团队博客二：数据预处理 · 从海量图片到高质量特征

作者：李润泽

训练环境就绪后，我们迎来的第二个挑战是处理 VisDrone 数据集。这个数据集包含超过 6000 张复杂的无人机航拍图片，我们的目标是从中提取出“行人”和“车辆”两类关键目标。

数据集清洗与格式转换
VisDrone 原始标注格式与 YOLO 要求的归一化坐标有所不同。我们编写了专门的 Python 转换脚本，将标签映射为：0 (行人) 和 1 (车辆)。在过滤过程中，我们发现部分标注含有重复目标，张钧瑞协助优化了脚本，剔除了脏数据，最终保留了约 6471 张训练图片 和 548 张验证图片。

攻克小目标检测难题
无人机视角下，地面行人往往只有几十个像素大小。为了保留特征，我们尝试使用 1280x1280 的高分辨率进行训练。然而，李润泽发现直接上高分辨率导致显存溢出，训练速度极慢。经过权衡，我们最终将分辨率调整为了 960x960，在精度和速度之间取得了平衡。

阶段性成果
我们成功构建了一个高质量的数据集，每张图片平均包含超过 50 个目标实例。这是模型能够精准识别的关键基础。