吴恩达深度学习课程四：计算机视觉 第三周：检测算法 课后习题和代码实践

此分类用于记录吴恩达深度学习课程的学习笔记。
课程相关信息链接如下：

  1. 原课程视频链接：[双语字幕]吴恩达深度学习deeplearning.ai
  2. github课程资料，含课件与笔记:吴恩达深度学习教学资料
  3. 课程配套练习（中英）与答案：吴恩达深度学习课后习题与答案

本篇为第四课第三周的课后习题和代码实践部分。

1.理论习题

【中英】【吴恩达课后测验】Course 4 -卷积神经网络 - 第三周测验
习题都较为简单，就不再多说了，还是把重点放在下面的演示部分。

2.代码实践

YOLO车辆识别实战
同样先摆上这位博主的链接，在这周的编程作业中，这位博主手动构建了YOLO网络及其各个组件，非常详细，但同样因为 Keras 如今已经被 TF 的集成，如果要进行相应实践，需要调整相应的导库代码和一些方法的调用。

我们仍然使用较成熟的框架来演示一下 YOLO 算法，只是这次我们既不用 PyTorch ，也不用TF。
我们这次要使用的库叫做 ultralytics，是 YOLO 官方团队维护的 Python 包。
无论是使用 YOLO 进行学术实验，还是竞赛打榜，ultralytics 都被广泛使用，如果说 PyTorch 和 TF 提供的是造模型的积木，那么 ultralytics 就是针对 YOLO 算法的专精机器。
你可以直接通过 pip 安装这个包：

pip install ultralytics

ultralytics 毕竟是一个首次使用的全新库，因此，本篇我会使用一个极小的 demo 数据集，主要演示一下 ultralytics 的使用流程。

2.1 demo 数据集:COCO8

在目标检测领域，COCO（Common Objects in Context） 是目前使用最广泛、影响力最大的标准数据集之一。
它以复杂真实场景为特点，强调多目标共存、小目标比例高以及目标与背景强耦合，长期以来被作为目标检测算法的重要评测基准。
标准的 COCO 数据集规模庞大，仅 2017 版本就包含超过 11 万张训练图像，覆盖 80 个常见物体类别，完整下载、预处理与训练成本都较高。因此，尽管 COCO 非常适合用于严肃的算法研究与性能对比，但对于初学者上手门槛偏高。
image.png
为了解决这一问题，Ultralytics 官方提供了一个用于演示和教学的极简数据集 —— COCO8。
COCO8 本质上是从 COCO 数据集中抽取出的一个最小化子集，在保持 COCO 数据格式与标注规范完全一致的前提下，将数据规模压缩到了极低的水平。目前的 COCO8 仅包含 8 张图像，通常划分为 训练集 4 张、验证集 4 张，并覆盖 COCO 中的若干典型目标类别。

这种设计使得 COCO8 具备两个非常突出的特点：
一方面，它可以在数秒内完成下载，并在极短时间内跑完一次完整的训练流程；另一方面，它又完整保留了真实 COCO 数据集在目录结构、标注格式与训练接口上的一致性。
因此，COCO8 的核心用途并不是训练一个性能良好的检测模型，而是用于：快速验证 ultralytics 的安装与环境配置是否正确、流程是否正常并演示 YOLO 的训练、验证与推理的完整闭环。
需要特别说明的是，由于数据规模极小，COCO8 上得到的指标也不具备统计意义，也不反映模型的实际检测能力。它的价值更多体现在“流程验证”和“使用示例”层面。

2.2 使用 ultralytics 实现 YOLO 算法

先来看这样一段代码：

from ultralytics import YOLO  
model = YOLO("yolo11n.pt")
results = model.train(  
    data="coco8.yaml",   
    epochs=50,             
    imgsz=640,             
    batch=16,            
    name="coco8_train",  
    device="cpu"           
)  
metrics = model.val(device="cpu")
print("mAP50-95:", metrics.box.map)   
print("mAP50:", metrics.box.map50)

要说明的是：这就是在 ultralytics 上实现 YOLO 算法的完整代码，包括创建模型、输入数据、模型传播、指标评估甚至包括可视化图表。

是的，这便是 ultralytics 的显著特点，它的封装度极高。
这代表我们使用起来可以较容易地跑通代码，但同时也意味着隐藏了大量细节，想要熟练应用，就要慢慢拆解。

现在，我们就来详细看看这段代码的运行细节：

（1） 模型定义

首先，定义模型：

model = YOLO("yolo11n.pt") # 这里传入的是预训练权重文件名，.pt文件是 PyTorch 的权重格式。

YOLO 是 ultralytics 提供的统一模型接口类，它可以根据传入的参数，加载不同版本的 YOLO 模型（如 YOLOv8、YOLO11 等），它封装了模型的所有关键逻辑。
要说明的是，YOLO 模型权重文件通常遵循如下命名规则：
在 ultralytics 最新版本中，YOLO 模型权重文件通常遵循如下命名规则：

yolo[版本号][模型大小].pt

版本号表示 YOLO 的算法版本或 ultralytics 发布的迭代版本。
模型大小 表示模型的参数量与计算复杂度，也是速度和精度的折中指标：

  • n = nano → 极小模型，参数少，推理快，适合演示和入门
  • s = small → 小型模型，参数稍多，精度和速度平衡
  • m = medium → 中等模型，精度更高，训练和推理开销也增大
  • l = large → 大模型，高精度，训练和推理成本高
  • x = extra large → 超大模型，精度最高，但训练成本最大

同时，你会发现，只要我们传入 .pt 结尾的权重文件作为参数，那就代表我们使用的是预训练模型。
而如果你希望从头训练自己的模型，就要改变传入参数：

# 从头创建模型，不加载预训练权重
model = YOLO("yolov8n.yaml")  # 只指定网络结构 YAML，不是 .pt 文件

（2） 训练方法

了解完模型定义后，现在就来看看传入方法

results = model.train(...)

这一行是整个流程的核心。调用 train() 方法后，ultralytics 会自动完成一次完整的目标检测训练流程。
从宏观上看，这一行代码内部依次完成了以下工作：

  • 读取并解析 coco8.yaml 数据集配置文件
  • 根据配置构建训练集与验证集的数据加载器
  • 加载预训练权重并初始化模型参数
  • 按照指定的训练轮数执行前向传播、损失计算与反向传播
  • 在训练过程中自动记录 loss、mAP 等指标，并生成可视化结果

也就是说，我们在代码中看到的只是一次函数调用，但在其背后，实际上已经包含了一个标准深度学习训练框架所需的完整流程。

下面，我们再展开看看这个方法的参数设置：

data="coco8.yaml" # Ultralytics 内置的 COCO8 配置，首次运行自动下载数据集

这一参数用于指定数据集的配置文件。
与之前在代码中手动构建 Dataset 和 DataLoader 不同，ultralytics 采用 YAML 文件（你可以理解为专用设定集） 来描述数据集的路径、类别数量以及类别名称。
通过这种方式，模型与数据集实现了解耦： 同一套训练代码可以通过更换 YAML 文件，直接应用到不同的数据集上，而无需修改模型或训练逻辑。

再来看看它的运行时的细节：
image.png

继续看下面几个参数：

epochs=50,           # 训练轮次 
imgsz=640,           # 图像大小  
batch=16,            # 批次大小  
name="coco8_train",  # 实验名称
device="cpu"         # 如果有 GPU 用 0，或 "cuda"；无 GPU 用 "cpu"

这些我们都比较熟悉了，要专门说的一点是：
name="coco8_train" 指定了本次训练实验的名字，ultralytics 会根据这个名字创建一个文件夹来保存训练输出。每个实验名对应一个独立的训练结果目录，方便管理。
我们后面展示运行结果时就会再次用到它。

（3）评估方法

同样，这一方法被高度封装：

metrics = model.val(device="cpu") # 默认使用GPU，因此，如果没有GPU，要显式指定CPU。
print("mAP50-95:", metrics.box.map)    
print("mAP50:", metrics.box.map50)

这是 ultralytics YOLO 提供的验证接口, 它在内部做了这些关键步骤：

  1. 读取并加载验证集：如果有缓存（.cache 文件），会加快数据载入。
  2. 模型前向传播：自动使用非极大值抑制筛选重复框。
  3. 计算指标：返回的 metrics 对象中包含了不同类型的指标数据。

于是，我们便可以直接打印 metrics 对象中的指标。

现在，了解了框架本身后，我们来看看运行效果和其过程中的细节。

2.3 在 coco8 上运行 YOLO 算法

YOLO 的模型时至今日仍在不断地更新，我们使用的 YOLOv11 的网络结构如下：
image.png
它集成了很多的先进技术，非常复杂，目前阶段，我们理解 YOLO 算法的基础原理就好。

现在，我们来看看代码的运行过程：

（1）控制台输出内容

当代码成功开始运行后，你会发现在轮次信息前，控制台就输出了很多内容。这些其实是在训练开始时的标准日志，它主要是在做训练前的准备、模型初始化、数据检查和优化器配置。
我们简单看一看：
image.png
image.png
image.png

直到这里，模型才完成前期准备工作，开始正式训练。
同样，ultralytics 对训练信息的输出也十分丰富：
image.png

别急，还没完，在结束训练后，ultralytics 还会给你做一些”善后和总结“：
image.png
image.png

显然，这里的指标较高是预训练的成果。
这一整套下来，你会发现，不同于我们原本自己打印的输出结果，ultralytics 对训练日志的记录和管理非常完备，而且还不仅仅局限于控制台输出。
我们继续往下：

（2）日志文件夹

在完成训练后，你会发现，运行文件的同级目录中新出现了一个名为 runs 的文件夹，这就是ultralytics用来管理日志的文件夹。
image.png
image.png
这样的管理方式也更方便我们的溯源和调试。

我们这次实践内容就到这里，实际上，与其说本篇是在演示 YOLO 算法，倒不如说是对 ultralytics 的使用介绍。主要原因是 YOLO 算法作为真正流行的算法，其使用的各项技术和原理已经可以出本书了，我们这里只将其作为计算机视觉中的一个方向来介绍一些基础内容。

实际上还有很多内容可以展开，比如在训练日志里出现的一些专业图表的含义，以及检测任务的几个评估指标，这些我们之后遇到再慢慢说。

posted @ 2025-12-26 10:55  哥布林学者  阅读(79)  评论(0)    收藏  举报