简介本资源是一套面向深度学习初学者与计算机视觉开发者的YOLOv5抽烟行为识别专用数据集适用于安全监控、公共场所禁烟管理等实际场景的模型训练与验证。数据集包含5000余张真实场景下的吸烟行为图像JPG格式全部经LabelImg软件精细标注提供XML与TXT两种标签格式兼顾PASCAL VOC与YOLO系列框架的兼容需求。压缩包共2000个文件主体为1995个XML标注文件辅以4个Python工具脚本含视频检测、模型评估等实用功能及1份README说明文档整体容量697.51MB结构清晰、开箱即用。已有710人下载学习用户可直接用于YOLOv5模型训练、推理测试及算法优化无需额外标注或格式转换显著降低项目启动门槛。1. 项目背景与核心价值为什么需要一个专门的抽烟检测数据集在计算机视觉的实际落地项目中数据永远是第一道也是最关键的一道门槛。我们经常听到“数据驱动”这个词但在目标检测领域尤其是针对特定、细粒度行为的检测这句话的份量尤其重。YOLOv5作为目前工业界和学术界都广泛采用的高效目标检测框架其强大的性能有目共睹。然而一个再优秀的模型如果喂给它的是不相关、质量差或者数量不足的数据它也只会“巧妇难为无米之炊”表现平平甚至完全失效。“抽烟识别”就是一个典型的、有强烈现实需求但数据获取困难的场景。你很难在公开的大型通用目标检测数据集如COCO、VOC中找到大量、高质量的抽烟行为标注。通用数据集里可能有“人”person这个类别但“人正在抽烟”这个具体行为是需要对“香烟”这个细小目标以及“手部-嘴部”这个特定空间关系进行精准捕捉的。这就是为什么一个专门的、高质量的“抽烟识别检测数据集”具有不可替代的价值。这个名为“深度学习-YOLO目标检测 yolov5抽烟识别检测数据集5000张图片数据.zip”的资源其核心价值就在于它直接瞄准了这个痛点。5000张图片的规模对于启动一个专项检测项目来说是一个比较理想的起点。它意味着你不需要从零开始爬取、清洗、标注数据节省了项目前期最耗时、最繁琐的环节可以直接进入模型训练、调优和部署的实质性阶段。无论是用于安防监控场景下的公共场所禁烟监管还是特定工作区域如仓库、加油站的安全行为分析这个数据集都能提供一个可靠的训练基础。2. 数据集深度剖析5000张图片里到底有什么拿到一个数据集压缩包我们首先要做的不是急着解压扔进训练脚本而是对它进行一次彻底的“体检”。了解数据集的构成是后续一切工作数据增强、模型选型、参数调优的基石。2.1 数据内容与场景覆盖一个优秀的专项数据集其价值不仅在于图片数量更在于其多样性和代表性。对于抽烟检测这个任务我们需要关注以下几个维度的覆盖情况场景多样性这5000张图片应该尽可能覆盖抽烟行为可能发生的各种环境。理想情况下应该包括室内场景办公室、会议室、网吧、餐厅、走廊、楼梯间。光线条件可能从明亮的日光灯到昏暗的角落。室外场景街道、公园、广场、建筑工地、车辆旁边。需要应对复杂的光照变化逆光、侧光、阴影、天气影响雨天、雾天和背景干扰。监控视角这是非常关键的一点。很多实际应用都基于固定摄像头因此数据集应包含大量模拟监控视角的图片——俯视、斜视、距离较远、人物较小。这与手机拍摄的平视、近距离特写图片在特征分布上有很大不同。行为状态多样性抽烟不是一个静态动作。数据集需要涵盖行为的不同阶段手持香烟香烟在手中可能靠近嘴边、放在身侧或举在空中。点烟瞬间打火机火焰与香烟接触的短暂时刻目标非常小且特征独特。吸烟中香烟在嘴边可能有烟雾呼出烟雾本身也是极难检测的半透明目标。持烟静止人物在交谈、思考时手持香烟但未吸食。多人交互多人场景下可能只有其中一人在抽烟需要模型能准确关联“人”与“烟”的归属关系。目标尺度与清晰度“香烟”本身是一个细长型的小目标。数据集必须包含足够比例的“小目标”样本——即香烟在整张图片中只占几十甚至几个像素的情况。同时也要有中、大尺度的样本以确保模型能学习到该目标从模糊到清晰的全尺度特征。2.2 标注格式与质量检查YOLOv5使用的标注格式是经典的YOLO格式每个图片对应一个同名的.txt文件每行表示一个目标格式为class_id x_center y_center width height。坐标和宽高都是相对于图片尺寸的归一化值0-1之间。对于这个数据集我们需要检查类别定义通常抽烟检测至少需要两个类别person人和cigarette香烟。更精细的标注可能会区分smoking吸烟动作可能是一个合并了人和烟的组合框或hand_with_cigarette。首先确认数据集的类别文件如data.yaml或classes.txt是如何定义的。标注精度随机抽样打开一些图片和对应的标注文件用标注可视化工具如LabelImg的YOLO模式或简单的Python脚本配合OpenCV查看标注框是否精准。重点关注香烟的框是否紧密贴合香烟对于倾斜的香烟框的旋转是否合理注标准YOLO格式是水平矩形框对于倾斜目标会有包含大量背景的问题这是该格式的固有局限。高级数据集可能使用旋转框或分割掩码。人的框是否包含了整个抽烟者在多人密集场景框之间是否有重叠或遗漏遮挡处理对于被手、脸或其他物体部分遮挡的香烟是如何标注的是标注可见部分还是标注完整目标标注一致性不同图片中相似场景下的同类目标其标注标准是否统一例如一根只露出过滤嘴的香烟是否和一根完全可见的香烟采用同样的标注策略2.3 数据平衡性分析使用简单的脚本统计一下各个类别的实例数量。一个常见的问题是“人”的实例数远大于“香烟”的实例数因为一张图中可能只有一根烟但有多个人。严重的类别不平衡会导致模型倾向于忽略小类别香烟。我们需要提前了解这个不平衡的程度为后续可能需要的类别权重调整、过采样/欠采样策略做好准备。3. 基于此数据集的YOLOv5模型训练全流程假设我们已经完成了数据集的“体检”并确认其质量符合要求。接下来我们将进入实战环节详细拆解如何使用这个数据集训练一个鲁棒的抽烟检测模型。3.1 环境搭建与YOLOv5项目初始化虽然标题提到了yolov5但我们必须明确版本。YOLOv5的代码库在持续更新不同版本之间可能有API变动。建议选择一个稳定版本例如v7.0分支。# 克隆代码仓库指定版本 git clone -b v7.0 https://github.com/ultralytics/yolov5.git cd yolov5 # 安装依赖强烈建议使用Python虚拟环境 pip install -r requirements.txt接下来按照YOLOv5要求的数据集结构组织我们的数据。通常结构如下datasets/ └── smoking_detection/ ├── images/ │ ├── train/ # 放置训练图片 │ └── val/ # 放置验证图片 └── labels/ ├── train/ # 放置训练标签.txt文件 └── val/ # 放置验证标签.txt文件我们需要将下载的5000张图片和标签按照一定比例如8:2或9:1分割为训练集和验证集并分别放入上述目录。这里有一个关键经验分割时不能简单随机打乱。要确保训练集和验证集在场景类型、光照条件、目标尺度分布上大致均衡避免验证集全是某种“简单”或“困难”的样本导致验证指标失真。可以采用分层抽样或者手动检查确保分布一致。然后创建数据集配置文件smoking.yaml放在yolov5/data/目录下# smoking.yaml path: ../datasets/smoking_detection # 数据集根目录 train: images/train # 训练集路径相对于path val: images/val # 验证集路径相对于path # 类别数 nc: 2 # 类别名称 names: [person, cigarette]3.2 模型选择与超参数初调YOLOv5提供了从轻量到高精度的多个预训练模型nsmlx。对于抽烟检测这种需要检测细小目标香烟的任务我的经验是不要从最小的n开始n模型容量有限对于小目标特征的学习能力可能不足容易漏检。s(small) 是一个不错的起点它在速度和精度之间取得了很好的平衡对于5000张图片的数据集规模也足够。如果追求更高精度且不计较推理速度可以从m(medium) 开始。l和x对于这个数据量可能有点“杀鸡用牛刀”且更容易过拟合。初始训练时可以使用模型默认的超参数。但有几个关键参数需要根据我们的任务特性进行考量img-size默认是640。对于小目标检测适当增大输入尺寸如768或896有助于网络看到更多的像素细节提升小目标召回率但会显著增加训练时间和显存消耗。如果资源允许可以尝试增大。batch-size在显存允许的前提下尽可能设大。大的batch size能使梯度估计更稳定。如果出现OOM显存不足可以减小img-size或使用梯度累积--accumulate参数。epochs对于5000张图片100-150个epoch通常是一个合理的范围。可以观察训练过程中的mAP曲线在平台期后提前停止。一个基础的训练命令如下python train.py --img 640 --batch 16 --epochs 150 --data data/smoking.yaml --weights yolov5s.pt --project runs/train --name smoking_exp13.3 针对小目标与类别不平衡的专项优化策略直接用默认配置训练模型可能表现不佳尤其是对“香烟”的检测。我们需要实施一些针对性的优化。策略一数据增强的针对性调整YOLOv5内置了强大的数据增强Mosaic MixUp 色彩空间变换等。但对于小目标有些增强需要谨慎mosaic增强默认开启。它将四张图片拼成一张对于小目标来说相当于天然地进行了“复制粘贴”增加了小目标样本的上下文多样性通常是有益的建议保持开启。copy-paste增强这是一种更激进的小目标增强策略专门用于提升小目标检测性能。可以在命令行通过--copy-paste参数启用。它会将小目标实例随机复制粘贴到其他图片上。使用此增强时必须确保你的标注足够精准否则会引入噪声。hsv_h,hsv_s,hsv_v颜色抖动增强。香烟的颜色相对固定白色滤嘴黄色烟丝过强的颜色抖动可能会让模型困惑。可以适当降低这些增强的强度在hyp.scratch.yaml或自定义的超参数文件中调整。策略二修改模型结构Anchor BoxesYOLOv5会使用K-means算法在你的数据集上自动聚类生成新的Anchor boxes。这是非常重要的一步默认的Anchor是基于COCO数据集聚类的对于细长的香烟目标可能并不合适。训练时YOLOv5默认会进行这一步。但我们可以在训练前先运行一次聚类看看为我们的数据集定制的Anchor长什么样# 使用YOLOv5 utils/autoanchor.py 脚本 python utils/autoanchor.py --data data/smoking.yaml --weights yolov5s.pt如果输出的最佳召回率BPR远低于0.98说明默认Anchor不适合模型会重新聚类并更新。我们也可以将聚类结果手动写入模型配置文件。策略三损失函数与类别权重针对“香烟”实例数远少于“人”的类别不平衡问题Focal LossYOLOv5的默认分类损失是BCEWithLogitsLoss。我们可以尝试启用Focal Loss来降低易分类样本背景或“人”的权重让模型更关注难分类的小目标“香烟”。这通常需要通过修改源码实现有一定门槛。类别权重class weights在train.py中可以通过--cls_pw参数为分类损失设置类别权重。例如如果“香烟”的样本数是“人”的1/10可以将--cls_pw设置为[1.0, 10.0]让模型在计算分类损失时给“香烟”类别10倍的权重。这是一个非常实用且有效的技巧。Objectness权重类似地--obj_pw可以调整目标性损失的权重。对于小目标多的数据集可以适当提高该权重鼓励模型不遗漏任何可能有目标的网格。3.4 训练过程监控与模型评估训练开始后不要只是等待结束。利用TensorBoard或YOLOv5自带的日志工具实时监控是关键。损失曲线关注box_loss,obj_loss,cls_loss。理想情况下它们应该平滑下降并在后期趋于平稳。如果cls_loss震荡剧烈或居高不下可能是类别不平衡或学习率过高。验证指标最重要的指标是mAP0.5即IoU阈值为0.5时的平均精度。要分开看每个类别的AP。很可能“person”的AP很高如0.9而“cigarette”的AP很低如0.3。我们的优化核心就是提升“cigarette”的AP。Precision-Recall曲线查看“cigarette”的P-R曲线。如果曲线靠近左上角说明模型性能好如果曲线扁平说明模型在查全和查准之间难以两全可能是样本太难或数量不足。混淆矩阵看“cigarette”被误检为“person”或背景的比例高不高。学习率策略YOLOv5默认使用余弦退火等动态学习率。如果发现损失很早就停滞不前可能是初始学习率不合适。可以尝试使用--lr0参数微调初始学习率默认是0.01。4. 模型部署与实战应用中的挑战训练出一个在验证集上指标不错的模型只是成功了第一步。将其部署到实际场景如监控视频流中会遇到一系列新的挑战。4.1 模型轻量化与加速如果部署在边缘设备如NVIDIA Jetson系列、华为Atlas、瑞芯微RK3568/RK3588等需要对模型进行优化模型剪枝与量化使用PyTorch的量化工具或第三方库如NNCF对训练好的FP32模型进行INT8量化可以大幅减少模型体积和提升推理速度通常精度损失在可接受范围内。引擎转换针对特定硬件转换为最优的推理引擎格式如TensorRTNVIDIA、ONNX Runtime、OpenVINOIntel等。例如在RK3568上部署通常需要先将PyTorch模型转为ONNX再通过RKNN Toolkit转换为RKNN格式。4.2 实际场景的泛化性与后处理领域差异Domain Gap你的训练数据可能来自网络爬虫或特定场景但实际部署的摄像头角度、分辨率、色彩风格、光照可能完全不同。这会导致模型性能严重下降。解决方案包括收集目标场景的少量数据进行微调Fine-tuning这是最有效的方法。即使只有几十张新场景的标注图片也能极大提升模型在该场景的适应性。使用更广泛的数据增强在训练时模拟更多样的光照、模糊、噪声提高模型鲁棒性。测试时增强TTA推理时对输入图片进行多种变换翻转、缩放将结果融合可以稳定提升精度但会增加计算开销。误报与漏报的权衡在实际安防应用中误报把类似香烟的细长物体如笔、手指、树枝等识别为香烟和漏报没检测到真实的抽烟行为的成本不同。通常高误报率会导致系统警报泛滥失去作用。我们可以通过调整推理时的置信度阈值conf-thres和非极大值抑制阈值iou-thres来平衡。提高conf-thres如从0.25提高到0.5可以过滤掉很多不可信的预测减少误报但可能会增加漏报。在视频流中可以结合时间上下文信息例如要求“香烟”目标在连续多帧如5帧中都被检测到才判定为一次有效的抽烟事件这能有效过滤瞬时误报。4.3 系统集成与性能考量一个完整的抽烟检测系统不仅仅是模型推理。它通常包括视频流解码高效读取RTSP或本地视频流。帧采样对于实时性要求不高的场景可以每秒处理1-2帧FPS以节省计算资源。多进程/线程处理将解码、推理、后处理、告警推送等环节流水线化充分利用多核CPU和GPU。告警逻辑除了简单的框出目标还可以设计更复杂的告警规则如“同一区域内同一人在10分钟内被检测到抽烟超过3次则触发高级别告警”。5. 从项目实践中提炼的经验与避坑指南基于多次类似项目的实战我总结出以下几个容易踩坑的地方和对应的解决方案坑模型在验证集上mAP很高但实际测试图片效果很差。根因最常见的原因是数据泄露或验证集与训练集分布过于相似。比如你把同一段视频的不同帧随机分到了训练集和验证集导致模型只是“记住了”这个场景而非学会了泛化特征。解决确保数据划分是基于“场景”或“视频片段”的而不是基于单张图片随机划分。同一地点、同一时间拍摄的一组图片要么全在训练集要么全在验证集。坑香烟小目标召回率始终上不去。根因除了前述的数据、模型、Anchor原因外还可能是因为下采样倍数太大。YOLOv5s的骨干网络最终会将输入图片下采样32倍。对于640x640的输入最终特征图只有20x20。一个在原始图中只有20像素长的香烟在最终特征图上可能不足1个像素信息几乎丢失殆尽。解决增大输入分辨率直接使用更大的img-size如1280这是最直接有效的方法但计算成本平方级增长。修改网络结构使用更浅的模型但可能影响大目标检测或借鉴FPN、PANet等多尺度特征融合结构的思想YOLOv5本身已有确保浅层的高分辨率特征图被充分利用。YOLOv5的--multi-scale训练也能在一定程度上缓解此问题。专门的小目标检测层在检测头部分为更浅层分辨率更高的特征图也添加检测头专门负责预测小目标。坑训练时损失正常下降但验证指标mAP波动很大或早早就停止上升。根因可能是过拟合的早期信号。模型开始记住训练数据的噪声而非学习通用模式。解决加强正则化增大--weight-decay参数或使用DropOut层不过YOLO系列通常不用。使用更激进的数据增强如Mosaic, MixUp, CutMix等增加数据多样性。早停Early Stopping监控验证集mAP当其在连续多个epoch如10-20个内不再提升时果断停止训练并回滚到验证指标最高的那个模型权重。坑部署后推理速度远低于预期。根因没有针对部署环境进行优化或者预处理/后处理部分成了瓶颈。解决模型层面如前所述进行量化和引擎转换。代码层面确保图像预处理缩放、归一化使用GPU或高效的向量化库如OpenCV。后处理NMS是CPU操作对于大量检测框可能成为瓶颈。可以尝试使用CUDA实现的NMS如果部署平台支持。使用异步推理管道让GPU在计算当前帧时CPU同时准备下一帧的数据。这个5000张图片的抽烟检测数据集是一个非常有价值的起点但它绝非“银弹”。成功的项目依赖于对数据的深刻理解、针对性的模型调优、以及面对真实场景复杂性的系统工程能力。从数据准备、训练调参到部署优化每一步都需要结合具体任务进行深思熟虑和反复实验。希望这份详细的拆解能为你启动自己的抽烟检测或类似细粒度目标检测项目提供一个扎实的路线图和实用的工具箱。记住在深度学习的实践中耐心和细致的分析往往比盲目尝试更有效。本文还有配套的精品资源点击获取 YOLOv5抽烟检测实战：从5000张数据集到模型部署全流程解析
简介本资源是一套面向深度学习初学者与计算机视觉开发者的YOLOv5抽烟行为识别专用数据集适用于安全监控、公共场所禁烟管理等实际场景的模型训练与验证。数据集包含5000余张真实场景下的吸烟行为图像JPG格式全部经LabelImg软件精细标注提供XML与TXT两种标签格式兼顾PASCAL VOC与YOLO系列框架的兼容需求。压缩包共2000个文件主体为1995个XML标注文件辅以4个Python工具脚本含视频检测、模型评估等实用功能及1份README说明文档整体容量697.51MB结构清晰、开箱即用。已有710人下载学习用户可直接用于YOLOv5模型训练、推理测试及算法优化无需额外标注或格式转换显著降低项目启动门槛。1. 项目背景与核心价值为什么需要一个专门的抽烟检测数据集在计算机视觉的实际落地项目中数据永远是第一道也是最关键的一道门槛。我们经常听到“数据驱动”这个词但在目标检测领域尤其是针对特定、细粒度行为的检测这句话的份量尤其重。YOLOv5作为目前工业界和学术界都广泛采用的高效目标检测框架其强大的性能有目共睹。然而一个再优秀的模型如果喂给它的是不相关、质量差或者数量不足的数据它也只会“巧妇难为无米之炊”表现平平甚至完全失效。“抽烟识别”就是一个典型的、有强烈现实需求但数据获取困难的场景。你很难在公开的大型通用目标检测数据集如COCO、VOC中找到大量、高质量的抽烟行为标注。通用数据集里可能有“人”person这个类别但“人正在抽烟”这个具体行为是需要对“香烟”这个细小目标以及“手部-嘴部”这个特定空间关系进行精准捕捉的。这就是为什么一个专门的、高质量的“抽烟识别检测数据集”具有不可替代的价值。这个名为“深度学习-YOLO目标检测 yolov5抽烟识别检测数据集5000张图片数据.zip”的资源其核心价值就在于它直接瞄准了这个痛点。5000张图片的规模对于启动一个专项检测项目来说是一个比较理想的起点。它意味着你不需要从零开始爬取、清洗、标注数据节省了项目前期最耗时、最繁琐的环节可以直接进入模型训练、调优和部署的实质性阶段。无论是用于安防监控场景下的公共场所禁烟监管还是特定工作区域如仓库、加油站的安全行为分析这个数据集都能提供一个可靠的训练基础。2. 数据集深度剖析5000张图片里到底有什么拿到一个数据集压缩包我们首先要做的不是急着解压扔进训练脚本而是对它进行一次彻底的“体检”。了解数据集的构成是后续一切工作数据增强、模型选型、参数调优的基石。2.1 数据内容与场景覆盖一个优秀的专项数据集其价值不仅在于图片数量更在于其多样性和代表性。对于抽烟检测这个任务我们需要关注以下几个维度的覆盖情况场景多样性这5000张图片应该尽可能覆盖抽烟行为可能发生的各种环境。理想情况下应该包括室内场景办公室、会议室、网吧、餐厅、走廊、楼梯间。光线条件可能从明亮的日光灯到昏暗的角落。室外场景街道、公园、广场、建筑工地、车辆旁边。需要应对复杂的光照变化逆光、侧光、阴影、天气影响雨天、雾天和背景干扰。监控视角这是非常关键的一点。很多实际应用都基于固定摄像头因此数据集应包含大量模拟监控视角的图片——俯视、斜视、距离较远、人物较小。这与手机拍摄的平视、近距离特写图片在特征分布上有很大不同。行为状态多样性抽烟不是一个静态动作。数据集需要涵盖行为的不同阶段手持香烟香烟在手中可能靠近嘴边、放在身侧或举在空中。点烟瞬间打火机火焰与香烟接触的短暂时刻目标非常小且特征独特。吸烟中香烟在嘴边可能有烟雾呼出烟雾本身也是极难检测的半透明目标。持烟静止人物在交谈、思考时手持香烟但未吸食。多人交互多人场景下可能只有其中一人在抽烟需要模型能准确关联“人”与“烟”的归属关系。目标尺度与清晰度“香烟”本身是一个细长型的小目标。数据集必须包含足够比例的“小目标”样本——即香烟在整张图片中只占几十甚至几个像素的情况。同时也要有中、大尺度的样本以确保模型能学习到该目标从模糊到清晰的全尺度特征。2.2 标注格式与质量检查YOLOv5使用的标注格式是经典的YOLO格式每个图片对应一个同名的.txt文件每行表示一个目标格式为class_id x_center y_center width height。坐标和宽高都是相对于图片尺寸的归一化值0-1之间。对于这个数据集我们需要检查类别定义通常抽烟检测至少需要两个类别person人和cigarette香烟。更精细的标注可能会区分smoking吸烟动作可能是一个合并了人和烟的组合框或hand_with_cigarette。首先确认数据集的类别文件如data.yaml或classes.txt是如何定义的。标注精度随机抽样打开一些图片和对应的标注文件用标注可视化工具如LabelImg的YOLO模式或简单的Python脚本配合OpenCV查看标注框是否精准。重点关注香烟的框是否紧密贴合香烟对于倾斜的香烟框的旋转是否合理注标准YOLO格式是水平矩形框对于倾斜目标会有包含大量背景的问题这是该格式的固有局限。高级数据集可能使用旋转框或分割掩码。人的框是否包含了整个抽烟者在多人密集场景框之间是否有重叠或遗漏遮挡处理对于被手、脸或其他物体部分遮挡的香烟是如何标注的是标注可见部分还是标注完整目标标注一致性不同图片中相似场景下的同类目标其标注标准是否统一例如一根只露出过滤嘴的香烟是否和一根完全可见的香烟采用同样的标注策略2.3 数据平衡性分析使用简单的脚本统计一下各个类别的实例数量。一个常见的问题是“人”的实例数远大于“香烟”的实例数因为一张图中可能只有一根烟但有多个人。严重的类别不平衡会导致模型倾向于忽略小类别香烟。我们需要提前了解这个不平衡的程度为后续可能需要的类别权重调整、过采样/欠采样策略做好准备。3. 基于此数据集的YOLOv5模型训练全流程假设我们已经完成了数据集的“体检”并确认其质量符合要求。接下来我们将进入实战环节详细拆解如何使用这个数据集训练一个鲁棒的抽烟检测模型。3.1 环境搭建与YOLOv5项目初始化虽然标题提到了yolov5但我们必须明确版本。YOLOv5的代码库在持续更新不同版本之间可能有API变动。建议选择一个稳定版本例如v7.0分支。# 克隆代码仓库指定版本 git clone -b v7.0 https://github.com/ultralytics/yolov5.git cd yolov5 # 安装依赖强烈建议使用Python虚拟环境 pip install -r requirements.txt接下来按照YOLOv5要求的数据集结构组织我们的数据。通常结构如下datasets/ └── smoking_detection/ ├── images/ │ ├── train/ # 放置训练图片 │ └── val/ # 放置验证图片 └── labels/ ├── train/ # 放置训练标签.txt文件 └── val/ # 放置验证标签.txt文件我们需要将下载的5000张图片和标签按照一定比例如8:2或9:1分割为训练集和验证集并分别放入上述目录。这里有一个关键经验分割时不能简单随机打乱。要确保训练集和验证集在场景类型、光照条件、目标尺度分布上大致均衡避免验证集全是某种“简单”或“困难”的样本导致验证指标失真。可以采用分层抽样或者手动检查确保分布一致。然后创建数据集配置文件smoking.yaml放在yolov5/data/目录下# smoking.yaml path: ../datasets/smoking_detection # 数据集根目录 train: images/train # 训练集路径相对于path val: images/val # 验证集路径相对于path # 类别数 nc: 2 # 类别名称 names: [person, cigarette]3.2 模型选择与超参数初调YOLOv5提供了从轻量到高精度的多个预训练模型nsmlx。对于抽烟检测这种需要检测细小目标香烟的任务我的经验是不要从最小的n开始n模型容量有限对于小目标特征的学习能力可能不足容易漏检。s(small) 是一个不错的起点它在速度和精度之间取得了很好的平衡对于5000张图片的数据集规模也足够。如果追求更高精度且不计较推理速度可以从m(medium) 开始。l和x对于这个数据量可能有点“杀鸡用牛刀”且更容易过拟合。初始训练时可以使用模型默认的超参数。但有几个关键参数需要根据我们的任务特性进行考量img-size默认是640。对于小目标检测适当增大输入尺寸如768或896有助于网络看到更多的像素细节提升小目标召回率但会显著增加训练时间和显存消耗。如果资源允许可以尝试增大。batch-size在显存允许的前提下尽可能设大。大的batch size能使梯度估计更稳定。如果出现OOM显存不足可以减小img-size或使用梯度累积--accumulate参数。epochs对于5000张图片100-150个epoch通常是一个合理的范围。可以观察训练过程中的mAP曲线在平台期后提前停止。一个基础的训练命令如下python train.py --img 640 --batch 16 --epochs 150 --data data/smoking.yaml --weights yolov5s.pt --project runs/train --name smoking_exp13.3 针对小目标与类别不平衡的专项优化策略直接用默认配置训练模型可能表现不佳尤其是对“香烟”的检测。我们需要实施一些针对性的优化。策略一数据增强的针对性调整YOLOv5内置了强大的数据增强Mosaic MixUp 色彩空间变换等。但对于小目标有些增强需要谨慎mosaic增强默认开启。它将四张图片拼成一张对于小目标来说相当于天然地进行了“复制粘贴”增加了小目标样本的上下文多样性通常是有益的建议保持开启。copy-paste增强这是一种更激进的小目标增强策略专门用于提升小目标检测性能。可以在命令行通过--copy-paste参数启用。它会将小目标实例随机复制粘贴到其他图片上。使用此增强时必须确保你的标注足够精准否则会引入噪声。hsv_h,hsv_s,hsv_v颜色抖动增强。香烟的颜色相对固定白色滤嘴黄色烟丝过强的颜色抖动可能会让模型困惑。可以适当降低这些增强的强度在hyp.scratch.yaml或自定义的超参数文件中调整。策略二修改模型结构Anchor BoxesYOLOv5会使用K-means算法在你的数据集上自动聚类生成新的Anchor boxes。这是非常重要的一步默认的Anchor是基于COCO数据集聚类的对于细长的香烟目标可能并不合适。训练时YOLOv5默认会进行这一步。但我们可以在训练前先运行一次聚类看看为我们的数据集定制的Anchor长什么样# 使用YOLOv5 utils/autoanchor.py 脚本 python utils/autoanchor.py --data data/smoking.yaml --weights yolov5s.pt如果输出的最佳召回率BPR远低于0.98说明默认Anchor不适合模型会重新聚类并更新。我们也可以将聚类结果手动写入模型配置文件。策略三损失函数与类别权重针对“香烟”实例数远少于“人”的类别不平衡问题Focal LossYOLOv5的默认分类损失是BCEWithLogitsLoss。我们可以尝试启用Focal Loss来降低易分类样本背景或“人”的权重让模型更关注难分类的小目标“香烟”。这通常需要通过修改源码实现有一定门槛。类别权重class weights在train.py中可以通过--cls_pw参数为分类损失设置类别权重。例如如果“香烟”的样本数是“人”的1/10可以将--cls_pw设置为[1.0, 10.0]让模型在计算分类损失时给“香烟”类别10倍的权重。这是一个非常实用且有效的技巧。Objectness权重类似地--obj_pw可以调整目标性损失的权重。对于小目标多的数据集可以适当提高该权重鼓励模型不遗漏任何可能有目标的网格。3.4 训练过程监控与模型评估训练开始后不要只是等待结束。利用TensorBoard或YOLOv5自带的日志工具实时监控是关键。损失曲线关注box_loss,obj_loss,cls_loss。理想情况下它们应该平滑下降并在后期趋于平稳。如果cls_loss震荡剧烈或居高不下可能是类别不平衡或学习率过高。验证指标最重要的指标是mAP0.5即IoU阈值为0.5时的平均精度。要分开看每个类别的AP。很可能“person”的AP很高如0.9而“cigarette”的AP很低如0.3。我们的优化核心就是提升“cigarette”的AP。Precision-Recall曲线查看“cigarette”的P-R曲线。如果曲线靠近左上角说明模型性能好如果曲线扁平说明模型在查全和查准之间难以两全可能是样本太难或数量不足。混淆矩阵看“cigarette”被误检为“person”或背景的比例高不高。学习率策略YOLOv5默认使用余弦退火等动态学习率。如果发现损失很早就停滞不前可能是初始学习率不合适。可以尝试使用--lr0参数微调初始学习率默认是0.01。4. 模型部署与实战应用中的挑战训练出一个在验证集上指标不错的模型只是成功了第一步。将其部署到实际场景如监控视频流中会遇到一系列新的挑战。4.1 模型轻量化与加速如果部署在边缘设备如NVIDIA Jetson系列、华为Atlas、瑞芯微RK3568/RK3588等需要对模型进行优化模型剪枝与量化使用PyTorch的量化工具或第三方库如NNCF对训练好的FP32模型进行INT8量化可以大幅减少模型体积和提升推理速度通常精度损失在可接受范围内。引擎转换针对特定硬件转换为最优的推理引擎格式如TensorRTNVIDIA、ONNX Runtime、OpenVINOIntel等。例如在RK3568上部署通常需要先将PyTorch模型转为ONNX再通过RKNN Toolkit转换为RKNN格式。4.2 实际场景的泛化性与后处理领域差异Domain Gap你的训练数据可能来自网络爬虫或特定场景但实际部署的摄像头角度、分辨率、色彩风格、光照可能完全不同。这会导致模型性能严重下降。解决方案包括收集目标场景的少量数据进行微调Fine-tuning这是最有效的方法。即使只有几十张新场景的标注图片也能极大提升模型在该场景的适应性。使用更广泛的数据增强在训练时模拟更多样的光照、模糊、噪声提高模型鲁棒性。测试时增强TTA推理时对输入图片进行多种变换翻转、缩放将结果融合可以稳定提升精度但会增加计算开销。误报与漏报的权衡在实际安防应用中误报把类似香烟的细长物体如笔、手指、树枝等识别为香烟和漏报没检测到真实的抽烟行为的成本不同。通常高误报率会导致系统警报泛滥失去作用。我们可以通过调整推理时的置信度阈值conf-thres和非极大值抑制阈值iou-thres来平衡。提高conf-thres如从0.25提高到0.5可以过滤掉很多不可信的预测减少误报但可能会增加漏报。在视频流中可以结合时间上下文信息例如要求“香烟”目标在连续多帧如5帧中都被检测到才判定为一次有效的抽烟事件这能有效过滤瞬时误报。4.3 系统集成与性能考量一个完整的抽烟检测系统不仅仅是模型推理。它通常包括视频流解码高效读取RTSP或本地视频流。帧采样对于实时性要求不高的场景可以每秒处理1-2帧FPS以节省计算资源。多进程/线程处理将解码、推理、后处理、告警推送等环节流水线化充分利用多核CPU和GPU。告警逻辑除了简单的框出目标还可以设计更复杂的告警规则如“同一区域内同一人在10分钟内被检测到抽烟超过3次则触发高级别告警”。5. 从项目实践中提炼的经验与避坑指南基于多次类似项目的实战我总结出以下几个容易踩坑的地方和对应的解决方案坑模型在验证集上mAP很高但实际测试图片效果很差。根因最常见的原因是数据泄露或验证集与训练集分布过于相似。比如你把同一段视频的不同帧随机分到了训练集和验证集导致模型只是“记住了”这个场景而非学会了泛化特征。解决确保数据划分是基于“场景”或“视频片段”的而不是基于单张图片随机划分。同一地点、同一时间拍摄的一组图片要么全在训练集要么全在验证集。坑香烟小目标召回率始终上不去。根因除了前述的数据、模型、Anchor原因外还可能是因为下采样倍数太大。YOLOv5s的骨干网络最终会将输入图片下采样32倍。对于640x640的输入最终特征图只有20x20。一个在原始图中只有20像素长的香烟在最终特征图上可能不足1个像素信息几乎丢失殆尽。解决增大输入分辨率直接使用更大的img-size如1280这是最直接有效的方法但计算成本平方级增长。修改网络结构使用更浅的模型但可能影响大目标检测或借鉴FPN、PANet等多尺度特征融合结构的思想YOLOv5本身已有确保浅层的高分辨率特征图被充分利用。YOLOv5的--multi-scale训练也能在一定程度上缓解此问题。专门的小目标检测层在检测头部分为更浅层分辨率更高的特征图也添加检测头专门负责预测小目标。坑训练时损失正常下降但验证指标mAP波动很大或早早就停止上升。根因可能是过拟合的早期信号。模型开始记住训练数据的噪声而非学习通用模式。解决加强正则化增大--weight-decay参数或使用DropOut层不过YOLO系列通常不用。使用更激进的数据增强如Mosaic, MixUp, CutMix等增加数据多样性。早停Early Stopping监控验证集mAP当其在连续多个epoch如10-20个内不再提升时果断停止训练并回滚到验证指标最高的那个模型权重。坑部署后推理速度远低于预期。根因没有针对部署环境进行优化或者预处理/后处理部分成了瓶颈。解决模型层面如前所述进行量化和引擎转换。代码层面确保图像预处理缩放、归一化使用GPU或高效的向量化库如OpenCV。后处理NMS是CPU操作对于大量检测框可能成为瓶颈。可以尝试使用CUDA实现的NMS如果部署平台支持。使用异步推理管道让GPU在计算当前帧时CPU同时准备下一帧的数据。这个5000张图片的抽烟检测数据集是一个非常有价值的起点但它绝非“银弹”。成功的项目依赖于对数据的深刻理解、针对性的模型调优、以及面对真实场景复杂性的系统工程能力。从数据准备、训练调参到部署优化每一步都需要结合具体任务进行深思熟虑和反复实验。希望这份详细的拆解能为你启动自己的抽烟检测或类似细粒度目标检测项目提供一个扎实的路线图和实用的工具箱。记住在深度学习的实践中耐心和细致的分析往往比盲目尝试更有效。本文还有配套的精品资源点击获取