图片中的目标如何定位和计数？从数据检查到模型预测的完整实践

内部草稿：数据尚未通过现有检查，生成内部草稿，等待核查。

先把要解决的问题说清楚

照片里的目标在哪、有多少，能让电脑自动找出来吗？ 做课程项目或毕业设计时，可以先把问题缩小到一个能验证的小任务，再逐步补充复杂功能。

这篇教程要完成的结果是：输入图片，输出标有预测框的图片和按类别汇总的目标数量。

只检测已有标注所定义的目标。标签语义不清时保留编号；计数是模型预测，需要人工核对。

为了把操作讲清楚，下面用"燕麦数据集"作为演示案例。数据集是练习材料；你最终要交付的是能运行的操作过程和自己核对过的结果。

开始前，准备好这些东西

• 一台 Windows 电脑。本文先用 CPU，不要求先配好显卡。
• Python 3.12 的 64 位版本；第一次安装依赖和下载模型需要联网。
• 数据压缩包 v4-coco.zip，以及本文配套代码压缩包。数据包和代码附件是两份文件，不要混淆。
• 一个有足够空间的工作目录。图像训练库通常还需要数 GB 空间，不能只按数据压缩包大小预留空间。

本文的操作都在 PowerShell 中执行。代码块里一行是一条命令，按顺序复制执行；不复制三行反引号，不复制屏幕上的 PS C:\...> 提示符。上一条命令返回提示符后再执行下一条。

第 1 步：建立项目目录，把文件放对位置

按 Win + E 打开文件资源管理器，在地址栏输入 C:\。新建文件夹，命名为 dataset_project。如果已有同名项目，可改用其他目录，并统一修改本文中的路径。

先解压代码附件，把下面三个 .py 文件直接放在该文件夹中，再复制数据 ZIP。数据 ZIP 暂时不手动解压，后面的脚本会读取它。

C:\dataset_project\
├── v4-coco.zip
├── dataset_tools.py
├── run_model.py
└── table_demo.py

在资源管理器"查看 → 显示"中启用"文件扩展名"。确认脚本名是 dataset_tools.py，不是 dataset_tools.py.txt。在该文件夹地址栏输入 powershell 并回车，随后执行：

Set-Location 'C:\dataset_project'
Get-Location
Get-ChildItem -Name

**成功标志：**当前位置是项目目录，文件列表中能直接看到上面四个文件。如果看到的只有一个同名子文件夹，说明附件多套了一层，把脚本移到项目根目录再继续。

第 2 步：安装 Python，建立独立环境

如果尚未安装，打开 Python Windows 下载页，选择提供 Windows 64 位安装程序的 Python 3.12 版本。安装时启用 Python Launcher，并勾选添加到 PATH 的选项。安装完成后，关闭原 PowerShell 窗口，再从项目目录重新打开。

先检查版本：

py -3.12 --version

**成功标志：**输出 Python 3.12.x。若显示找不到 py 或对应版本，先检查安装及 Launcher，暂时不要继续装训练库。

建立只供本项目使用的环境，再安装图片读取库：

py -3.12 -m venv .venv
.\.venv\Scripts\python.exe -m pip install --upgrade pip
.\.venv\Scripts\python.exe -m pip install pillow
.\.venv\Scripts\python.exe -c "import sys; from PIL import Image; print(sys.executable); print('基础环境可用')"

**成功标志：**输出路径指向 dataset_project\.venv\Scripts\python.exe，随后显示"基础环境可用"。.venv 是项目环境，后面的命令都直接调用它，不需要执行激活脚本。

第 3 步：检查演示材料，明确到底使用哪些文件

本次生成教程时，从压缩包读取到的信息如下：

|------------|--------------------------|
| 项目 | 本次文件检查 |
| 数据名称 | 燕麦数据集 |
| 实测结构 | COCO 目标检测 |
| 压缩包 | 51.92 MiB |
| 压缩包内文件 | 660 |
| 本教程选定图片数 | 655 |
| 检测框记录数 | 2735 |
| 实际出现的类别编号数 | 2 |
| 原包划分 | test：15；train：600；val：40 |

执行检查命令：

.\.venv\Scripts\python.exe dataset_tools.py inspect --zip 'v4-coco.zip'
Get-Content -LiteralPath '.\inspection.json' -Encoding UTF8

**成功标志：**生成 inspection.json，kind 为 coco，本次选定图片数为 655。文件中的 warnings 是需要核对的事项，不要直接忽略：

• 结构可读取仍需核对标签或字段的真实含义。

本稿完成的是文件检查；除非另有实测记录，以下训练步骤尚未在这套数据上完成，不能把教程步骤写成已有实验成绩。

第 4 步：核对标签，再生成训练副本

本例使用矩形框标注。框告诉模型目标的位置和类别；缺少类别名称映射时保留编号，不凭图片猜测编号含义。

执行：

.\.venv\Scripts\python.exe dataset_tools.py prepare --zip 'v4-coco.zip' --out prepared
Get-Content -LiteralPath '.\prepared\preparation.json' -Encoding UTF8
Get-Content -LiteralPath '.\prepared\class_mapping.json' -Encoding UTF8
Start-Process '.\prepared\samples.html'

**成功标志：**出现 prepared 目录，浏览器打开样例页。这里的红色框来自原有标注，不是模型预测。先看标签是否合理，有问题就回到原文件核对。

图片在 images 下，框标签在 labels 下，data.yaml 告诉模型到哪里找数据；COCO 标注会转换成 YOLO 框格式。

三个集合各有用途：train 用于学习，val 用于选择模型和观察调参效果，test 留到方案确定后最终评分。原包已有完整划分时沿用；没有时采用可重复的约 80%/10%/10% 教学划分。具体数量看 preparation.json，不是所有数据都正好整除。

split_manifest.json 记录原文件、准备后的文件名和所属集合。像素完全相同的图片保持在同一集合；相似照片、同场景和增强版本仍需单独核查。只做了随机教学划分时，不宣称实验已满足严格论文评测要求。

遇到"输出目录已存在"时，先查看已有结果；确实要重新准备，可以改成 --out prepared_v2，并把后续命令的 --data、--source、--class-map 对应路径一起改掉。

第 5 步：安装训练库，确认电脑能加载它

继续在同一个 PowerShell、同一个项目目录执行：

.\.venv\Scripts\python.exe -m pip install torch==2.14.1 torchvision==0.29.1 --index-url https://download.pytorch.org/whl/cpu
.\.venv\Scripts\python.exe -m pip install ultralytics==8.4.170
.\.venv\Scripts\python.exe -c "import torch, ultralytics; print('训练环境可用'); print('CUDA:', torch.cuda.is_available())"
.\.venv\Scripts\python.exe -m pip freeze > requirements-installed.txt

**成功标志：**输出"训练环境可用"。这里安装的是 CPU 版本，CUDA: False 正常，不需要为此重新安装显卡驱动。requirements-installed.txt 保存本机实际安装的版本。

安装失败时，先看最后一段报错：磁盘空间不足就先释放空间；连接超时就检查网络后重试；提示某个包缺失时，仍用上面这条 .venv 内的 Python 安装，不换成另一套 Python。

第 6 步：只训练一轮，先验证整条链路

.\.venv\Scripts\python.exe run_model.py train --task detect --data 'prepared/data.yaml' --model yolo26n.pt --epochs 1 --imgsz 320 --batch 4 --device cpu --name smoke
Test-Path '.\runs\smoke\weights\best.pt'

第一次运行会下载模型权重；下载完成后才进入训练。终端中的轮次推进和损失值是运行信息，不是程序报错。返回 PowerShell 提示符后，第二条命令应输出 True。

参数含义：--task detect 指定目标检测，--data 指向准备好的数据，--epochs 1 只训练一轮，--imgsz 320 指定输入尺寸，--batch 4 每批处理 4 张，--device cpu 使用 CPU，--name smoke 把本次结果放进 runs/smoke。

**这一轮只用来确认脚本、数据和保存路径正常。**如果失败，先修复，不直接增加训练轮数。检测模型与分类模型不同，不使用带 -cls 后缀的分类权重。

第 7 步：建立一份独立的入门实验

一轮跑通后，再执行：

.\.venv\Scripts\python.exe run_model.py train --task detect --data 'prepared/data.yaml' --model yolo26n.pt --epochs 30 --imgsz 320 --batch 4 --device cpu --name baseline
Test-Path '.\runs\baseline\weights\best.pt'
Start-Process '.\runs\baseline'

**成功标志：**训练结束且权重存在，输出文件夹内能找到 weights/best.pt 和 results.csv。best.pt 是按验证表现保留的权重，last.pt 是最后一轮权重。

30 轮是入门实验设置，不保证已经最优。电脑性能、图片尺寸和数量都会影响耗时。内存不足可改 --batch 1；每次改变实验方案时换一个 --name，例如 baseline_batch1，后面的模型路径也同步修改。

第 8 步：用没参与训练的图片评估

先检查独立测试数据是否存在：

Test-Path 'prepared/images/test'

输出 True 且目录内确有图片后，再执行下面的命令。如果原包只有训练和验证集，需要先制定独立评估方案；不把验证集改个名字充当测试集。

.\.venv\Scripts\python.exe run_model.py test --task detect --data 'prepared/data.yaml' --model runs/baseline/weights/best.pt --imgsz 320 --batch 4 --name test_baseline
Get-Content -LiteralPath '.\runs\test_baseline\metrics.json' -Encoding UTF8

成功标志： metrics.json 保存了本次真实数值。主要看 mAP50 和 mAP50--95，它们衡量检测框与标注的匹配表现，不能写成整张图片分类准确率。

不要复制别人的数值填进报告，也不要根据测试分数反复挑参数；调参使用验证集，测试集用于最终检查。

第 9 步：打开预测结果，看它到底认对了什么

.\.venv\Scripts\python.exe run_model.py predict --task detect --model runs/baseline/weights/best.pt --source 'prepared/images/test' --class-map prepared/class_mapping.json --imgsz 320 --name predictions
Start-Process '.\runs\predictions\predictions.html'
Get-Content -LiteralPath '.\runs\predictions\predictions.json' -Encoding UTF8

**成功标志：**浏览器显示预测图片和检测框、按类别汇总的数量，JSON 中能找到每张图片的输出。predicted_counts 是模型预测数量，不是人工标注的真实数量。置信度 0.9 不代表整个模型有 90% 的准确率。

再试一张自己准备的图片：在项目目录新建 my_images，放入一张实际 JPG 图片，命名为 demo.jpg。不要通过只改扩展名把其他格式冒充 JPG。然后执行：

.\.venv\Scripts\python.exe run_model.py predict --task detect --model runs/baseline/weights/best.pt --source my_images/demo.jpg --class-map prepared/class_mapping.json --imgsz 320 --name my_photo
Start-Process '.\runs\my_photo\predictions.html'

新照片中若没有检测到目标，先确认模型路径，再检查图像场景和置信度。降低阈值可能增加误检，不能把"框变多了"当成效果变好。

最后，把它整理成可展示的课程项目或毕设实验

不要只交一张结果截图。把下面几部分串起来，读者才能检查你的工作：

|---------|----------------------------|
| 报告部分 | 具体要写什么 |
| 要解决的问题 | 用户输入什么，程序应该输出什么，适用范围是什么 |
| 演示材料 | 实际使用多少文件，选了哪些目录，为什么不使用其他部分 |
| 操作过程 | 环境版本、关键命令、输出文件位置和检查结果 |
| 实验或分析结果 | 自己运行得到的数字和图片，未运行的部分明确标注 |
| 错误分析 | 至少一个不理想的例子、可能原因和下一步验证方法 |
| 局限 | 样本数量、划分方式、标签可靠性和真实场景差异 |

作为毕业设计时，还需按照学校要求明确研究问题、对比方法和评价方式。跑通本教程属于起点，不能直接等同于完成整个毕业设计。

卡住时，按报错现象处理

|-----------------------|-----------------------------------------------------------------|
| 现象 | 先做的具体检查 |
| py 找不到 | 确认 Python Launcher 已安装，关闭终端后从项目目录重新打开 |
| can't open file | 执行 Get-Location 和 Get-ChildItem -Name，确认当前目录、文件名和扩展名 |
| No module named ... | 用同一条 .\.venv\Scripts\python.exe -m pip install ... 安装提示缺少的包 |
| 安装时连接超时 | 核对网络，再重试当前安装命令，不因此删除数据或重做已成功步骤 |
| No space left 或磁盘不足 | 检查项目盘与系统盘空间，清理后重试；增加请求次数不能解决空间问题 |
| 标签检查没有通过 | 看错误指出的路径、类别或坐标，核对原文件，不随意删标签凑通过 |
| 输出目录已存在 | 先看已有结果；重跑用新的 --out 或 --name，后续引用路径同步改掉 |
| 分类结果是 class_0 | 查看 prepared/class_mapping.json；预测报告中的 source_label 会给出原目录名称 |
| 内存不足 | 将 --batch 4 改为 --batch 1，用新实验名重跑 |
| 只有一个结果截图 | 同时保存 JSON、环境版本和划分记录，不能只根据图片判断模型表现 |

技术用法可对照 Ultralytics 分类说明、分类目录格式 和 检测任务说明。这些是代码使用说明，文中的数据数量以本次实际检查为准。

数据与附件

本文为内部教学草稿。数据尚未通过现有检查，生成内部草稿，等待核查。