尧图网页设计 
简介这份水域实例分割数据集面向计算机视觉、遥感解译与GIS开发者集中解决水域目标识别与边界提取问题。包内包含1673张高分辨率JPEG/PNG图片覆盖河流、湖泊、海洋、湿地、池塘及其他水域六类场景并配有YOLO格式分割标注文件每行记录类别与多边形掩码坐标可直接用于YOLOv8等模型训练。数据集采集自卫星影像、无人机航拍和地面拍摄光线、尺度、遮挡情况多样可增强模型在不同环境下的泛化能力。压缩包共2000个文件包括1673个txt标注文件、325个jpg图片、1个yaml配置文件及1个docx说明文档其中yaml用于定义类别与训练参数docx说明标注规范整体体积103.31MB目录结构清晰方便直接解压使用。截至当前已有179人学习下载适合从事水质监测、洪涝预警、水体提取、生态环境监测等方向的科研人员、算法工程师及在校学生。1. 水域实例分割数据集从能调到能用先搞清楚这包数据到底给你了什么拿到「水域实例分割数据集.zip」这类资源第一反应别急着解压扔给 YOLOv8 开训。实例分割和普通目标检测最大的区别是它不仅要画出“哪里有船、哪里有漂浮物”的框还要把每个目标的轮廓像素级抠出来——训练这种模型你需要的可不只是几百张 JPG而是每一张图背后那份和原图同名的 JSON 或 TXT 标注。这个数据集真正值钱的地方在于它把“水域”这个长尾场景帮你提前踩平了水面的反光、倒影、波浪纹理这些在 COCO 上表现良好的模型一下水就翻车原因不是模型笨而是训练分布里压根没有足够多的“水”。这篇笔记会带你把这个压缩包从结构、标注格式、训练参数一路拆到验证指标照着做就能跑通一条完整的水域实例分割训练链路。这个方向适合三类人做水利巡检、航道监控、水产养殖或水域安防的算法工程师手头有摄像头但缺标注样本的团队以及正在拿 YOLOv8-seg 或 Mask2Former 练手、想知道真实工业数据集长什么样的学生。如果你只是想要一个能跑通的 Demo这个数据集的坑可能比收益多但如果你要的是“模型在水边真的能稳定输出掩码”那它就是最便宜的前置投入。2. 解压之前先认清组织方式水域实例分割的标注到底长什么样2.1 看目录结构train / val / test 划分与命名规则拿到 zip 第一步不是解压而是先看压缩包里的文件列表。常见的组织方式有两种一种是images/和annotations/平级标注文件按 COCO 格式聚合成一个train.json另一种是 YOLO 风格每个子集下images/与labels/一一对应标注按一行一个目标的方式散落在同名 TXT 里。这两种结构直接决定后续你要写多少转换代码。如果你打开压缩包看到的是 COCO 风格有annotations目录和.json说明它更接近检测竞赛的原始形态适合直接喂给 Detectron2 或 MMDetection。如果是 YOLO-seg 风格每个 label 文件里是class_id x1 y1 x2 y2 ... xn yn那你的预处理成本就很低。判断标准很简单看 val 集里有没有和原图同名的标注文件。没有同名文件、只有一个大 JSON 的一定是 COCO 式。命名规则也要留意。有的数据集文件名带拍摄条件标记比如2024-03-15_shanghai_boat_001.jpg这种信息别丢后续要做按场景切分或按光照筛选时文件名是唯一的真值来源。我一般会先把find . -name *.jpg | head -n 20的完整路径清单留存一份当作数据字典比任何 README 都可靠。2.2 标注类别与掩码质量一个容易被忽略的“语义一致性”问题实例分割数据集的灵魂不是类别数量而是掩码边界准不准。水域场景里最常见的目标是船、漂浮物、游泳者、浮标偶尔还有桥墩和岸线。你拿到数据集后第一件事不是统计每个类别有多少张图而是抽 20 张图用标注可视化工具叠加掩码看一遍。掩码如果存在“锯齿状边缘”或“把大片无关区域包进去”的情况训练出来的模型轮廓会脏后期做像素级后处理非常痛苦。类别不均衡在水域数据集里几乎是必然的。船和岸线目标量大游泳者可能只有几十个实例。如果你直接拿全量数据训 YOLOv8-seg模型会倾向于把所有靠近水面的东西都预测成“船”。这时候要做的不是改网络结构而是先按类别做实例数统计如果某个类别实例数不足 200就要考虑要么合并成“水上目标”这样的粗粒度类要么用复制粘贴增强去给少数类补样本。掩盖这个问题的代价是验证集上 mAP 很好看、实际部署时全在误报。提示解压后第一件事把coco json里的categories字段打印出来确认类别 ID 是否从 1 开始连续编号。YOLO 格式对类别 ID 从 0 开始有硬要求转换时差一个序号训练到一半才发现就白跑了一轮。3. 把数据集喂给模型的两种路线COCO 风格转 YOLO-seg还是直接上 MMDetection3.1 COCO 转 YOLO-seg 的转换脚本与四个参数坑假设你的数据集是 COCO 风格的一个train.json 一堆图片而你想用 YOLOv8-seg 训练——这是绝大多数人的诉求。转换的核心是从 JSON 里把每个目标的segmentation多边形坐标提出来归一化后写到 TXT 文件里。下面这份脚本是按 80% 训练 / 20% 验证划分后转换的基础版本坐标归一化用原图宽高直接除。import json import os with open(annotations/train.json, r, encodingutf-8) as f: coco json.load(f) os.makedirs(yolo/labels/train, exist_okTrue) os.makedirs(yolo/images/train, exist_okTrue) img_id_to_name {} for img in coco[images]: img_id_to_name[img[id]] img[file_name] h, w img[height], img[width] for ann in coco[annotations]: cat_id ann[category_id] - 1 # 关键COCO 类别从1开始YOLO 从0开始 seg ann[segmentation][0] # 多边形坐标扁平列表 points [] for i in range(0, len(seg), 2): x seg[i] / w y seg[i1] / h x min(max(x, 0.0), 1.0) # 边界裁剪防止归一化坐标越界 y min(max(y, 0.0), 1.0) points.append(f{x:.6f} {y:.6f}) line f{cat_id} .join(points) \n img_name img_id_to_name[ann[image_id]] label_path os.path.join(yolo/labels/train, img_name.replace(.jpg, .txt)) with open(label_path, a) as f: f.write(line)这段脚本每次运行只处理一个 JSONsegmentation[0]只取第一段多边形如果标注里存在“一个目标多个多边形”比如船被桥柱挡住分成两块这段逻辑会丢数据。参数上最容易翻车的有四处一是类别 ID 减一没做导致所有类别整体偏移一个序号二是坐标裁剪钳制到[0,1]后如果原标注有超出边界的点训练时会被错误地拉回边界内掩码形状失真三是多类别但脚本没区分训练/验证文件路径把验证集的标注也写进了train/labels目录四是换行符在 Linux 和 Windows 下不一致Windows 下生成的 CRLF 文件 YOLO 也能读但某些旧版标注工具会报 parse error建议统一用\n。转换完还要做一道校验从训练集 labels 里随机取 5 个 TXT检查每行第一个数字是否在类别范围内检查归一化坐标是否都小于 1。更稳妥的办法是直接把转换后的 label 画回原图用 OpenCV 的polylines把多边形描一遍肉眼对比和原 JSON 里segmentations是否接近。这一步能拦截掉 90% 的转换错误。3.2 不转 JSON 的路线MMDetection 的 CocoDataset 直读如果你不想写转换脚本或者后续要尝试 Mask2Former、Mask R-CNN 这类框架保留 COCO 格式直接训练是更省事的选择。MMDetection 的CocoDataset类原生读取 COCO JSON你只需要把数据集的目录改成它认的预设结构data/coco/annotations/instances_train.json、data/coco/train2017/、data/coco/val2017/。这里的关键是修改配置文件里的classes元组把数据集自带的类别名填进去。# configs/_base_/datasets/coco_instance.py 中的关键覆盖 dataset_type CocoDataset data_root data/water/ classes (boat, floating_object, swimmer, buoy) train_dataloader dict( datasetdict( typedataset_type, data_rootdata_root, ann_fileannotations/train.json, data_prefixdict(imgtrain/), metainfodict(classesclasses), filter_cfgdict(filter_empty_gtTrue, min_size32), ))注意filter_empty_gtTrue这个参数。COCO 数据集中没标注的图片数量可能不少水域场景尤其多——有些图只有水没有目标对训练无益但会拖慢 epoch。加上这个参数后加载器会把无目标图直接过滤掉省显存也省时间。min_size32会过滤掉宽或高小于 32 像素的目标水务图像里的小目标很多如果发现浮标这类目标频繁被过滤把这个值调到 16 甚至去掉否则模型学不到小目标特征。走这条路线你的人力成本在“配环境”而不是“写代码”。MMDetection 对 CUDA 和 PyTorch 版本有严格对应关系装错了编译build_ext能折腾一下午。如果你的数据量在千张以内、硬件只有单卡我的建议还是优先 YOLOv8-seg——它的数据加载和训练流程更傻瓜化yolo train一行命令就能看到全流程日志而 MMDetection 的定制能力确实更强但前置成本也是实打实的。4. YOLOv8-seg 训练水域数据的必调参数与 3 个踩坑记录4.1 数据集 YAML 与训练命令从框到掩码的最小闭环用 YOLOv8-seg 训练实例分割模型数据准备最后一步是写一个 YAML 文件。很多人直接从分类任务的 YAML 模板复制过来结果names写了整数而不是类别名训练能跑但可视化时类别标签全是乱码。另外一个高频错误是train和val路径写成相对路径换一台机器、换个工作目录就报Dataset not found建议这里一律写绝对路径或者把 YAML 和数据集放同一级目录后用./开头。# water_seg.yaml path: /home/user/water_dataset # 数据集的绝对路径 train: images/train val: images/val names: 0: boat 1: floating_object 2: swimmer 3: buoy训练命令本身不长但参数里藏着影响分割质量的细节。epochs在水域场景建议至少 120因为水面反光造成的背景噪声很大模型需要更多轮次来区分“纹理”和“目标”。“imgsz”选 640 还是 1280取决于你的原始影像分辨率——如果是无人机拍的 4K 画面缩小到 640 训练小目标掩码基本废掉显存允许的话直接imgsz1280单张图推理时间翻倍但你换来的是小目标召回率水漂、人员落水这类目标值得这个代价。yolo segment train datawater_seg.yaml modelyolov8s-seg.pt epochs150 imgsz1280 batch8 patience20 projectruns/water_experimentpatience20是很多人不看好的参数它的作用是如果验证集 mAP 连续 20 个 epoch 不涨就提前停止。水域场景的验证集通常难度不均匀有时前 30 个 epoch 一直不涨第 35 个 epoch 突然突破——如果你把 patience 设成 10模型就永远等不到那个突破。保守起见设 30反正 early stop 本身对最终权重没坏处。batch大小受显存限制实例分割比检测多一个掩码头同样的 batch8显存占用接近目标检测的 1.5 倍如果 OOM 优先降 batch不要优先降imgsz。4.2 避坑水域实例分割训练常见的 5 个具体问题坑 1掩码标注和图片尺寸不匹配导致多边形全跑到画布外。现象训练日志里loss_seg数值正常但验证集预测的掩码全是空的多边形画出来只有几个像素。 原因部分标注文件里的坐标是原始高清图的像素值但训练时imgsz640做了等比缩放换算公式里用的宽高比和 YOLO 内置的letterbox不一致导致多边形坐标被映射到留黑边区域。 解决统一用 YOLO 的letterbox逻辑做坐标换算也就是按min(w/640, h/640)缩放后做中心填充不要手动除以原图宽高。坑 2训练正常但 mAP50 很高、mAP50-95 极低。现象mAP50 有 0.85mAP50-95 只有 0.2。 原因标注的掩码本身就粗糙比如浮标只标了外接方框的锯齿多边形模型在粗粒度上容易命中但精细 IoU 阈值 0.75 下一算就崩。 解决检查标注文件的掩码点密度如果单个目标少于 10 个点要么重新精标要么在预处理阶段用 OpenCV 的approxPolyDP平滑多边形把点数补到 30 以上。坑 3验证集的预测掩码叠在原图上出现整体偏移半米。现象掩码形状完全正确但位置比真实目标偏左上或右下十几个像素。 原因水面目标存在半透明边缘比如波浪上的浮标人工标注时习惯性往目标中心缩了一圈。这种系统性偏差会导致分割结果虽然形状对但像素级定位不准。 解决在训练前对所有掩码做一次膨胀处理用cv2.dilate加 3x3 的核把标注边缘向外扩一圈如果测试集偏大则改成腐蚀。这个操作的幅度要在验证集上做 A/B 对比扩太大 mAP50-95 反而掉。坑 4多尺度训练导致小目标掩码时有时无。现象同一张图imgsz1280时能检测到远处浮标imgsz640时丢失。 原因数据增强里的scale0.5会把原图随机缩放到 50%~150%对于本来就只有 20x20 像素的小目标缩放后直接低于特征金字塔的响应阈值。 解决把增强参数scale调成 0.7~1.3保住小目标的最小尺寸代价是模型对大目标的泛化会略微下降但水域场景里小目标通常更关键。坑 5类别不均衡导致边缘类别完全学不动。现象训练集里swimmer实例只有 60 个验证集上这个类别的 AP 永远是 0。 原因实例分割的 loss 是逐像素计算大目标类别主导梯度方向少数类被淹没。 解决先按类别实例数做统计把实例数低于 200 的类别单独复制 3 份加入训练集注意不要复制到验证集或者用mosaic0关闭马赛克增强——因为马赛克会把 4 张图拼在一起进一步稀释本来就少的少数类样本。4.3 验证集拆分别把同一段视频的连续帧放进两个集合水域数据集经常来自录像抽帧相邻帧之间的背景和目标几乎一样。如果随机划分训练/验证集模型可能在验证集上“见过”几乎一样的画面这就是典型的数据泄漏。表现是训练日志 mAP 达到 0.9但实际部署到另一段视频上掉到 0.4。正确做法是按视频片段切分。比如文件名包含20240315这样的日期或 ID就把同一个 ID 的所有帧划到同一集合。实现上可以写一个小脚本按前缀聚合import glob from collections import defaultdict files glob.glob(images/*.jpg) groups defaultdict(list) for f in files: # 假设文件名格式20240315_boat_001.jpg scene_id f.split(/)[-1].split(_)[0] groups[scene_id].append(f) all_scenes list(groups.keys()) train_scenes all_scenes[:int(len(all_scenes) * 0.8)] val_scenes all_scenes[int(len(all_scenes) * 0.8):]按场景切分后训练集和验证集各自包含完整的不同场景片段模型学到的才是“泛化的水域目标分割”而不是“记住这段视频里的船”。这个思路同样适用于 HRSC2016 这类遥感船舶数据集——它们也是按不同港口场景组织随机切分会让实验结果虚高到没法信。学术论文里不写这个细节但实际做项目时这就是决定模型能不能过验收的那条线。5. 从训练曲线到部署验证用可视化手段判断模型有没有真学会最后一个环节不是等你训练完再想而是训练过程中就要盯三样东西loss_seg曲线的收敛形态、验证集的Mask AP曲线、以及每个 epoch 结束保存的验证集预测图。纯看 loss 值很容易被骗——水面背景的低纹理区域模型即使什么都没学会loss_seg也能降到一个不错的位置因为大部分像素都是背景朴素分割就能拿到低 loss。更可靠的验收方法是“时序稳定性测试”。水域摄像头通常是固定视角你拿一段训练集里没出现过的视频用训练好的模型逐帧推理把相邻两帧的掩码 IoU 算出来。如果模型只学会了静态特征帧间 IoU 会剧烈波动真正学到掩码特征的模型帧间 IoU 应该稳定在 0.7 以上。这个指标比 mAP 更能反映实际问题因为水面目标在连续帧里位置变化是有物理规律的忽隐忽现的掩码说明模型的注意力在跟着光斑走而不是跟着目标走。另一个值得投入的小技巧是输出“边缘残差图”。把每张测试图的预测掩码和人工标注哪怕只标 50 张做差值差值落在目标边缘还是目标内部处理方式完全不同。如果差值集中在边缘一圈且膨胀 2 像素后能覆盖八成误差说明模型学到的轮廓整体偏小或偏大这时候调整标注的膨胀系数比换模型更有效。如果差值散布在目标内部说明模型的掩码存在空洞或断裂这时候考虑在 loss 里加一个dice_loss权重把整体性约束加进去。我现在的习惯是每次训练结束先跑一遍帧间稳定性再跑边缘残差分析最后才看 mAP。前者告诉我模型能不能用后者告诉我误差从哪来mAP 只用来在多个实验之间排名。这组验证习惯救过我好几次——有一次训练曲线一切正常但帧间 IoU 只有 0.3查到最后是某个数据增强参数把水面反光复制成了伪目标模型学到的是“把高光区域圈出来”而不是“把船圈出来”。这种错误只盯着指标数字是永远发现不了的。做水域实例分割项目数据集的重量占七成。这份 zip 里真正值钱的不是那几千张 JPG而是标注里每一笔多边形是否经得起像素级推敲。把这份数据集的结构、类别分布、掩码质量摸透再决定训练路线和参数比你多试十个模型结构都管用。希望这篇笔记能帮你少走一次数据清洗的弯路。本文还有配套的精品资源点击获取 水域实例分割数据集实战：从COCO转YOLO到YOLOv8-seg训练避坑指南
简介这份水域实例分割数据集面向计算机视觉、遥感解译与GIS开发者集中解决水域目标识别与边界提取问题。包内包含1673张高分辨率JPEG/PNG图片覆盖河流、湖泊、海洋、湿地、池塘及其他水域六类场景并配有YOLO格式分割标注文件每行记录类别与多边形掩码坐标可直接用于YOLOv8等模型训练。数据集采集自卫星影像、无人机航拍和地面拍摄光线、尺度、遮挡情况多样可增强模型在不同环境下的泛化能力。压缩包共2000个文件包括1673个txt标注文件、325个jpg图片、1个yaml配置文件及1个docx说明文档其中yaml用于定义类别与训练参数docx说明标注规范整体体积103.31MB目录结构清晰方便直接解压使用。截至当前已有179人学习下载适合从事水质监测、洪涝预警、水体提取、生态环境监测等方向的科研人员、算法工程师及在校学生。1. 水域实例分割数据集从能调到能用先搞清楚这包数据到底给你了什么拿到「水域实例分割数据集.zip」这类资源第一反应别急着解压扔给 YOLOv8 开训。实例分割和普通目标检测最大的区别是它不仅要画出“哪里有船、哪里有漂浮物”的框还要把每个目标的轮廓像素级抠出来——训练这种模型你需要的可不只是几百张 JPG而是每一张图背后那份和原图同名的 JSON 或 TXT 标注。这个数据集真正值钱的地方在于它把“水域”这个长尾场景帮你提前踩平了水面的反光、倒影、波浪纹理这些在 COCO 上表现良好的模型一下水就翻车原因不是模型笨而是训练分布里压根没有足够多的“水”。这篇笔记会带你把这个压缩包从结构、标注格式、训练参数一路拆到验证指标照着做就能跑通一条完整的水域实例分割训练链路。这个方向适合三类人做水利巡检、航道监控、水产养殖或水域安防的算法工程师手头有摄像头但缺标注样本的团队以及正在拿 YOLOv8-seg 或 Mask2Former 练手、想知道真实工业数据集长什么样的学生。如果你只是想要一个能跑通的 Demo这个数据集的坑可能比收益多但如果你要的是“模型在水边真的能稳定输出掩码”那它就是最便宜的前置投入。2. 解压之前先认清组织方式水域实例分割的标注到底长什么样2.1 看目录结构train / val / test 划分与命名规则拿到 zip 第一步不是解压而是先看压缩包里的文件列表。常见的组织方式有两种一种是images/和annotations/平级标注文件按 COCO 格式聚合成一个train.json另一种是 YOLO 风格每个子集下images/与labels/一一对应标注按一行一个目标的方式散落在同名 TXT 里。这两种结构直接决定后续你要写多少转换代码。如果你打开压缩包看到的是 COCO 风格有annotations目录和.json说明它更接近检测竞赛的原始形态适合直接喂给 Detectron2 或 MMDetection。如果是 YOLO-seg 风格每个 label 文件里是class_id x1 y1 x2 y2 ... xn yn那你的预处理成本就很低。判断标准很简单看 val 集里有没有和原图同名的标注文件。没有同名文件、只有一个大 JSON 的一定是 COCO 式。命名规则也要留意。有的数据集文件名带拍摄条件标记比如2024-03-15_shanghai_boat_001.jpg这种信息别丢后续要做按场景切分或按光照筛选时文件名是唯一的真值来源。我一般会先把find . -name *.jpg | head -n 20的完整路径清单留存一份当作数据字典比任何 README 都可靠。2.2 标注类别与掩码质量一个容易被忽略的“语义一致性”问题实例分割数据集的灵魂不是类别数量而是掩码边界准不准。水域场景里最常见的目标是船、漂浮物、游泳者、浮标偶尔还有桥墩和岸线。你拿到数据集后第一件事不是统计每个类别有多少张图而是抽 20 张图用标注可视化工具叠加掩码看一遍。掩码如果存在“锯齿状边缘”或“把大片无关区域包进去”的情况训练出来的模型轮廓会脏后期做像素级后处理非常痛苦。类别不均衡在水域数据集里几乎是必然的。船和岸线目标量大游泳者可能只有几十个实例。如果你直接拿全量数据训 YOLOv8-seg模型会倾向于把所有靠近水面的东西都预测成“船”。这时候要做的不是改网络结构而是先按类别做实例数统计如果某个类别实例数不足 200就要考虑要么合并成“水上目标”这样的粗粒度类要么用复制粘贴增强去给少数类补样本。掩盖这个问题的代价是验证集上 mAP 很好看、实际部署时全在误报。提示解压后第一件事把coco json里的categories字段打印出来确认类别 ID 是否从 1 开始连续编号。YOLO 格式对类别 ID 从 0 开始有硬要求转换时差一个序号训练到一半才发现就白跑了一轮。3. 把数据集喂给模型的两种路线COCO 风格转 YOLO-seg还是直接上 MMDetection3.1 COCO 转 YOLO-seg 的转换脚本与四个参数坑假设你的数据集是 COCO 风格的一个train.json 一堆图片而你想用 YOLOv8-seg 训练——这是绝大多数人的诉求。转换的核心是从 JSON 里把每个目标的segmentation多边形坐标提出来归一化后写到 TXT 文件里。下面这份脚本是按 80% 训练 / 20% 验证划分后转换的基础版本坐标归一化用原图宽高直接除。import json import os with open(annotations/train.json, r, encodingutf-8) as f: coco json.load(f) os.makedirs(yolo/labels/train, exist_okTrue) os.makedirs(yolo/images/train, exist_okTrue) img_id_to_name {} for img in coco[images]: img_id_to_name[img[id]] img[file_name] h, w img[height], img[width] for ann in coco[annotations]: cat_id ann[category_id] - 1 # 关键COCO 类别从1开始YOLO 从0开始 seg ann[segmentation][0] # 多边形坐标扁平列表 points [] for i in range(0, len(seg), 2): x seg[i] / w y seg[i1] / h x min(max(x, 0.0), 1.0) # 边界裁剪防止归一化坐标越界 y min(max(y, 0.0), 1.0) points.append(f{x:.6f} {y:.6f}) line f{cat_id} .join(points) \n img_name img_id_to_name[ann[image_id]] label_path os.path.join(yolo/labels/train, img_name.replace(.jpg, .txt)) with open(label_path, a) as f: f.write(line)这段脚本每次运行只处理一个 JSONsegmentation[0]只取第一段多边形如果标注里存在“一个目标多个多边形”比如船被桥柱挡住分成两块这段逻辑会丢数据。参数上最容易翻车的有四处一是类别 ID 减一没做导致所有类别整体偏移一个序号二是坐标裁剪钳制到[0,1]后如果原标注有超出边界的点训练时会被错误地拉回边界内掩码形状失真三是多类别但脚本没区分训练/验证文件路径把验证集的标注也写进了train/labels目录四是换行符在 Linux 和 Windows 下不一致Windows 下生成的 CRLF 文件 YOLO 也能读但某些旧版标注工具会报 parse error建议统一用\n。转换完还要做一道校验从训练集 labels 里随机取 5 个 TXT检查每行第一个数字是否在类别范围内检查归一化坐标是否都小于 1。更稳妥的办法是直接把转换后的 label 画回原图用 OpenCV 的polylines把多边形描一遍肉眼对比和原 JSON 里segmentations是否接近。这一步能拦截掉 90% 的转换错误。3.2 不转 JSON 的路线MMDetection 的 CocoDataset 直读如果你不想写转换脚本或者后续要尝试 Mask2Former、Mask R-CNN 这类框架保留 COCO 格式直接训练是更省事的选择。MMDetection 的CocoDataset类原生读取 COCO JSON你只需要把数据集的目录改成它认的预设结构data/coco/annotations/instances_train.json、data/coco/train2017/、data/coco/val2017/。这里的关键是修改配置文件里的classes元组把数据集自带的类别名填进去。# configs/_base_/datasets/coco_instance.py 中的关键覆盖 dataset_type CocoDataset data_root data/water/ classes (boat, floating_object, swimmer, buoy) train_dataloader dict( datasetdict( typedataset_type, data_rootdata_root, ann_fileannotations/train.json, data_prefixdict(imgtrain/), metainfodict(classesclasses), filter_cfgdict(filter_empty_gtTrue, min_size32), ))注意filter_empty_gtTrue这个参数。COCO 数据集中没标注的图片数量可能不少水域场景尤其多——有些图只有水没有目标对训练无益但会拖慢 epoch。加上这个参数后加载器会把无目标图直接过滤掉省显存也省时间。min_size32会过滤掉宽或高小于 32 像素的目标水务图像里的小目标很多如果发现浮标这类目标频繁被过滤把这个值调到 16 甚至去掉否则模型学不到小目标特征。走这条路线你的人力成本在“配环境”而不是“写代码”。MMDetection 对 CUDA 和 PyTorch 版本有严格对应关系装错了编译build_ext能折腾一下午。如果你的数据量在千张以内、硬件只有单卡我的建议还是优先 YOLOv8-seg——它的数据加载和训练流程更傻瓜化yolo train一行命令就能看到全流程日志而 MMDetection 的定制能力确实更强但前置成本也是实打实的。4. YOLOv8-seg 训练水域数据的必调参数与 3 个踩坑记录4.1 数据集 YAML 与训练命令从框到掩码的最小闭环用 YOLOv8-seg 训练实例分割模型数据准备最后一步是写一个 YAML 文件。很多人直接从分类任务的 YAML 模板复制过来结果names写了整数而不是类别名训练能跑但可视化时类别标签全是乱码。另外一个高频错误是train和val路径写成相对路径换一台机器、换个工作目录就报Dataset not found建议这里一律写绝对路径或者把 YAML 和数据集放同一级目录后用./开头。# water_seg.yaml path: /home/user/water_dataset # 数据集的绝对路径 train: images/train val: images/val names: 0: boat 1: floating_object 2: swimmer 3: buoy训练命令本身不长但参数里藏着影响分割质量的细节。epochs在水域场景建议至少 120因为水面反光造成的背景噪声很大模型需要更多轮次来区分“纹理”和“目标”。“imgsz”选 640 还是 1280取决于你的原始影像分辨率——如果是无人机拍的 4K 画面缩小到 640 训练小目标掩码基本废掉显存允许的话直接imgsz1280单张图推理时间翻倍但你换来的是小目标召回率水漂、人员落水这类目标值得这个代价。yolo segment train datawater_seg.yaml modelyolov8s-seg.pt epochs150 imgsz1280 batch8 patience20 projectruns/water_experimentpatience20是很多人不看好的参数它的作用是如果验证集 mAP 连续 20 个 epoch 不涨就提前停止。水域场景的验证集通常难度不均匀有时前 30 个 epoch 一直不涨第 35 个 epoch 突然突破——如果你把 patience 设成 10模型就永远等不到那个突破。保守起见设 30反正 early stop 本身对最终权重没坏处。batch大小受显存限制实例分割比检测多一个掩码头同样的 batch8显存占用接近目标检测的 1.5 倍如果 OOM 优先降 batch不要优先降imgsz。4.2 避坑水域实例分割训练常见的 5 个具体问题坑 1掩码标注和图片尺寸不匹配导致多边形全跑到画布外。现象训练日志里loss_seg数值正常但验证集预测的掩码全是空的多边形画出来只有几个像素。 原因部分标注文件里的坐标是原始高清图的像素值但训练时imgsz640做了等比缩放换算公式里用的宽高比和 YOLO 内置的letterbox不一致导致多边形坐标被映射到留黑边区域。 解决统一用 YOLO 的letterbox逻辑做坐标换算也就是按min(w/640, h/640)缩放后做中心填充不要手动除以原图宽高。坑 2训练正常但 mAP50 很高、mAP50-95 极低。现象mAP50 有 0.85mAP50-95 只有 0.2。 原因标注的掩码本身就粗糙比如浮标只标了外接方框的锯齿多边形模型在粗粒度上容易命中但精细 IoU 阈值 0.75 下一算就崩。 解决检查标注文件的掩码点密度如果单个目标少于 10 个点要么重新精标要么在预处理阶段用 OpenCV 的approxPolyDP平滑多边形把点数补到 30 以上。坑 3验证集的预测掩码叠在原图上出现整体偏移半米。现象掩码形状完全正确但位置比真实目标偏左上或右下十几个像素。 原因水面目标存在半透明边缘比如波浪上的浮标人工标注时习惯性往目标中心缩了一圈。这种系统性偏差会导致分割结果虽然形状对但像素级定位不准。 解决在训练前对所有掩码做一次膨胀处理用cv2.dilate加 3x3 的核把标注边缘向外扩一圈如果测试集偏大则改成腐蚀。这个操作的幅度要在验证集上做 A/B 对比扩太大 mAP50-95 反而掉。坑 4多尺度训练导致小目标掩码时有时无。现象同一张图imgsz1280时能检测到远处浮标imgsz640时丢失。 原因数据增强里的scale0.5会把原图随机缩放到 50%~150%对于本来就只有 20x20 像素的小目标缩放后直接低于特征金字塔的响应阈值。 解决把增强参数scale调成 0.7~1.3保住小目标的最小尺寸代价是模型对大目标的泛化会略微下降但水域场景里小目标通常更关键。坑 5类别不均衡导致边缘类别完全学不动。现象训练集里swimmer实例只有 60 个验证集上这个类别的 AP 永远是 0。 原因实例分割的 loss 是逐像素计算大目标类别主导梯度方向少数类被淹没。 解决先按类别实例数做统计把实例数低于 200 的类别单独复制 3 份加入训练集注意不要复制到验证集或者用mosaic0关闭马赛克增强——因为马赛克会把 4 张图拼在一起进一步稀释本来就少的少数类样本。4.3 验证集拆分别把同一段视频的连续帧放进两个集合水域数据集经常来自录像抽帧相邻帧之间的背景和目标几乎一样。如果随机划分训练/验证集模型可能在验证集上“见过”几乎一样的画面这就是典型的数据泄漏。表现是训练日志 mAP 达到 0.9但实际部署到另一段视频上掉到 0.4。正确做法是按视频片段切分。比如文件名包含20240315这样的日期或 ID就把同一个 ID 的所有帧划到同一集合。实现上可以写一个小脚本按前缀聚合import glob from collections import defaultdict files glob.glob(images/*.jpg) groups defaultdict(list) for f in files: # 假设文件名格式20240315_boat_001.jpg scene_id f.split(/)[-1].split(_)[0] groups[scene_id].append(f) all_scenes list(groups.keys()) train_scenes all_scenes[:int(len(all_scenes) * 0.8)] val_scenes all_scenes[int(len(all_scenes) * 0.8):]按场景切分后训练集和验证集各自包含完整的不同场景片段模型学到的才是“泛化的水域目标分割”而不是“记住这段视频里的船”。这个思路同样适用于 HRSC2016 这类遥感船舶数据集——它们也是按不同港口场景组织随机切分会让实验结果虚高到没法信。学术论文里不写这个细节但实际做项目时这就是决定模型能不能过验收的那条线。5. 从训练曲线到部署验证用可视化手段判断模型有没有真学会最后一个环节不是等你训练完再想而是训练过程中就要盯三样东西loss_seg曲线的收敛形态、验证集的Mask AP曲线、以及每个 epoch 结束保存的验证集预测图。纯看 loss 值很容易被骗——水面背景的低纹理区域模型即使什么都没学会loss_seg也能降到一个不错的位置因为大部分像素都是背景朴素分割就能拿到低 loss。更可靠的验收方法是“时序稳定性测试”。水域摄像头通常是固定视角你拿一段训练集里没出现过的视频用训练好的模型逐帧推理把相邻两帧的掩码 IoU 算出来。如果模型只学会了静态特征帧间 IoU 会剧烈波动真正学到掩码特征的模型帧间 IoU 应该稳定在 0.7 以上。这个指标比 mAP 更能反映实际问题因为水面目标在连续帧里位置变化是有物理规律的忽隐忽现的掩码说明模型的注意力在跟着光斑走而不是跟着目标走。另一个值得投入的小技巧是输出“边缘残差图”。把每张测试图的预测掩码和人工标注哪怕只标 50 张做差值差值落在目标边缘还是目标内部处理方式完全不同。如果差值集中在边缘一圈且膨胀 2 像素后能覆盖八成误差说明模型学到的轮廓整体偏小或偏大这时候调整标注的膨胀系数比换模型更有效。如果差值散布在目标内部说明模型的掩码存在空洞或断裂这时候考虑在 loss 里加一个dice_loss权重把整体性约束加进去。我现在的习惯是每次训练结束先跑一遍帧间稳定性再跑边缘残差分析最后才看 mAP。前者告诉我模型能不能用后者告诉我误差从哪来mAP 只用来在多个实验之间排名。这组验证习惯救过我好几次——有一次训练曲线一切正常但帧间 IoU 只有 0.3查到最后是某个数据增强参数把水面反光复制成了伪目标模型学到的是“把高光区域圈出来”而不是“把船圈出来”。这种错误只盯着指标数字是永远发现不了的。做水域实例分割项目数据集的重量占七成。这份 zip 里真正值钱的不是那几千张 JPG而是标注里每一笔多边形是否经得起像素级推敲。把这份数据集的结构、类别分布、掩码质量摸透再决定训练路线和参数比你多试十个模型结构都管用。希望这篇笔记能帮你少走一次数据清洗的弯路。本文还有配套的精品资源点击获取