YOLOv7海上船舶检测实战：从数据准备到部署优化

做一个YOLOv7海上船舶检测项目，从数据准备到代码调试再到最终落地，前前后后折腾了不短时间。今天不聊论文复现，也不贴大段理论，就拿着这套系统的代码目录，把每个模块为什么要这么写、里面有哪些坑、实际跑起来效果怎么样，一次说清楚。如果你正准备拿YOLO系列做海面目标识别，或者想给自己的检测项目加点工程化细节，这篇内容应该能帮你少走不少弯路。

先说清楚这套系统解决了什么问题：海面场景下的船舶检测，最麻烦的不是检测框准不准，而是船小、背景杂、天气变化大。一条渔船在远海可能只有几十个像素大小，加上浪花反光、海雾干扰，常规目标检测配置很容易漏检误检。这套项目围绕YOLOv7做了针对性优化，从数据增强策略到推理参数调优都做了适配，最终在高分辨率输入下能稳定识别中小型船舶。

1. 项目形态与整体设计思路拆解

1.1 为什么选 YOLOv7 而不是其他版本

选型的时候也纠结过YOLOv5和后来的YOLOv8，最终定在YOLOv7上，核心原因是它在精度和速度之间拿捏得比较稳。YOLOv7的E-ELAN结构在不增加太多计算量的前提下提升了特征提取效率，对于船舶这种纹理简单但尺寸跨度大的目标很合适。另外YOLOv7的辅助训练头机制在训练阶段能提供额外梯度监督，收敛更稳定，对小目标尤其友好。

部署层面，YOLOv7的导出链路成熟，ONNX到TensorRT都有现成方案，后续做边缘设备部署不吃力。YOLOv8虽然新，但当时它的检测头改动导致部分工具链需要重新适配，项目周期不允许花太多时间在这上面。

提示：如果你只是快速验证、不追求极致部署效率，选YOLOv5s起步也行。但要做到地级市海岸线这种规模的多路视频流识别，YOLOv7的性价比更高。

1.2 海面场景的特殊约束与对策

海面检测和通用目标检测有本质区别。通用数据集里目标是画面主体，占比较大；海面上的船往往只有几百甚至几十个像素，同时海面本身的纹理结构（波纹、反光、泡沫带）会在相邻帧产生剧烈变化。这意味着模型不能只依赖颜色或纹理边缘来识别。

项目里做了三个针对性设计：

• 训练图像分辨率提高到1280x1280，用小目标保住召回率；
• 在数据增强里引入海面特有的扰动方式，比如随机亮度抖动模拟不同时段光照、随机水平翻转模拟船向变化；
• 过滤掉纯背景帧和船只占比过低的样本，避免模型学到“大海即船只”的偷懒策略。

1.3 整体代码结构规划

一套完整的船舶检测代码不是只有训练脚本，还要包含数据预处理、模型配置、推理脚本和工具函数。这个项目的目录规划如下：

ship_detection/ ├── config/ # 模型和训练超参数配置 │ ├── ship_yolov7.yaml │ └── ship_data.yaml ├── data/ # 数据集路径与标注文件存放 ├── models/ # YOLOv7模型定义与配置文件 ├── utils/ # 工具函数：数据增强、指标计算、可视化 ├── train.py # 训练入口 ├── detect.py # 推理入口 ├── export.py # 模型导出脚本 └── tests/ # 单元测试与验证脚本

这样的结构好处是职责清晰。训练和推理分离，模型配置和数据配置分离，后续换数据集或者调整网络结构不会牵一发动全身。

2. 核心代码模块功能解析

2.1 数据读取与标注处理

YOLOv7原生支持YOLO格式的标注文件，每张图片对应一个txt，每一行是“类别 x_center y_center width height”，坐标都归一化到0到1。海面船舶检测的标注重点在于处理遮挡和极小目标。

我在数据读取模块里加了一个过滤逻辑：

def filter_tiny_objects(annotations, min_size=2): """过滤掉标注宽高小于min_size像素的目标，减少噪声""" valid = [] for ann in annotations: w = ann[2] * img_width h = ann[3] * img_height if w >= min_size and h >= min_size: valid.append(ann) return valid

为什么要过滤？标注人员容易把极远处的模糊船影也标成一个几像素的框，这种标注噪声会让训练过程不稳定。实践下来，过滤掉小于2像素的目标后，mAP反而提升了0.3到0.5个百分点。

数据集划分上，海面场景经常遇到同一艘船在连续帧反复出现的问题。如果随机划分训练集和验证集，模型会“记住”特定船只，导致验证指标虚高。正确做法是按时间段切分，用前70%时间的视频帧做训练，后30%做验证，确保验证集里的船只没有出现在训练集里。

2.2 模型定义与配置文件

YOLOv7的模型结构通过yaml文件描述。船舶检测项目用的配置在官方yolov7.yaml基础上做了调整，主要是把检测头里的anchor尺寸重新聚类成适合船舶的比例。

船的形状可以细分为三类：狭长渔船、方形货船、小型快艇。它们的宽高比差异大。直接用默认anchor会导致定位不准。聚类代码很短：

python train.py --noautoanchor --cfg config/ship_yolov7.yaml

先用官方anchor跑50轮，统计训练集标注框的分布，再用k-means重新聚类得到9组anchor。实际操作时要注意：聚类需要在原始像素尺度上做，而不是归一化坐标，否则小目标anchor会被大目标主导。

模型结构本身不用大改，重点在输入分辨率和anchor的适配。使用1280输入时，如果显存不够，可以降低batch_size并开启梯度累积。

2.3 损失函数与训练流程

YOLOv7的损失由三部分组成：box损失（CIoU）、objectness损失和classification损失。项目里根据船只检测的特点调整了权重：

训练启动参数大致如下：

python train.py \ --data config/ship_data.yaml \ --cfg config/ship_yolov7.yaml \ --weights yolov7.pt \ --batch-size 8 \ --img-size 1280 \ --epochs 200 \ --device 0 \ --workers 4

训练过程中重点看两个指标：loss曲线的下降趋势和验证集mAP的爬升。如果mAP在100轮后还在明显上升，说明还没收敛，可适当延长训练；如果loss降不下去，先检查学习率和batch_size是否匹配。

optimizer建议使用SGD配合cosine学习率调度，初始学习率0.01，warmup 3个epoch。AdamW收敛快但容易过拟合，在船舶这种样本量不大的场景下表现一般。

2.4 推理与后处理

detect.py的推理逻辑不复杂，但有几个参数对海面场景影响很大：

• conf_thres：置信度阈值，海面检测建议设0.3到0.35。设太低会有大量浪花反光的误检，设太高会漏掉远处小船。
• iou_thres：NMS的IoU阈值，建议0.45。海上船舶经常密集停靠或并排行驶，阈值太严会把同一艘船分成多个框。
• imgsz：推理分辨率，必须和训练分辨率保持一致（1280），否则小目标检测效果会明显下降。

def detect_ships(image, model, conf_thres=0.3, iou_thres=0.45): results = model(image, size=1280, conf_thres=conf_thres, iou_thres=iou_thres) return results

在测试中还发现一个现象：同一个模型，推理时不加任何预处理直接输入原始图像，和在输入端做归一化（除以255）效果差别不大，但用uint8输入比float32输入在TensorRT上能快不少。这点在部署环节非常重要。

3. 实操过程：从数据集到落地部署

3.1 数据集制作与格式转换

数据来源主要有两个方向：公开航拍/卫星数据集，以及自己标注的监控视频截图。公开数据集里有部分标注质量一般，尤其是小船目标存在漏标，训练前需要清洗。

清洗方法很直观：把训练集的图片和标注可视化出来，一张张过。如果发现某类船明显漏标，要么补标，要么直接把图片从训练集剔除。自己标注时，推荐用带辅助标注的工具，但标注完一定要导出成YOLO格式。我踩过的坑是：标注工具自动生成的类别编号和训练配置里的类别顺序不一致，导致模型训练效果极差。

常见格式转换逻辑，以VOC格式为例：

def voc_to_yolo(xml_path, class_names): tree = ET.parse(xml_path) root = tree.getroot() size = root.find('size') img_w = int(size.find('width').text) img_h = int(size.find('height').text) objects = [] for obj in root.iter('object'): name = obj.find('name').text cls_id = class_names.index(name) bbox = obj.find('bndbox') xmin = int(bbox.find('xmin').text) ymin = int(bbox.find('ymin').text) xmax = int(bbox.find('xmax').text) ymax = int(bbox.find('ymax').text) x_center = (xmin + xmax) / 2 / img_w y_center = (ymin + ymax) / 2 / img_h width = (xmax - xmin) / img_w height = (ymax - ymin) / img_h objects.append(f"{cls_id} {x_center:.6f} {y_center:.6f} {width:.6f} {height:.6f}") return "\n".join(objects)

标注质量比数量重要得多。我宁愿要800张高质量标注，也不要5000张带噪声的低质量数据。这个判断直接影响后面模型的收敛上限。

3.2 训练超参数选择与迁移学习

训练时用COCO预训练权重yolov7.pt做初始化，这样模型已经学会了基础的边缘、纹理特征，微调到船舶场景只需要200轮左右就能达到较好效果。随机初始化从头训，数据量不够的情况下mAP会低很多。

硬件条件有限的话，可以分两个阶段训练：

• 阶段一：冻结backbone层，只训练head层，batch_size可以开大，学习率0.005左右，训练50轮。这个阶段让模型快速适配船舶目标的位置输出。
• 阶段二：解冻全部层，学习率降到0.001，训练剩余150轮，让backbone的特征提取能力也向着船舶特征迁移。

阶段一的好处是省显存、稳定。阶段二才是真正提升精度的关键，不能省。

训练时间参考：单张3090级别的显卡，1280输入、batch_size 8，一个200轮的训练流程大约需要40到60小时。这个时间在可接受范围内。

3.3 模型测试与性能评估

训练完成后不能用mAP一个数字概括所有表现。船舶检测场景建议多看三类指标：

1. 小目标召回率（AR@0.5 for small objects）：船只在几十像素以下时的召回情况。
2. 不同距离下的F1值：将验证集按船只目标大小分桶，分别看F1。
3. 误检率：在纯海面背景图像上的行为，看是否会报出假目标。

用项目里的评估脚本得出结果：

python utils/val.py --data config/ship_data.yaml \ --weights runs/train/exp/weights/best.pt \ --img 1280 --conf-thres 0.3 --iou-thres 0.45

输出会包含mAP@0.5、mAP@0.5:0.95、precision、recall等信息。我比较在意的是mAP@0.5:0.95，它对定位精度更敏感，更能反映实际检测效果。

3.4 模型导出与推理加速

训练好的PyTorch模型直接跑视频流非常慢，必须转成ONNX再转TensorRT做FP16推理。导出命令：

python export.py --weights runs/train/exp/weights/best.pt \ --img-size 1280 1280 --batch-size 1 \ --simplify --include onnx engine

几个实际经验：

• ONNX必须开--simplify，否则后续TensorRT转换容易失败。
• batch-size在导出时设为1，运行时如果要用动态batch再单独处理，省去一堆麻烦。
• FP16精度损失在检测任务里几乎可以忽略，但推理速度能翻一倍。

转换TensorRT引擎时，工作空间设为2GB以上，同时开启FP16模式：

trtexec --onnx=best.onnx --saveEngine=best.engine --fp16 --workspace=2048

实测下来，TensorRT FP16推理在边缘设备上能达到单路视频20fps以上，CPU跟不上的场景也能流畅跑。

4. 常见问题与排查心得

4.1 海面小目标漏检严重

症状：大船检测正常，远处的小渔船完全不出框。

排查顺序：

1. 确认推理分辨率是否是1280。很多人训练时用1280，推理时嫌慢改回640，小目标直接丢掉。
2. 确认anchor是否重新聚类。默认COCO anchor对船舶宽高比适配性差。
3. 训练数据里小目标占比是否过低。如果小目标样本不到全部样本的10%，模型会趋向忽略小目标。解决办法是对小目标样本做过采样或复制粘贴增强。
4. 数据增强中mosaic比例不要太高。mosaic把四张图拼接，每个目标在原图中占比被缩小，高mosaic比例会进一步损害小目标检测。

最后的杀手锏是切图推理：把1280x1280的输入切成两半，每半单独推理，再把结果映射回原图。虽然推理时间翻倍，但小目标召回能提升5个百分点以上。

4.2 反光浪花导致的误检

症状：海面波浪反光区域被识别成船，晴天尤其严重。

原因：船只在远距离时，特征退化为“亮点+暗影”组合，浪花反光也有类似特征。

解决办法：

1. 训练集里加入包含大量浪花反光的纯背景负样本。数据配置里负样本可以放，YOLO会把这些图像当作背景学习。
2. 在数据增强里加入随机亮度反转，模拟阳光在海面形成的高光。
3. 推理时将置信度阈值从0.25提高到0.35，代价是少量漏检，但误检会大幅减少。如果在实际监控场景，误检比漏检更容易引起值守人员疲劳，需要平衡。

4.3 训练时loss不降或训练崩溃

症状：loss曲线平坦，或直接变成nan。

常见原因：

1. 学习率过大。batch_size=8时lr=0.01可能偏大，调成0.005—0.008。
2. 标注文件里出现负数坐标或宽高为0，这会直接导致计算异常。训练前加数据清洗：

assert all(w > 0 and h > 0 for _, _, w, h in annotations)

3. 多GPU训练时batch_size必须能被GPU数量整除，否则BN统计出错。

4.4 推理速度与精度的平衡

如果实时性要求极高，最简单的优化不是换模型，而是降低推理分辨率+增大检测输入的不对称策略：用1280训练出来的模型跑960推理，精度损失不大，速度提升明显。如果还不够，TensorRT的FP16是必须的一步。

另外，如果画面里大部分区域是海面，可以先用一个背景分割模块切出海面区域，只在海面区域运行船舶检测。这个做法把有效推理面积缩小到原图的40%，速度直接翻倍。

5. 后续扩展与个人体会

我个人在实际操作中，这轮项目最大的体会是：船舶检测的难点不在模型结构，而在对海面场景的理解和对数据分布的控制。同样的YOLOv7，换一套合理的数据策略和超参数，效果能差出一整个量级。

一个小技巧想分享给同行：训练集的船只出现频次统计非常关键。如果某类船（比如渔船）在训练集里占了70%，但实际场景里货船才是主流，训练出来的模型实用性会大打折扣。建议在训练前按类别统计目标数量，用加权采样把不同类别船只的目标数量拉平，这个操作在实战中比调任何模型参数都有效。

另外，这套系统后续要做多海域适配的话，可以留一个“增量数据微调”分支：用几个海域的少量数据做迁移学习，权重微调50轮左右，就能适配不同水质、光照特点的海面环境。工程项目调整起来比重新训练省钱省力得多。

最后想说，市面上的教程很多，但海面船舶检测这个场景比较冷门，像小目标过采样、负样本增强这些细节，教程里很少系统讲过。希望这份代码功能说明，能帮到正在做相关方向的朋友——这些细节看着不起眼，但每一条都是实打实从踩坑里换来的。