移动端文档特殊图形识别：模型选型、训练及工具适配咨询

一、模型选择 #

针对移动端小目标检测场景，优先推荐YOLO系列的轻量化版本（如YOLOv5n、YOLOv8n），这类模型在小目标检测精度和推理速度的平衡上表现更优，且部署到移动端的流程成熟。

• Mobile SSD对小目标的检测能力偏弱，容易漏检，不太适配你的需求；
• 你之前用的EfficientDet-Lite系列其实是可行方向，但建议尝试EfficientDet-Lite1/Lite2（比Lite0稍大但对小目标更友好），同时调整输入分辨率匹配图形大小；
• 若追求极致轻量化，可考虑YOLOv8n-tiny，推理速度更快，适合移动端实时检测。

二、达到90%+准确率的数据集与训练时间 #

数据集规模 #

单一特殊小目标检测需要覆盖不同场景变化，建议：

• 训练集：150-200张，需包含不同光照、拍摄角度、文档背景、图形缩放比例（近拍/远拍）、轻微模糊的样本；
• 验证集：30-50张，测试集：20-30张，均要覆盖上述场景。
  你之前的40张训练集样本量不足，小目标检测对样本多样性要求更高，少样本很难让模型学到稳定特征。

训练时间 #

• 用消费级GPU（如RTX 3060/4060）训练轻量化模型，100-200轮迭代大概需要1-3小时；
• 用CPU训练的话，耗时会提升到10-20小时左右；
• 不建议直接在移动端训练，效率极低，优先在PC端训练完成后导出TensorFlow Lite/ONNX格式部署。

三、TensorFlow Model Maker的适用性 #

TensorFlow Model Maker完全适合你的需求，它简化了模型训练、调参和导出移动端适配格式的流程，支持EfficientDet-Lite、Mobile SSD等轻量化模型，还能快速配置数据增强策略。你需要做的是优化训练参数和数据集，而非更换工具。

四、之前训练效果不佳的原因及方向调整 #

1. 样本量不足：40张训练集无法覆盖实际拍摄的各种场景，模型泛化能力差；
2. 输入分辨率不合理：高分辨率原图直接输入模型会导致小图形被过度压缩（比如EfficientDet-Lite0默认320x320输入，小图形可能只剩几像素），建议调整模型输入分辨率为640x640，或预处理时裁剪出包含图形的局部区域；
3. 数据增强缺失：未添加翻转、旋转、随机缩放、亮度调整、噪声注入等增强操作，模型无法应对实际拍摄的复杂情况；
4. 标注精度问题：小目标的边界框标注误差会严重影响模型学习，需确保标注框精准包裹图形，避免过大或过小。

内容的提问来源于stack exchange，提问作者Slobodan M.