简介面向小目标检测入门与实战的YOLOv8n项目专门解决小尺寸目标特征弱、易漏检的难点适合计算机视觉学习者、算法工程师和移动端部署开发者使用。压缩包共含2000个文件以txt数据标注与说明、8个yaml模型配置、1个md项目文档为主整体约336MB目录结构清晰便于按模块查阅。目前已有80人学习下载适合作为深度学习目标检测方向的实践案例。项目不仅提供从环境搭建、数据集准备、模型参数配置到训练与评估的完整流程教程还开放了轻量化网络结构、特征融合策略和损失函数设计等关键源码每一步都有清晰说明能帮助读者快速复现小目标检测算法理解小目标难检的成因并尝试针对性优化同时便于在嵌入式或移动平台部署和二次开发是兼具教学与工程参考价值的优质实战资源。1. 小目标检测为什么让YOLOv8n成了首选先看清问题再动手无人机巡检电线上的销钉、交通监控里远处的行人、红外小目标检测数据集里几个像素的热源点这些场景的共同痛点是目标真实尺寸小经过YOLO的多次下采样后特征图上的响应可能连一个像素都撑不满分类和回归都无从下手。这时候换大模型效果有限瓶颈不在参数量而在特征保留密度。YOLOv8n参数只有几兆推理快、内存占用低反而方便你围绕小目标做切片、改检测头、调后处理。这个项目附带的源码和流程教程能让你从数据集整理到训练推理一次走通少走弯路。2. 小目标检测的数据与标注决定模型上限的第一道关卡2.1 小目标检测数据集怎么选VisDrone、COCO和红外数据集的差异不同数据集对小目标的定义差别很大。COCO把面积小于32x32像素的框算作小目标VisDrone这类无人机视角数据集里目标平均尺寸只有十几像素红外小目标检测数据集更极端目标往往小于3x3像素只有热辐射轮廓没有颜色和纹理信息。如果直接用COCO的“小目标”标准去评估红外数据集你会发现类别区间里混着大量几个像素的目标mAP长期在0.05以下这不是模型差是评价标尺本身就错了。在做项目前我一般先把数据集的标注说明翻一遍确认它用的是绝对像素还是相对图像尺寸然后按自己的场景重新定义小目标阈值。对于大多数工业场景把宽或高小于16像素定义为小目标宽或高小于8像素定义为微小目标比较实用。这一个前提决定了后续切片尺寸、训练分辨率和评价指标怎么设不能偷懒。2.2 用脚本统计目标尺寸分布切片之前必须先做的事拿到项目源码后第一步不是直接开训而是统计数据集中所有目标框的像素尺寸分布。YOLO格式的标签里w和h是相对图片宽高的比例必须结合图片实际分辨率换算。下面这个脚本会按宽高阈值把目标分成几个档位并统计图像里的最大目标尺寸。# 统计YOLO格式标签中的目标尺寸分布 import os from glob import glob def analyze_labels(label_dir, img_w1280, img_h720): ticks {8px: 0, 8-16px: 0, 16-32px: 0, 32-96px: 0, 96px: 0} max_wh [0, 0] for txt in glob(os.path.join(label_dir, *.txt)): with open(txt, r, encodingutf-8) as f: for line in f: parts line.strip().split() if len(parts) 5: continue w float(parts[3]) * img_w h float(parts[4]) * img_h if w 8 or h 8: ticks[8px] 1 elif w 16 or h 16: ticks[8-16px] 1 elif w 32 or h 32: ticks[16-32px] 1 elif w 96 or h 96: ticks[32-96px] 1 else: ticks[96px] 1 max_wh[0] max(max_wh[0], int(w)) max_wh[1] max(max_wh[1], int(h)) return ticks, max_wh逻辑说明判断小目标用宽或高的最小值而不是面积因为一个宽100像素、高1像素的长条目标面积不小但经过下采样后纵向特征完全消失同样属于小目标范畴。脚本里的img_w和img_h是图片的原始宽高需要与你数据集里的实际分辨率一致。如果数据集包含多种分辨率就不能写死数值应该逐张读取图片尺寸否则统计结果会失真。把统计结果打印出来后我一般会按这个经验判断路径小于16像素的目标占比超过40%优先做切片推理占比在20%到40%之间提高训练分辨率到1280并配合少量切片占比低于20%先整图训练重点调后处理。这样能避免盲目改模型结构把精力花在最关键的瓶颈上。2.3 数据增强策略为什么小目标场景要关掉MosaicYOLOv8默认的Mosaic增强会把四张图缩放后拼成一张这对大目标没问题但小目标经过缩放后可能变成亚像素特征彻底消失。实测在小目标数据集上关闭Mosaic后mAP50通常能提升2到5个点。所以我训练小目标模型时会把mosaic关掉改用更温和的MixUp和copy-paste增强。Copy-paste增强在小目标领域很管用核心思路是把一张图中的小目标实例随机粘贴到另一张无重叠区域同时把标签同步过去。这是一个很简单的实现# 简化版copy-paste增强把小目标实例粘贴到另一张图上 import random import numpy as np def copy_paste(src_img, src_boxes, dst_img, dst_boxes): idx random.randint(0, len(src_boxes) - 1) x1, y1, x2, y2 src_boxes[idx] obj_w x2 - x1 obj_h y2 - y1 max_x dst_img.shape[1] - obj_w max_y dst_img.shape[0] - obj_h nx1 random.randint(0, max_x) ny1 random.randint(0, max_y) dst_img[ny1:ny1 obj_h, nx1:nx1 obj_w] src_img[y1:y2, x1:x2] new_box [nx1, ny1, nx1 obj_w, ny1 obj_h] return dst_img, np.vstack([dst_boxes, new_box])逻辑说明这个增强不会缩小目标反而让模型更频繁地看到小目标在不同背景下的形态。粘贴位置要避开原始框否则标签会重叠冲突。建议在训练循环里以0.3的概率执行并且只用于训练集验证集保持原样否则指标会虚高。此外随机缩放的尺度范围要限制在0.5到1.5之间。小目标经不起大幅缩小而大幅放大又容易让模型对大目标产生混淆。旋转角度建议设为0尤其是细节丰富的目标任意角度旋转后边界框很难对齐反而引入噪声。2.4 标注质量自查漏标和边界框偏移的量化方法小目标项目里标注质量往往比模型结构更影响结果。人眼标注几个像素的目标时很容易把框画大一圈鼠标一抖偏移也是常事。更可怕的是漏标一个目标没框模型就会把它当背景学习大量这样的样本足以把召回率拖垮。我的自查方法是先用训练好的模型去预测训练集把置信度低于0.3的检测结果画出来再和原图叠在一起人眼扫。如果发现很多高分框附近没有标注那就是漏标。如果框比目标大一圈就是标注膨胀。这两类问题的比例超过5%就先返工标注不要急着调模型。还可以写一个简单脚本按图片统计标签数量和预测数量输出差异最大的前50张图重点检查。图片维度上如果某张图有30个标签但模型只有3个预测大概率是漏标反过来模型预测很多但标签很少通常是误检或重复标签。这个过程虽然费时间但能直接定位到数据里的脏样本后续训练曲线会平滑很多。3. 基于YOLOv8n训练小目标模型配置、命令与项目结构3.1 项目源码文件结构先跑通最简命令再改代码这类基于YOLOv8n的小目标检测项目文件结构大同小异。根目录下一般有datasets放图片和标签models放模型配置runs放训练输出train.py是入口脚本predict.py是推理脚本。不要一上来就改网络结构先把默认配置跑通确认数据能正常加载再开始调参。常见的目录是这样组织的datasets/ your_project/ images/train/xxx.jpg labels/train/xxx.txt images/val/... labels/val/... models/ yolov8n.yaml data.yaml train.py requirements.txtdata.yaml是最关键的文件里面写死了训练和验证数据路径以及类别数量。这类项目源码和php物联网项目源码那种按业务功能模块切分的结构不一样YOLO项目核心就三条线数据路径、模型配置、训练参数。先把data.yaml里的路径改成你自己机器上的绝对路径再确认nc参数和实际类别数量一致就能进行最小训练。3.2 小目标检测头改造加P2层还是保持原结构YOLOv8n默认在三个尺度输出预测分别对应8倍、16倍和32倍下采样特征。小目标在32倍下采样上已经完全消失在8倍下采样上也可能只剩一两个像素。常见的改造思路来自Faster-CNN等通用结构把网络在8倍下采样特征前再加一层也就是常说的P2层让模型在4倍下采样特征图上做检测。在ultralytics框架里可以通过自定义yaml改模型结构。下面是一个示意配置实际使用时需要配合你当前Ultralytics版本的模型解析语法# yolov8n-p2.yaml 片段示意增加P2检测头 backbone: - [-1, 1, Conv, [64, 3, 2]] # 输出尺度是原图的1/4作为P2特征 - [-1, 1, Conv, [128, 3, 2]] ... head: # 引用backbone的P2层和后面的P3/P4/P5一起送入head - [2, 1, Conv, [256, 3, 2]] ...逻辑说明增加P2层意味着head需要在更高分辨率的特征图上计算这对小目标定位帮助很大代价是特征图面积变成原来的4倍存占用和计算量同步上涨。在8GB显存的机器上YOLOv8n本身跑640分辨率很轻松但加了P2再开到1280batch只能降到4以下。很多0基础Python编程实战公开课学到的新手改完配置后发现显存爆掉又不知道怎么回退因此我的建议是如果没有十足的调试精力先保持原结构通过切片推理弥补尺度损失。另一种改造是把32倍下采样的大目标检测头去掉只保留P3和P4两个尺度再把更多通道分给P3。这种方式对小目标友好也减少了计算量。但去掉大目标检测头会让模型对超大目标失去敏感度适合目标尺寸范围相对单一的场景比如纯红外小目标检测数据集。这类改造要重新校验数据集中是否存在大量超过96像素的目标否则精度会明显下降。3.3 训练命令和关键参数从imgsz到mosaic的取舍YOLOv8n的训练命令很简洁以Ultralytics官方入口为例yolo detect train \ --model yolov8n.pt \ --data datasets/your_project/data.yaml \ --epochs 300 \ --imgsz 1280 \ --batch 16 \ --lr0 0.001 \ --mosaic 0.0 \ --cos_lr True \ --patience 50参数说明imgsz是最值得花预算的参数从640提到1280目标的像素面积扩充到4倍小目标特征不再被下采样抹平。显存不够时优先降batch而不是降imgsz。lr0在小于目标检测场景里建议保持0.001学习率过大会让loss在早期阶段直接震荡到NaN。mosaic这里显式关闭原因在上一章说过。cos_lr让学习率余弦衰减小目标模型通常需要更长的收敛阶段余弦退火比固定学习率稳。patience设为50防止最后几十轮过拟合。批次大小还需要考虑类别均衡。如果数据集中某类目标很少batch太大一个batch里可能压根没有该类样本梯度更新与它无关。我一般用8到16之间的batch同时配合数据均衡策略而不是无限加大batch。训练过程中每隔一段时间保存一次权重比如加上--save_period 20这样中途出问题还能回退。3.4 训练日志和指标怎么读P、R、mAP50与mAP50-95训练完成后runs/detect/train目录下会生成results.csv和best.pt。不要只看损失曲线要重点看验证集上的P、R、mAP50、mAP50-95四项。小目标场景里召回率R比精确率P更值得关注。因为小目标漏检是主要矛盾R从0.3提到0.5往往比P从0.9升到0.92更有业务价值。mAP50-95对小目标非常苛刻它从IoU 0.5到0.95做平均。一个8x8像素的目标预测框只要偏移3个像素IoU可能就掉到0.5以下。所以小目标项目的mAP50-95普遍很低比如mAP50到了0.7mAP50-95可能只有0.2。这不是模型不行而是评估指标对小目标的容错率太低。遇到这种情况用mAP50配合连续置信度阈值下的召回率曲线来评估比单一mAP值更可靠。训练日志还要对比train和val的box_loss。小目标模型的box_loss通常比大目标项目高出一截因为边界框只有几个像素的误差回归损失占比大。如果训练后期train_loss持续下降但val_loss开始回升说明过拟合启动应该停掉或加大增强。4. 小目标检测推理优化切片、多尺度与NMS调参4.1 用SAHI做切片推理小目标检测的标配手段训练完成只是开始。部署时输入往往是2000x3000以上的大图直接整图预测下采样后小目标只剩几个像素再好的权重也无力。常见的行业方案是切片推理把大图切成多个小图分别预测最后把检测框映射回原图坐标合并。SAHI库把这条流程封装得很完整。from sahi import AutoDetectionModel from sahi.predict import get_sliced_prediction detection_model AutoDetectionModel.from_pretrained( model_typeyolov8, model_pathruns/detect/train2/weights/best.pt, confidence_threshold0.3, devicecuda:0, image_size640, ) result get_sliced_prediction( test.jpg, detection_model, slice_height640, slice_width640, overlap_height_ratio0.2, overlap_width_ratio0.2, ) for pred in result.object_prediction_list: print(pred.bbox.to_voc_bbox(), pred.category.name, pred.score.value)逻辑说明get_sliced_prediction会按设定的切片大小和重叠率生成多个滑窗每个切片独立检测再把结果映射回原图坐标。overlap重叠意味着同一个目标可能出现在多个切片里最终会重复输出需要后续NMS去重。confidence_threshold在切片推理场景建议调低到0.3因为切片边缘的框分数普遍偏低阈值高了容易漏。参数说明slice_width和slice_height取模型训练时的输入尺寸附近比较合适常见用640。设成1280能减少切片数量、加快推理但每个切片对小目标的放大倍数下降效果会变差。重叠率0.2是保守基准如果目标经常被切到边缘提高到0.5能显著提升召回推理时间也相应增加。这套方法在红外小目标检测数据集上尤其有用因为热源点本身就在大尺度背景中分布稀疏切片后每个热点都变得清晰。4.2 切片结果合并坐标映射和重复框抑制切片推理的输出要先做坐标映射再做NMS。别以为SAHI会自动把结果合并得干干净净它返回的object_prediction_list经常有大量重复框尤其是重叠率较高的时候。下面这一段是手动映射和合并的核心逻辑import numpy as np import cv2 def map_box_to_original(box, slice_x, slice_y): x1, y1, x2, y2 box return [x1 slice_x, y1 slice_y, x2 slice_x, y2 slice_y] # 假设all_mapped是[score, x1, y1, x2, y2]的列表 boxes np.array([[b[1], b[2], b[3], b[4]] for b in all_mapped]) scores np.array([b[0] for b in all_mapped]) indices cv2.dnn.NMSBoxes(boxes.tolist(), scores.tolist(), 0.2, 0.3)逻辑说明切片坐标加上该切片左上角在原图中的偏移就得到原图坐标。NMS的输入得分要排前面cv2.dnn.NMSBoxes会按分数从高到低抑制重叠框。score_threshold设为0.2低于这个分数的框直接丢掉。一旦发生跨切片重复这一步就能把同一个目标的多个框合并成一个同时保留置信度最高的那个。参数说明NMS的iou_threshold在切片合并阶段建议设得低一点比如0.3。因为同一个目标在不同切片里的框可能因为尺度不同而互相错开iou高了对不上太低又可能合并掉相邻的小目标。根据目标密集程度调整如果是电线上的销钉这种密集排列0.2更稳。4.3 多尺度TTA与推理速度的平衡YOLOv8自带的TTA可以在推理时对图像做多尺度缩放再合并结果。对小目标来说放大原图能保留更多像素所以TTA的scale我一般设置为1.0和1.2两档不加0.8的缩小档。缩小对小目标毫无帮助只会增加推理时间。yolo detect predict \ --model best.pt \ --source test.jpg \ --imgsz 1280 \ --augment \ --scale 1.0,1.2参数说明--augment开启TTA--scale指定缩放比例。TTA的本质是用算力换精度推理时间可能膨胀到原来的2到3倍。实时监控系统里不要开离线批量处理时可以用。如果开了TTA后误检变多说明放大图像后模型看到了更多背景纹理这时可以适当把conf阈值调高0.05到0.1。4.4 NMS和置信度阈值小目标后处理的三组推荐值为不同业务场景设后处理参数比反复改网络结构更快更直接。我的常用推荐是场景conf阈值iou阈值说明离线分析0.20.3宁可多检再人工筛实时监控0.40.5降低误报切片合并后0.150.2切片输出框分数偏低合并后再剪小目标特征弱模型给出的原始分数通常不高。整图推理时conf设0.4可能什么都检不到调到0.2就有结果。实时系统里误检代价高单独用更严格的结构判断另外低阈值导致的大量低分框也会拖慢后处理。对于实时监控场景切片推理本身已经比较耗时再加TTA和低阈值很难落地。更好的方案是把模型导出为半精度TensorRT再把切片尺寸固定到480或640减少每个切片的计算量。后处理参数和部署环境强相关建议每次换设备品牌和驱动版本后都重新做一遍阈值扫描实验。5. 小目标检测避坑指南5个高频问题与排查方法5.1 什么都检测不到先查预处理和标签现象训练和验证都正常但任意一张测试图推理后返回空结果。原因最常见的是推理分辨率与训练时不一致测试图片里的小目标经过缩放后小于下采样步长特征图里完全没有激活点。另一个原因是数据集的类别编号从1开始而模型期望从0开始导致分类结果全部错位。解决先把conf阈值降到0.05排查是不是阈值问题。然后把原图按缩放逻辑变形打印出目标在模型输入尺寸下的像素大小如果小于8像素就确认需要切片推理。最后随机打开几个标签文件用Python读前5行检查类别索引和坐标比例是否在0到1之间。顺序很重要不要先怀疑模型结构。5.2 检测框偏移半截标注不规范或增强参数过猛现象检测框总比真实目标偏移几个像素在mAP50上不明显但mAP50-95很低。原因标注时人为扩大了框或者数据增强中的随机旋转让边界框和旋转后的目标错位。小目标尤其明显比如3个像素的偏移在正常目标上只算轻微误差在8x8像素目标上IoU直接腰斩。解决可视化训练数据的标注人眼随机抽查100张。如果框普遍偏大需要返工标注。如果是旋转导致的偏移在训练配置里把degrees设为0scale设为0.3以内的保守范围。增强的收益如果不足以抵消错位宁可不加。5.3 训练loss下降但mAP不升数据不均衡或正样本不足现象训练loss曲线很正常但验证集mAP50在地平线上纹丝不动。原因小目标类别在数据集中占比太少模型把注意力都学成了背景。总loss看起来在降但少数类别的贡献被淹没。这种情况在无人机视角和红外数据集中很常见背景面积大目标占比小。解决检查每个类别的目标框数量。如果最小类别占比低于5%用copy-paste增强将小目标复制到无目标背景区域人为增加样本数量。或者按类别重新划分训练集保证每个batch里都能含有稀有类别的样本。不要指望focal loss能解决一切先把数据均衡这一步做好。5.4 切片后目标被截断滑窗重叠率和边缘padding现象切片推理后原图上的目标框残缺跨切片目标重复或漏检。原因滑窗切片时目标正好落在切片边界。重叠率不够时目标在左右两个切片里各只露一半检测分数低最终被阈值过滤。解决把overlap_height_ratio和overlap_width_ratio提高到0.5保证跨边界目标在两个切片里都能看到完整形态。如果目标在图像边缘给图像做一点对称padding再切推理结束后把坐标减去padding值。切片推理的正确姿势是先确定目标最小可能尺寸再反推重叠最小的覆盖率而不是固定0.2。5.5 导出模型后速度更慢Opset版本和量化陷阱现象onnx导出的模型在CPU或GPU上比PyTorch原模型还慢。原因导出onnx时Opset版本太低算子没有被推理框架优化。另一种情况是导出模型时把切片推理逻辑一起包了进去或启用了TTA表面是模型慢实际上是重复推理造成的。量化也容易拖后腿int8量化对小目标的特征响应破坏很大检测结果会大量丢失。解决onnx导出时指定--opset 12或更高。实时部署优先用TensorRT并保持fp16不做int8。如果模型本身不慢但总流程慢把切片、preprocess、postprocess分别计时定位耗时瓶颈。小目标检测场景里int8量化省下的显存往往不值得损失掉的召回率。6. 最后一步用小目标专属脚本验证并可视化结果6.1 按尺寸区间统计精确率和召回率整体mAP会把大目标和小目标混在一起掩盖真实问题。我的做法是把验证集目标按宽高分成几组比如小于8像素、8到16像素、16到32像素、大于32像素然后分别统计每个分组的TP、FP、FN计算精确率和召回率。Ultralytics的val命令可以输出JSON格式的详细预测结果yolo detect val \ --model best.pt \ --data datasets/your_project/data.yaml \ --imgsz 1280 \ --conf 0.3 \ --iou 0.5 \ --save_json生成predictions.json后自己写一个脚本遍历预测框和真实框按IoU匹配再按目标尺寸分组统计。这个脚本比官方日志多一个维度能直接告诉你模型在哪个尺寸区间开始崩溃。如果小于8像素的召回率只有0.1那后续优化方向就锁定在微小目标上而不是盲目调大模型。6.2 可视化多个实验的错误样本错误样本图很有说服力。把漏检目标画红框误检目标画蓝框再叠上真实框一眼就能看出问题是漏检还是错位。常见的做法是把同一个测试集的多张错误图拼合成一张对比图方便自己复盘。import cv2 img cv2.imread(test.jpg) for box in miss_boxes: cv2.rectangle(img, (box[0], box[1]), (box[2], box[3]), (0, 0, 255), 2) for box in false_boxes: cv2.rectangle(img, (box[0], box[1]), (box[2], box[3]), (255, 0, 0), 2) cv2.imwrite(error_vis.jpg, img)逻辑说明红框是标准答案里模型没检出的目标蓝框是模型臆造出来的目标。对比不同实验的同一张图能直观看出调参方向的作用。比如NMS阈值从0.5调到0.3后红框数量减少但蓝框增多说明误检和漏检在直接交换需要找中间点。6.3 把预处理和后处理参数写进配置文件我最后悔的是没有把切片尺寸、重叠率、conf阈值、iou阈值集中管理。这些参数散落在多个脚本里调一次就得翻代码。现在我的固定习惯是建一个config.yaml把推理参数全部放进去训练和预测脚本都从同一个配置读取。这样换数据集时只改配置不动代码每个实验的参数组合都变成文件可追溯。版本对比时先比config再比权重能少做很多无用功。小目标检测的落地80%的分数在数据和后处理上模型本身反而是最容易替换的环节。先跑通这个项目的源码和流程教程再按这里的坑去调整大概率比直接换一个yolov26目标检测项目源码更稳。希望帮到你。本文还有配套的精品资源点击获取