如何优化数据集提升Yolov4-tiny车载LED矩阵检测的mAP值

针对你用Yolov4-tiny检测车载LED矩阵时遇到的过拟合、模型不收敛、无检测结果问题，核心原因是小众物体的数据集规模不够、多样性不足，以下是具体的数据集优化方法：

一、针对性数据扩增 #

• 场景化模拟：用OpenCV给现有图片加不同光照效果（强光、弱光、逆光）、模拟车载场景的水雾、玻璃反光，不用额外采集真实数据，就能让模型适应不同环境下的LED矩阵特征。
• 几何变换：对标注好的图片做随机水平翻转、±15°以内旋转、0.8-1.2倍缩放、局部裁剪（保留LED主体），记得同步调整标注框坐标，保证标注和图片匹配。
• 合成数据：找公开的LED矩阵素材，合成到不同车载背景图里，调整素材的大小、角度、光照让合成图尽量真实，快速扩充几十上百倍样本。

二、适配小样本的训练策略 #

• 冻结浅层网络：Yolov4-tiny的预训练权重已经学了通用图像特征，训练时先冻结前20层卷积，只训后面的检测头和分类层，等模型初步收敛后再解冻部分浅层微调，避免预训练特征被小样本冲散。
• 调低学习率：把cfg文件里的learning_rate从默认0.001改成0.0001，burn_in设为1000，让模型初期缓慢适应新数据集，防止权重波动太大导致不收敛。
• 加正则化抑制过拟合：在cfg的卷积层里加dropout=0.3，或者开启weight_decay=0.0005，训练时打开augment开关增强扩增随机性。

三、优化标注与数据集筛选 #

• 统一标注规范：所有LED矩阵的标注框必须精准包围物体，漏框、错框的样本要么修正要么删除，别让错误标注干扰模型学习。
• 筛选高多样性样本：删掉重复度高的样本（比如同一角度同一光照的多张图），补充难例样本：被部分遮挡的、远距离小尺寸的LED矩阵，提升模型泛化能力。
• 合理划分训练验证集：按8:2比例分层划分，保证训练集和验证集的场景、角度、光照分布一致，避免验证集样本和训练集差异太大，导致评估不准。

四、数据集迭代补充 #

• 阶段性验证调整：每训100轮就用验证集测mAP和检测结果，要是发现模型只记住了训练集，立刻加扩增后的新样本，或者调大正则化参数。
• 伪标注补充数据：找一批未标注的车载场景图，用训练到一半的模型做伪标注，挑置信度高的样本加入训练集，低成本扩充数据量。

附训练代码 #

from google.colab import drive
drive.mount('/content/gdrive')

!ln -s /content/gdrive/My\ Drive/ /mydrive

%cd /mydrive/yolov4

!git clone https://github.com/AlexeyAB/darknet

%cd darknet/
!sed -i 's/OPENCV=0/OPENCV=1/' Makefile
!sed -i 's/GPU=0/GPU=1/' Makefile
!sed -i 's/CUDNN=0/CUDNN=1/' Makefile
!sed -i 's/CUDNN_HALF=0/CUDNN_HALF=1/' Makefile
!sed -i 's/LIBSO=0/LIBSO=1/' Makefile

!make

# run process.py file, used to create train.txt and test.txt from annotated images
!python process.py
!ls data/

# Here we use transfer learning. Instead of training a model from scratch, we use pre-trained YOLOv4 weights which have been trained up to 137 convolutional layers. Run the following command to download the YOLOv4 pre-trained weights file.
#!wget https://github.com/AlexeyAB/darknet/releases/download/darknet_yolo_v3_optimal/yolov4.conv.137
!wget https://github.com/AlexeyAB/darknet/releases/download/darknet_yolo_v4_pre/yolov4-tiny.conv.29

!chmod +x ./darknet

#!./darknet detector train data/matheus.data cfg/yolov4-custom.cfg yolov4.conv.137 -dont_show -map
!./darknet detector train data/matheus.data cfg/yolov4-custom.cfg yolov4-tiny.conv.29 -dont_show -map

内容的提问来源于stack exchange，提问作者Matheus Fortunato Alves