作者：周琦、李润泽、张钧瑞**
从一行 pip install torch 到一个能精准识别行人、车辆的 AI 模型，我们花了数周时间。回头看这段路，踩过的坑比写过的代码还多，但每一步都值得。
最终成果
我们训练出了一个基于 YOLO11s 的无人机视角应急救援目标检测模型，最终验证结果如下：
| 指标 | 数值 | 等级 |
|---|---|---|
| 整体 mAP50 | 0.806 | ⭐⭐⭐⭐⭐ 优秀 |
| 车辆 mAP50 | 0.908 | ⭐⭐⭐⭐⭐ 卓越 |
| 行人 mAP50 | 0.705 | ⭐⭐⭐⭐ 良好 |
| 单帧推理速度 | 15.8ms | 满足实时需求 |
| 训练配置 | 详情 |
|---|---|
| 数据集 | VisDrone（6,471张训练图，548张验证图） |
| 检测类别 | person（人）， vehicle（车） |
| 输入分辨率 | 960×960 |
| 基础模型 | YOLO11s |
| 总训练轮次 | 100 epochs（最佳模型） |
| 硬件 | NVIDIA RTX 4060 Laptop 8GB |
我们走过的路
第一关：环境搭建
Python版本不兼容、pip源下载慢、编码格式报错、路径写错……光是让 YOLO 在本地跑起来，就折腾了整整一周。张钧瑞负责逐条命令执行，周琦排查报错，李润泽补充文档。
第二关：数据处理
VisDrone 数据集有 10 个类别，我们只关心人和车。李润泽写了过滤脚本，把 6,471 张训练图提取出来，统一映射为 0 和 1 两个类别 ID。这一步看似简单，但中间经历了重复标注、路径嵌套等意外。
第三关：训练调参
第一次训练用了 1280 分辨率，一个 epoch 要跑半小时。后来降到 960，速度提升了数倍。我们尝试了不同的学习率、batch size、训练轮次，甚至经历了“越训练效果越差”的过拟合陷阱。最终发现，100 轮训练的模型效果最好，mAP50 达到 79.8%。
第四关：模型测试
我们用验证集对最佳模型进行了正式评估，车辆检测精度高达 90.8%，行人检测也达到了 70.5%。对于无人机俯拍视角的小目标检测来说，这个成绩超出了我们的预期。
技术积累
- 学会了 YOLO 训练全流程：从环境搭建、数据标注、格式转换，到训练、验证、调参。
- 理解了显存管理：8GB 显存如何搭配分辨率、batch size 才能不溢出。
- 掌握了过拟合判断：训练轮次不是越多越好，验证集精度下降就要及时停止。
- 积累了脚本编写经验：数据过滤、格式转换、路径管理，写了不少 Python 工具脚本。
未来展望
我们已经准备好了火焰数据集，下一步将把 fire 作为第三类别融入现有模型，让这套系统具备火灾检测能力。届时，它将真正成为一个集行人搜救、车辆定位、火源预警于一体的综合性应急救援视觉系统。
致谢
感谢每一位成员的付出。
感谢深夜崩溃时没有砸电脑的克制力。
感谢 Google、Stack Overflow 和 Ultralytics 文档。
技术只是工具，真正有价值的是它能帮助的人。 希望我们的模型有一天能真正用在应急救援场景中，哪怕只多找到一个人，所有的努力都值得。
项目完成日期：2026年6月
团队：周琦、李润泽、张钧瑞
浙公网安备 33010602011771号