目标检测训练常见问题排查清单

目标检测训练常见问题排查清单

本清单覆盖精度异常、速度瓶颈、部署报错 三大类高频问题，每个问题对应现象-根因-可落地解决方案，适配主流检测模型（YOLO系列、Faster R-CNN、CenterNet等）。

一、 精度类问题（最核心痛点）

1. 过拟合：训练集mAP高，验证集mAP低/持续下降

现象	训练损失持续降低，验证损失先降后升；训练集目标检测几乎无漏检，验证集漏检/误检多
根因	1. 训练数据集过小/类别分布不均；2. 数据增强强度不足；3. 模型复杂度远超数据量；4. 正则化策略缺失
解决方案	1. 扩充数据 ：采集同类场景数据，或用Label Studio做半监督标注（伪标签）； 2. 增强数据 ：增加随机裁剪、马赛克（Mosaic）、混合增强（MixUp）、随机擦除（CutOut）；边缘端模型可保留翻转+色域变换，避免增强过度； 3. 轻量化模型 ：换更浅的骨干网络（如ResNet50→ResNet18，CSPDarknet53→CSPDarknet-tiny）； 4. 强化正则化：提高权重衰减（weight decay）至0.001；开启Dropout（概率0.2-0.5）；限制模型参数总量

2. 欠拟合：训练集/验证集mAP都低，损失下降缓慢

现象	训练损失始终处于高位；模型对简单目标都漏检，mAP远低于行业基线
根因	1. 学习率设置过低；2. 训练轮数不足；3. 模型复杂度不足；4. 数据增强过度
解决方案	1. 调整学习率 ：将初始LR上调1-5倍（如SGD从0.001→0.005）；改用余弦退火衰减策略； 2. 延长训练 ：增加epochs至200-500，开启早停机制（验证集mAP 10轮无提升则终止）； 3. 升级模型 ：换更深的骨干网络（如MobileNet→ResNet50）；或换精度更高的模型（如YOLOv5s→YOLOv8l）； 4. 降低增强强度：减少裁剪比例、关闭Mosaic增强，仅保留基础翻转/色域变换

3. 小目标检测差：大目标mAP正常，小目标几乎检测不到

现象	小目标（像素<32×32）漏检率>50%；标注框越小，检测效果越差
根因	1. 小目标特征被下采样丢失；2. 锚框尺寸不匹配；3. 数据增强损害小目标；4. 损失函数对小目标权重不足
解决方案	1. 多尺度训练/推理 ：训练时设置输入尺寸范围（如320-640px），推理时用大尺寸输入（如800×800）； 2. 锚框适配 ：用自有数据集聚类生成锚框（YOLO系列用autoanchor工具），增加小尺寸锚框数量； 3. 优化特征提取 ：使用FPN/PAFPN特征融合结构，保留高分辨率特征图；CenterNet等无锚框模型增大中心点热力图权重； 4. 调整损失函数 ：边框回归损失改用EIoU Loss（对小目标更友好）；给小目标标注框分配更高的损失权重

4. 正负样本不平衡：少数类目标检测效果极差

现象	数据集中占比低的类别mAP接近0；模型优先检测多数类目标
根因	1. 少数类样本数量少；2. 损失函数对正负样本权重均等
解决方案	1. 重采样 ：训练时对少数类样本过采样，多数类样本欠采样； 2. 损失加权 ：使用Focal Loss （调节α参数平衡类别权重）；或给少数类标注框设置更高的损失系数； 3. 硬样本挖掘：训练时重点关注难分样本（如IoU接近阈值的样本）

二、 速度类问题（实时性需求必看）

1. 训练速度慢：单轮epoch耗时过长

现象	单张GPU训练单轮epoch超过1小时；GPU利用率低于50%
根因	1. batch size设置过小；2. 数据加载瓶颈；3. 未开启混合精度训练
解决方案	1. 增大batch size ：设为2的幂次（如8→16→32），显存不足则开启梯度累积（gradient accumulation）； 2. 优化数据加载 ：使用多线程加载（num_workers设为CPU核心数的2倍）；将数据集转为LMDB格式，减少磁盘IO； 3. 开启混合精度 ：用PyTorch的torch.cuda.amp或MMDetection的auto_fp16，训练速度提升50%-100%

2. 推理速度慢：FPS低于实时要求（<30）

现象	模型推理单张图耗时>30ms；边缘端部署时FPS不足
根因	1. 模型参数量/计算量过大；2. 未做推理优化；3. 输入尺寸过大
解决方案	1. 模型轻量化 ：换轻量骨干网络（如ResNet→MobileNet/ShuffleNet）；使用模型蒸馏（用大模型指导小模型训练）； 2. 推理优化 ：导出为ONNX格式，用TensorRT/TorchScript做量化（INT8量化速度提升2-5倍）；裁剪模型冗余层； 3. 调整输入尺寸：降低推理分辨率（如640×640→416×416），需平衡精度与速度

三、 部署类问题（边缘端/工程化必遇）

1. 模型导出报错：无法转为ONNX/TFLite格式

现象	导出时提示"不支持的算子"；导出后推理结果与PyTorch原生结果差异大
根因	1. 模型含自定义算子；2. 动态维度未指定；3. 版本不兼容
解决方案	1. 替换自定义算子 ：将自定义层替换为框架原生算子（如YOLO的Focus层替换为切片操作）； 2. 指定静态维度 ：导出ONNX时固定输入尺寸（如opset_version=12，dynamic_axes=None）； 3. 匹配版本：确保PyTorch/ONNX/TensorRT版本兼容（推荐PyTorch 1.12+，ONNX 1.12+）

2. 边缘端部署精度下降：量化后mAP大幅降低

现象	INT8量化后mAP下降超过10%；模型出现大量误检
根因	1. 量化校准数据集不具代表性；2. 敏感层被量化
解决方案	1. 优化校准集 ：选择与测试集分布一致的100-500张图片做量化校准； 2. 量化感知训练 ：训练时插入量化节点，让模型适应量化误差； 3. 跳过敏感层：对特征融合层、注意力层等敏感层保留FP32精度

---