YOLOv5自定义模型训练求助：母球检测定位偏差问题

问题概况 #

我是YOLOv5新手，训练自定义模型时遇到母球（cueball）定位明显偏差的问题。数据集由Roboflow创建：2000张训练图、183张验证图、115张测试图；训练仅使用cue（球杆）和cueball（母球）两个类别。

检测结果示例 #

• 结果1
  
• 结果2
  

训练参数 #

训练命令：

python train.py --img 416 --batch 32 --epochs 500 --data data.yaml --weights yolov5l.pt --cache

已尝试措施 #

• 切换其他YOLOv5模型，无改善
• 持续扩充数据集，效果未提升

数据集指标 #

• 类别均衡情况
  
• 数据集指标图1
  
• 数据集指标图2
  
• 数据集指标图3
  
• 数据集指标图4
  

改进方案 #

1. 排查标注质量 #

• 随机抽取训练集中的母球样本，检查标注框是否精准贴合母球边缘，有无偏移、漏标、框体过大/过小问题
• 确认标注一致性，避免不同样本的标注标准差异

2. 调整训练策略 #

• 终止过拟合训练：500轮大概率已过拟合，查看训练日志中的val_loss曲线，当val_loss连续多轮不再下降时立即停止，建议先尝试100-200轮训练
• 提升输入分辨率：416尺寸对小目标母球的特征捕捉不足，尝试将--img改为640或800
• 优化学习率：添加--cos-lr启用余弦退火学习率，或手动调低初始学习率至0.0001，避免模型震荡

3. 针对性数据增强 #

• 强化几何变换：增加旋转、缩放、平移、翻转等增强，让模型适应母球不同角度和位置
• 模拟环境变化：添加亮度、对比度调整、高斯模糊等，覆盖不同光照下的母球场景
• 确认Mosaic/MixUp增强：YOLOv5默认开启，可适当调整增强比例，提升模型泛化性

4. 类别权重修正 #

若母球样本量远少于球杆，在data.yaml中设置类别权重：

names: ['cue', 'cueball']
weights: [1.0, 2.5]  # 母球权重根据样本比例调高

5. 模型结构优化 #

• 尝试YOLOv5x模型，更大的参数量能更好捕捉小目标特征
• 自定义锚框：使用python utils/autoanchor.py --data data.yaml生成适配母球尺寸的锚框，替换模型默认锚框

6. 验证/测试集优化 #

• 检查验证集是否覆盖母球的各种场景（不同角度、背景、遮挡情况），若覆盖不足补充对应样本
• 确保测试集与训练集场景分布一致，避免测试场景超出训练范围

内容的提问来源于stack exchange，提问作者xxxx