企业官网建设流程全解析

简介：这份抽烟检测数据集面向从事深度学习与计算机视觉的开发者、算法工程师及高校学生，适用于目标检测模型的训练、微调与验证，可支撑公共场所吸烟行为识别、安防监控等场景。资源包共约2000个文件，以4650张jpg图像、3235个xml标注文件为主，另含少量txt划分列表、Python脚本与说明文档，压缩包约298MB。其中JPEGImages目录收录3000余张抽烟场景图片，Annotations目录提供对应的labelImg标注xml，可直接用于VOC格式目标检测训练，并附有voc2yolo4.py等脚本便于格式转换与数据划分。目前已有7530人学习下载，适合需要快速搭建抽烟检测基线、验证模型效果或进行数据增强实验的读者参考使用。

1. 抽烟检测数据集：从标注到训练，一份能直接跑通的资源拆解

做视觉检测项目的朋友多半有过这种经历：模型结构调了半天，loss 曲线看着也还行，一到实际场景就翻车，回头一查，问题根本不在网络，而在数据。抽烟检测这个方向尤其典型——目标小、遮挡多、姿态杂，还夹着手部与嘴部的重叠区域，标注质量差一点，mAP 直接掉一截。这次拆的这份抽烟检测数据集，包含标注文件和对应图片，属于那种拿到手就能直接进训练流程的资源。它适合两类人：一类是想快速验证检测方案、不想从零爬数据标数据的算法工程师；另一类是拿它做课程设计或原型 Demo 的学生和开发者。下面按「这是什么 → 怎么用 → 坑在哪」的顺序，把这份资源从头到尾过一遍。

2. 数据集结构与标注格式：先看清手里有什么

2.1 目录组织与文件构成

拿到一份检测数据集，第一件事不是急着写训练脚本，而是把目录结构摸清楚。常见的组织方式有两种：一种是图片和标注分开放，images/放图，labels/放同名 txt；另一种是图片和标注混在同一目录，靠扩展名区分。这份资源属于前者，结构大致如下：

smoke_dataset/ ├── images/ │ ├── 000001.jpg │ ├── 000002.jpg │ └── ... ├── labels/ │ ├── 000001.txt │ ├── 000002.txt │ └── ... └── classes.txt

classes.txt里通常只有一行smoke或者smoking，代表单类别。如果你的任务需要区分「正在抽」和「手持烟」两种状态，那这份单类别标注就不够用，得自己补标。这一点在选型阶段就要想清楚，别等训练完了才发现类别定义和业务对不上。

图片格式以 jpg 为主，分辨率不统一是常态，有的来自监控截图，有的来自手机拍摄，长宽比差异大。标注文件是 YOLO 格式的 txt，每行五个值：class_id x_center y_center width height，后四个都是归一化到 0~1 的相对坐标。这个格式的好处是跟图片分辨率解耦，换尺寸不用重标。

2.2 YOLO 标注格式的字段含义

把一行标注拆开看：

0 0.512 0.634 0.087 0.156

• 第一个0是类别索引，对应classes.txt里的第 0 类；
• 0.512是目标框中心点的 x 坐标，除以图片宽度得到；
• 0.634是中心点 y 坐标，除以图片高度；
• 0.087是框宽，除以图片宽度；
• 0.156是框高，除以图片高度。

这里有个容易忽略的点：归一化用的是各自轴向的尺寸，x 和宽除以图宽，y 和高除以图高。如果标注工具导出时搞混了，框会整体偏移，训练时表现为 loss 降不下去或者框乱飞。验证方法很简单，写个脚本把标注框画回原图，肉眼扫一遍就知道对不对。

import cv2 import os img_path = "smoke_dataset/images/000001.jpg" label_path = "smoke_dataset/labels/000001.txt" img = cv2.imread(img_path) h, w = img.shape[:2] with open(label_path) as f: for line in f: cls, xc, yc, bw, bh = map(float, line.split()) # 反归一化，还原到像素坐标 x1 = int((xc - bw / 2) * w) y1 = int((yc - bh / 2) * h) x2 = int((xc + bw / 2) * w) y2 = int((yc + bh / 2) * h) cv2.rectangle(img, (x1, y1), (x2, y2), (0, 255, 0), 2) cv2.imwrite("check_000001.jpg", img)

这段脚本的作用是把归一化坐标还原成像素坐标并画框。xc - bw/2是左上角 x，xc + bw/2是右下角 x，y 方向同理。跑完打开check_000001.jpg，框应该正好套在抽烟的手部或嘴部区域。如果框偏到画面外或者缩成一点，基本可以判定标注有问题。

2.3 数据清洗：三行脚本筛掉脏样本

真实数据集里总有几张图是坏的——文件损坏、尺寸为 0、标注为空。这些样本混进去，训练时要么报错中断，要么让模型学到噪声。我一般会在训练前跑一遍清洗：

import os from PIL import Image img_dir = "smoke_dataset/images" lbl_dir = "smoke_dataset/labels" bad = [] for name in os.listdir(img_dir): img_path = os.path.join(img_dir, name) lbl_path = os.path.join(lbl_dir, name.replace(".jpg", ".txt")) try: img = Image.open(img_path) img.verify() # 校验图片完整性 except Exception: bad.append(name) continue if not os.path.exists(lbl_path) or os.path.getsize(lbl_path) == 0: bad.append(name) # 标注缺失或为空 print("问题样本：", bad)

img.verify()会检查文件头是否完整，损坏的图会抛异常。标注为空的情况在抽烟检测里不少见，有些图里其实没人抽烟，标了反而误导模型，这种直接剔除或者归到负样本集。清洗完记得把bad列表里的文件从 images 和 labels 里同步删掉，别只删一边。

3. 从标注到训练：YOLO 训练配置与参数调优

3.1 数据集配置文件怎么写

YOLO 系列训练前需要一个 yaml 描述文件，告诉框架去哪找图、有几类、类名是什么。以常见的 YOLOv5/v8 结构为例：

# smoke.yaml path: ./smoke_dataset train: images/train val: images/val nc: 1 names: ["smoke"]

path是数据集根目录，train和val是相对路径。这里有个前提：你得先把数据按比例切成 train 和 val 两个子集。切分脚本不复杂，但要注意别让同一段视频的连续帧同时进训练和验证，否则验证指标虚高，实际部署就翻车。

import os import random import shutil random.seed(42) img_dir = "smoke_dataset/images" names = [n for n in os.listdir(img_dir) if n.endswith(".jpg")] random.shuffle(names) split = int(len(names) * 0.8) for subset, files in [("train", names[:split]), ("val", names[split:])]: os.makedirs(f"smoke_dataset/images/{subset}", exist_ok=True) os.makedirs(f"smoke_dataset/labels/{subset}", exist_ok=True) for n in files: shutil.move(os.path.join(img_dir, n), f"smoke_dataset/images/{subset}/{n}") shutil.move(os.path.join("smoke_dataset/labels", n.replace(".jpg", ".txt")), f"smoke_dataset/labels/{subset}/{n.replace('.jpg', '.txt')}")

random.seed(42)保证每次切分结果一致，方便复现。8:2 是常见比例，数据量少的时候可以调到 9:1，但验证集别少于几十张，否则指标波动大得没法看。

3.2 训练命令与关键参数

配置写好就能起训。以 YOLOv8 为例：

yolo detect train \ data=smoke.yaml \ model=yolov8n.pt \ epochs=100 \ imgsz=640 \ batch=16 \ lr0=0.01 \ patience=20 \ project=runs/smoke

逐个说参数。model=yolov8n.pt用的是 nano 版本，参数量小、推理快，适合先跑通流程；如果精度不够再换 s 或 m。imgsz=640是输入尺寸，抽烟目标通常偏小，640 是底线，再低小目标就糊了。batch=16看显存，8G 显存跑 640 大概能到 16，不够就往下调。lr0=0.01是初始学习率，YOLO 默认值一般够用，数据量特别小的时候可以降到 0.001 防止过拟合。patience=20是早停，20 轮验证指标不涨就停，省时间。

训练过程中重点盯两个指标：mAP@0.5和mAP@0.5:0.95。前者宽松，后者严格。抽烟检测里如果 mAP@0.5 能到 0.8 以上，基本可用；mAP@0.5:0.95 通常低不少，0.5 左右算正常。如果两者差距特别大，说明框的位置不够准，可能是标注框偏大或偏小。

3.3 小目标检测的增强策略

抽烟检测的难点在于目标小。手部夹烟这个区域，在 640 的图里可能就几十个像素。默认增强策略对小目标不够友好，可以针对性调几个参数：

# 在训练配置里覆盖增强参数 mosaic: 1.0 # 马赛克增强，四图拼接，提升小目标占比 scale: 0.5 # 随机缩放幅度 copy_paste: 0.1 # 复制粘贴增强，把目标贴到其他图上

mosaic是 YOLO 的招牌增强，把四张图拼成一张，小目标相对变大，效果明显。但注意训练末期最好关掉 mosaic，让模型在真实分布上收敛，很多框架有close_mosaic参数控制最后几轮关闭。copy_paste对稀有类别有用，但抽烟检测如果正样本够多，开太高反而引入不自然的拼接痕迹。

提示：增强参数不是越多越好。数据量本来就少的时候，过度增强会让模型学不到真实特征，表现为训练集指标高、验证集指标低。

4. 避坑与排查：标注和训练里最容易翻车的几件事

4.1 类别索引对不上，模型全预测成背景

现象：训练 loss 一直很高，推理时一个框都不出。

原因：classes.txt里类别顺序和标注文件里的 class_id 不一致。比如标注里抽烟是 0，但配置文件 names 写成了["background", "smoke"]，模型学的是 1 类，推理时阈值一卡就全滤掉了。

解决：打开classes.txt和 yaml 里的names逐行比对，确保索引和名称一一对应。单类别的话，names 里只写["smoke"]，不要加 background，YOLO 会自动处理背景。

4.2 标注框归一化用错基准，框整体偏移

现象：画框验证时框的位置系统性偏左或偏上。

原因：标注工具导出时把 x 除以了图高、y 除以了图宽，或者用了绝对坐标没归一化。

解决：写脚本抽查一批标注，统计 x_center 和 y_center 的分布。正常情况下两者都应该在 0.3~0.7 之间集中，如果某一轴明显偏小或偏大，基本就是基准用错了。重新导出或者写脚本转换。

4.3 训练集验证集泄漏，指标虚高

现象：验证集 mAP 很高，部署到新视频上效果断崖式下跌。

原因：切分时没打乱，或者同一段视频的相邻帧被分到了两边。相邻帧几乎一样，模型等于在验证集上见了训练集。

解决：切分前先按视频来源分组，同一来源的帧只进一个子集。没有来源信息的话，至少用随机打乱，别按文件名顺序切。

4.4 图片和标注不同步，训练中途报错

现象：训练跑着跑着报FileNotFoundError或者标注解析失败。

原因：清洗时删了图片没删标注，或者移动文件时只移了一边。

解决：写个一致性检查脚本，遍历 images 里的每张图，确认 labels 里有同名 txt，反之亦然。不一致的直接列出来处理。

import os img_names = {n.replace(".jpg", "") for n in os.listdir("smoke_dataset/images/train")} lbl_names = {n.replace(".txt", "") for n in os.listdir("smoke_dataset/labels/train")} print("有图无标：", img_names - lbl_names) print("有标无图：", lbl_names - img_names)

4.5 显存爆了，batch 调小还是 OOM

现象：batch=16报 CUDA out of memory，调到 8 还是报。

原因：图片分辨率不统一，框架按最大尺寸对齐，实际占用比预期高。或者开了 mosaic 增强，四图拼接后等效 batch 翻倍。

解决：先把imgsz降到 512 试，再逐步往上加。同时确认没有其他进程占着显存。如果还是不行，用梯度累积模拟大 batch：batch=8配合accumulate=2，效果接近batch=16。

5. 推理验证与进阶技巧：把模型跑成能用的东西

训练完拿到best.pt，别急着庆祝，先做推理验证。最直接的方式是用命令行跑一批测试图：

yolo detect predict \ model=runs/smoke/weights/best.pt \ source=test_images/ \ conf=0.25 \ iou=0.45 \ save=True

conf=0.25是置信度阈值，低于这个值的框不输出。抽烟检测里这个值可以适当调低到 0.2，宁可多报别漏报，后处理再筛。iou=0.45是 NMS 的 IoU 阈值，重叠框超过这个比例就合并。如果发现同一个目标出了好几个框，把 iou 调低；如果相邻两个目标被合并成一个，把 iou 调高。

验证的时候重点看几类难样本：远距离的小目标、手部遮挡嘴部的情况、逆光或暗光下的画面。这几类如果漏检严重，说明训练数据里这类样本太少，得补数据而不是调模型。

进阶一点的做法是导出 ONNX 做部署验证。PyTorch 模型在服务器上跑得好，不代表转成 ONNX 或 TensorRT 之后还一样。导出命令：

yolo export model=runs/smoke/weights/best.pt format=onnx opset=12

opset=12是算子集版本，太低有些算子不支持，太高某些推理引擎不认，12 是比较稳的选择。导出后用 onnxruntime 跑一遍同样的测试图，对比 PyTorch 和 ONNX 的输出框，偏差应该在几个像素以内。如果偏差大，多半是预处理没对齐——比如 PyTorch 用的是 letterbox 填充，ONNX 推理时忘了同样的填充逻辑。

最后说个我自己的习惯。每次拿到新数据集，不管标注看起来多规整，我都会先抽 20 张画框验证，再跑一遍一致性检查，然后才起训。这个流程多花不了十分钟，但能省掉后面几个小时的无效训练。抽烟检测这个方向，数据质量对结果的影响远大于模型选型，把标注这关把住，后面的事就顺了。希望帮到你。

本文还有配套的精品资源，点击获取