖式下跌，个别类别几乎全军覆没。看表面是模型没见过夜间数据，但深挖之后会发现，降级的不只是亮度，还有对比度、色偏和运动模糊。

原因是光照分布偏移。很多公开交通标志数据集的训练集白天样本占比超过 90%，夜间、阴天、逆光样本稀疏。模型学到的特征被白天的纹理主导，一旦输入分布移动到夜间的暗光区间，前几层卷积的输出统计量全部偏离，后续分类自然失效。这不是分类器的锅，是训练集的分布没有覆盖部署场景。

解决思路分两步。第一步是检查原始数据集本身是否包含夜间样本，如果几乎没有，就要靠增强来补。第二步是增强不能只做亮度调整，要把对比度、色温、甚至模拟雾天都加进去。我常用的做法是把亮度扰动范围从 0.8 到 1.2 拉到 0.5 到 1.5，同时加随机 Gamma 矫正。代价是白天场景的准确率可能掉零点几个点，但夜间鲁棒性能换回来 5 个点以上。

5.3 验证集比测试集高一大截：预处理流程不一致

现象是验证集准确率比测试集高 5 到 10 个百分点，换哪个模型都是这个规律。这通常不是模型问题，是预处理流水线在训练、验证、测试三个阶段不一致。

原因最常见的出在归一化参数和 resize 方式上。训练代码里写了 Normalize，测试脚本里忘了写，或者测试时用了和训练不一致的 mean 和 std；也有人训练时用 RandomResizedCrop，验证和测试忘了换 CenterCrop。这类问题隐蔽在“看起来都是 224x224”，但像素值分布完全不同：模型在验证集上看到的输入统计量和训练时一致，在测试集上就被打乱。

解决方法是把 transforms 定义抽成一个公共函数，训练、验证、测试全部调用同一个定义，而不是在三个文件里各自复制一份。更稳妥的做法是用一个配置文件统一保存 mean、std、resize 尺寸和 crop 方式，训练脚本和评估脚本都从配置文件读取。我在项目里加了这套配置之后，再也没出现过验证集和测试集之间莫名差几个点的情况，这就是个工程规范问题。

5.4 少数类被模型无视：加权采样与类别权重怎么配

现象是训练完看分类报告，多数类别的召回率都在 90% 以上，某些少数类只有 40% 甚至更低。原因是交叉熵损失对样本多的类别倾斜，模型只要把输出固定偏向高频类别就能把总体损失压得很低，少数类几乎没有贡献。

解决方向的常见做法有两个：一个是给交叉熵加类别权重，一个是使用WeightedRandomSampler做加权采样。我一般优先用加权采样，因为它直接改变模型每个 epoch 看到的样本构成，实现上也简单：

from torch.utils.data import WeightedRandomSampler class_counts = [len(os.listdir(os.path.join("data/train", str(i)))) for i in range(num_classes)] total = sum(class_counts) weights = [total / (num_classes * c) for c in class_counts] sample_weights = [] for path, label in train_dataset.samples: sample_weights.append(weights[label]) sampler = WeightedRandomSampler(sample_weights, num_samples=len(sample_weights)) train_loader = DataLoader( SignDataset("data/train", train_tf), batch_size=64, sampler=sampler, num_workers=4 )

注意加了 sampler 之后，DataLoader 里不能再同时设置shuffle=True，否则会直接抛异常。采样器的num_samples一般保留为训练集总样本数，这样每个 epoch 的迭代步数和之前相当。如果少数类样本实在太少，加权采样会让模型反复看到同一批少数类图片，这时候就要回到数据增强去做更大力度的变换，比如旋转、平移和颜色抖动。靠采样和增强双管齐下，少数类召回率才有救。

5.5 视频帧上预测跳变：单帧分类的时序平滑

现象是模型在单张测试图上表现稳定，但接到真实视频流里，同一个标志在连续 30 帧里被判定为三个不同的类别，上一帧是限速 40，下一帧变成解除限速，再下一帧又跳回来。原因在于视频帧之间存在运动模糊、遮挡和视角变化，单帧分类天然不稳定，模型每一帧都在独立做决策。

解决的方法是引入时序投票。常见做法是维护一个长度为 K 的滑动窗口，每一帧把最新的预测结果推进队列，对窗口内所有预测做多数投票，输出投票后的类别。K 一般选 5 到 10，K 太小平滑效果不明显，K 太大会让标志切换时的响应变慢。这个方案不是模型层面的改动，而是后处理策略，实现成本低但效果显著。

如果把问题定位得更深一层，帧间跳变的根因还是分类器对模糊样本的置信度太低，这时候要在训练集里添加运动模糊增强，模拟车辆运动带来的拖影。我一般把这两件事一起做：训练时加模糊增强，推理时做时序投票，两者结合能把跳变频率降低一个数量级。

6. 让模型在小数据集上也能打的三个进阶技巧

如果你的数据集只有几千张图，前面几步跑完分数可能离上线还有差距。下面三个技巧不需要换 backbone，也不需要堆算力，是我在小数据集上最常用的提升手段。

6.1 迁移学习：冻结前几层还是全量微调

加载预训练权重后，常见做法是冻结前几个 stage，只微调后面几层和分类头，防止小数据集把底层通用特征带偏。对交通标志这类背景相对简单的数据，我通常只冻结 layer1 之前，从 layer2 放开。如果数据和 ImageNet 分布差异大，全量微调更合适，学习率放到 0.0003。判断标准很简单：第一个 epoch 验证集分数就高，说明预训练特征够用，少放开点；分数缓慢爬升，就多放开几层。

6.2 数据增强：在亮度扰动和随机擦除上多花时间

交通标志增强的重点不在翻转裁剪，而在光照和遮挡。我会在 transforms 里加随机亮度对比度扰动和 RandomErasing。前者解决夜间逆光，后者模拟路牌被树叶或车辆遮挡的实况。叠加后训练准确率会掉几个点，但测试集分数通常上涨，模型不再依赖某一小片纹理做决策。注意 RandomErasing 的概率不要超过 0.3，遮挡比例控制在 0.1 到 0.25 之间，太大反而毁掉标志特征。

6.3 最后一公里：用未标注的路侧截图试跑并手动检查错误

测试集跑完不算完。我习惯再找一批没标注过的路侧截图跑一遍推理，把置信度最高、最低和预测错误的样本各抽几十张人工过一遍。这个动作能暴露测试集覆盖不到的印刷变体、贴纸遮挡、极端天气褪色等问题。测试集 99% 的模型在真实截图里依然可能错得离谱，早发现比晚上线好。我的习惯是把这些错误图攒成一个 mini 坏样本集，每轮迭代后补充进训练集，这样比反复调网络结构提高得更快。希望帮到你。

本文还有配套的精品资源，点击获取