第3章数据集准备

第三章数据集准备：小目标数据集的标注规范与增强策略

说实话，小目标检测的难点，有一半都出在数据上。

模型再强，数据不行，照样白搭。我见过太多同学拿着通用目标检测的数据集直接训小目标，结果mAP惨不忍睹。为什么？因为小目标在图像里就那么几个像素，标注稍微偏一点，IoU就直接掉到0.3以下了。

这一章，咱们就聊聊小目标数据集该怎么准备。从标注规范到增强策略，我把这几年踩过的坑都摊开来讲。

3.1 小目标标注的“毫米级”要求

先问个问题：你觉得小目标的标注框，误差允许多大？

对于大目标，比如一辆汽车占满半个画面，框偏个5个像素，IoU可能还有0.9。但对于小目标，比如一个行人只有30x30像素，框偏5个像素，IoU可能就掉到0.6以下了。

所以，小目标标注的第一条铁律：精度必须控制在2个像素以内。

小目标标注核心指标：

标注框边缘误差 ≤ 2像素
遮挡目标必须标注可见部分（不要脑补完整框）
模糊目标：如果人眼都看不清，建议直接丢弃
密集场景：每个实例都必须独立标注，不能漏标

我在做无人机航拍数据集时遇到过一个问题：一群鸟在天空飞，每只鸟只有10x10像素左右。标注员为了省事，直接画一个大框把一群鸟框住。这种数据喂给YOLO，模型根本学不会“一只鸟”是什么概念。后来我强制要求：每个独立实例必须单独标注，哪怕只有5x5像素。

3.2 标注格式与工具选择

YOLO系列最常用的标注格式是txt文件，每行一个目标：

class_id x_center y_center width height

注意：这里的坐标都是归一化到[0,1]的。对于小目标，width和height的值会非常小，比如0.01甚至0.005。这时候浮点数精度就很重要了。

我曾经踩过的坑：

用LabelImg标注小目标时，默认保存的坐标只保留6位小数。对于1920x1080的图像，6位小数对应约0.001的精度，换算成像素就是1-2个像素。看起来够用？但如果你做Mosaic增强或者随机裁剪，坐标经过多次变换后，精度损失会累积。我建议：标注坐标至少保留8位小数。

工具方面，我个人推荐：

LabelImg：轻量级，适合小规模数据
CVAT：支持半自动标注，适合大规模项目
Roboflow：在线标注+增强一条龙，适合快速验证

对于小目标，我特别推荐CVAT的“分块标注”功能。把大图切成小块，标注员可以放大到像素级去画框，精度高很多。

3.3 小目标数据增强策略

数据增强是小目标检测的“救命稻草”。但要注意：不是所有增强都适合小目标。

举个例子，RandomResizedCrop（随机裁剪缩放）是分类任务的标配，但在小目标检测里，它可能直接把目标裁掉或者缩得更小。我见过一个项目，用了RandomResizedCrop后，小目标的召回率直接掉了15%。

下面是我总结的小目标专属增强策略：

增强方法	适用场景	推荐参数	注意事项
Mosaic	通用	4张图拼接	小目标可能被切碎，建议配合Copy-Paste
Copy-Paste	小目标专用	每张图粘贴3-5个小目标	注意背景融合，避免边缘生硬
RandomScale	多尺度训练	0.5~1.5倍	不要缩太小，下限建议0.8
Cutout	遮挡鲁棒性	遮挡区域≤图像面积5%	避免遮挡小目标本身
MixUp	类别平衡	alpha=0.2	小目标混合后可能更难识别

3.4 Copy-Paste：小目标增强的“核武器”

在所有增强方法里，我最想重点聊的是Copy-Paste。说白了，就是把小目标从一张图里抠出来，贴到另一张图上去。

为什么它特别适合小目标？

小目标在原始数据里往往数量不足，Copy-Paste可以直接增加样本量
可以控制粘贴的位置，避免目标重叠
可以调整粘贴目标的尺度，模拟不同距离

我分享一个我在项目中用过的代码片段：

def copy_paste_augmentation(image, labels, paste_objects):
    """
    paste_objects: 从其他图像中提取的小目标列表
    每个元素: (bbox, class_id, image_patch)
    """
    h, w = image.shape[:2]
    for obj in paste_objects:
        patch, bbox, cls_id = obj
        ph, pw = patch.shape[:2]
        
        # 随机选择粘贴位置
        x = random.randint(0, w - pw)
        y = random.randint(0, h - ph)
        
        # 简单的alpha融合
        alpha = 0.7
        image[y:y+ph, x:x+pw] = (1-alpha)*image[y:y+ph, x:x+pw] + alpha*patch
        
        # 添加标注
        x_center = (x + pw/2) / w
        y_center = (y + ph/2) / h
        width = pw / w
        height = ph / h
        labels.append([cls_id, x_center, y_center, width, height])
    
    return image, labels

我的经验：

Copy-Paste时，尽量选择背景相似的场景。比如把天空中的鸟贴到另一张天空图上，效果就很好。如果把鸟贴到草地上，模型可能会学到“鸟在草地上”这种错误关联。我一般会准备一个“背景相似度”的筛选逻辑，低于阈值的就不贴。

3.5 多尺度训练与测试

小目标检测还有一个经典技巧：多尺度训练。

YOLO系列支持在训练时动态调整输入尺寸。比如YOLOv8，可以设置一个尺寸范围，每次迭代随机选一个。这样做的好处是：模型能学到不同尺度下的特征表达。

我建议的配置：

基础尺寸：640x640
多尺度范围：0.5~1.5倍（即320x320到960x960）
步长：32的倍数（因为YOLO的下采样倍数是32）

测试时，可以用TTA（Test Time Augmentation）。说白了就是多尺度推理，然后融合结果。我实测过，TTA能让小目标的AP提升2-3个点。代价就是推理时间翻倍，嗯，看你的场景能不能接受。

3.6 数据质量检查清单

最后，我整理了一份数据质量的检查清单。每次准备数据集时，我都会过一遍：

标注完整性：有没有漏标的小目标？特别是密集场景
标注精度：随机抽100个框，检查边缘误差是否≤2像素
类别平衡：小目标类别和大目标类别的数量比是否合理？
尺度分布：小目标（<32x32像素）占比是否足够？建议至少20%
遮挡情况：是否有足够的遮挡样本？建议10%-20%
背景多样性：小目标是否出现在不同背景中？避免过拟合

我曾经犯过的错：

有一次做交通标志检测，小标志（比如限速牌）在训练集里只有200个，大标志（比如广告牌）有2000个。模型训出来，大标志mAP 0.95，小标志只有0.3。后来我做了两件事：一是用Copy-Paste把小标志数量补到2000，二是对小标志类别加了3倍的loss权重。最终小标志的mAP提到了0.78。

数据准备这一步，说白了就是“磨刀不误砍柴工”。我见过太多人急着调模型，结果数据一塌糊涂，调了两个月还不如别人好好准备一周数据的效果。你想想看，是不是这个道理？

下一章，咱们聊聊YOLO模型结构怎么改，才能更好地适配小目标。到时候我会分享一些我在实际项目中用过的魔改方案，保证干货满满。