YOLOv5训练后车辆检测框整体左移，求问题排查方案

一、核对标注坐标转换的正确性 #

• 手动校验缩放后的标注逻辑：原图像尺寸1000x750，缩放到640x640时，需按宽高各自的比例计算标注坐标。YOLO标注采用**(x_center, y_center, width, height)的归一化格式**，正确的转换方式是先对原绝对坐标乘对应宽高的缩放比例，再除以目标图像的宽高得到归一化值。比如原图像x_center绝对坐标500，缩放后绝对坐标为500*(640/1000)=320，再除以640得到0.5的归一化值。若转换时错误使用固定比例（比如宽高都用640/1000），会直接导致标注偏移，进而训练出偏移的检测框。
• 用YOLOv5工具可视化验证：执行python utils/plots.py --source ../train/images，查看标注框是否精准贴合车辆，确认标注转换无错误。

二、补充训练数据量 #

• 当前仅用1张训练图，数据量严重不足，模型无法学习到稳定的特征，极易出现过拟合或偏移问题。至少收集几十张不同场景、角度、光照条件的车辆图片补充训练集。
• 开启数据增强：在dataset.yaml中保留默认数据增强配置，或手动添加旋转、水平翻转、平移、亮度调整等操作，生成现有图片的变体样本，增加数据多样性。

三、调整训练参数 #

• 减少冻结层数：你使用--freeze 10冻结了骨干网络10层，对于极小数据集来说，过度冻结会限制模型适配数据的能力。尝试改为--freeze 5或直接移除--freeze参数，让模型充分学习你的数据集特征。
• 修正batch size与epochs：当前仅1张训练图，--batch 16无法生效，实际batch size为1，训练稳定性极差。将--batch改为1，同时把epochs增加到30-50，给模型足够的迭代学习次数。

四、适配数据集锚框 #

• YOLOv5默认锚框针对COCO数据集设计，可能与你的车辆框尺寸不匹配。执行python utils/autoanchor.py --data ../dataset.yaml，让工具自动计算适配你数据集的锚框，替换models/yolov5s.yaml中的anchors字段后重新训练。

五、规范图像缩放方式 #

• YOLOv5默认采用letterbox缩放（保持原图比例，空白处填充黑边），若你手动拉伸图像到640x640，会导致图像变形，标注框也随之错位。建议不要手动缩放图片，直接使用原图1000x750，训练时指定--img-size 640，模型会自动完成letterbox缩放并同步转换标注框。

内容的提问来源于stack exchange，提问作者Tiru