Cityscapes目标检测实战：从数据预处理到模型优化的完整指南

1次阅读

没有评论

共计 2080 个字符，预计需要花费 6 分钟才能阅读完成。

Cityscapes 数据集是自动驾驶领域的重要基准数据集，包含 50 个欧洲城市的高分辨率街景图像（2048×1024 像素），涵盖了 30 个语义类别。这个数据集的主要挑战在于：

小目标检测 ：行人和交通标志等目标在图像中占比较小
密集遮挡 ：建筑物和车辆之间的相互遮挡现象严重
类别不平衡 ：某些类别（如卡车）的样本数量极少
复杂背景 ：城市环境中存在大量干扰因素

这些特点使得 Cityscapes 上的目标检测任务比一般数据集更具挑战性。

在 Cityscapes 数据集上，我们对比了三种主流目标检测框架的表现：

Faster R-CNN
优势：两阶段检测器，对小目标检测效果较好
不足：推理速度较慢（约 5FPS）
mAP（val）：约 35.2%
YOLOv5
优势：单阶段检测器，推理速度快（约 50FPS）
不足：对小目标检测效果略差
mAP（val）：约 32.8%
Mask R-CNN
优势：支持实例分割和目标检测
不足：计算资源需求高
mAP（val）：约 36.5%

对于大多数实际应用，YOLOv5 因其速度和精度的平衡成为首选。但如果需要更高的精度，Mask R-CNN 是更好的选择。

Cityscapes 的官方标注格式为 COCO 风格，我们需要进行以下预处理：

图像裁剪 ：将 2048×1024 的图像裁剪为 1024×1024 的子图
归一化 ：使用 ImageNet 的均值和标准差进行归一化
数据增强 ：随机水平翻转、颜色抖动

以下是 PyTorch 实现的核心代码片段：

import torch
from torchvision import transforms

# 定义预处理流水线
transform = transforms.Compose([transforms.Resize((1024, 1024)),  # 调整大小
    transforms.RandomHorizontalFlip(), # 随机水平翻转
    transforms.ColorJitter(0.1, 0.1, 0.1), # 颜色抖动
    transforms.ToTensor(),  # 转为张量
    transforms.Normalize(mean=[0.485, 0.456, 0.406], 
                         std=[0.229, 0.224, 0.225])  # 归一化
])

# 自定义数据集类
class CityscapesDataset(torch.utils.data.Dataset):
    def __init__(self, root, transform=None):
        self.root = root
        self.transform = transform
        # 加载标注文件等初始化代码...

    def __getitem__(self, idx):
        # 加载图像和标注
        img = Image.open(img_path).convert('RGB')
        target = load_annotation(ann_path)

        if self.transform:
            img = self.transform(img)

        return img, target

关键训练参数设置：

Batch Size：根据 GPU 显存选择（通常 8 -16）
学习率 ：初始学习率建议 1e-3，使用余弦退火调度
优化器 ：AdamW 效果通常优于 SGD
训练时长 ：通常在 50-100 个 epoch 之间

# 训练代码示例
model = yolov5s(pretrained=True)
optimizer = torch.optim.AdamW(model.parameters(), lr=1e-3)
scheduler = torch.optim.lr_scheduler.CosineAnnealingLR(optimizer, T_max=100)

for epoch in range(100):
    for images, targets in dataloader:
        # 前向传播
        outputs = model(images)
        # 计算损失
        loss = criterion(outputs, targets)
        # 反向传播
        optimizer.zero_grad()
        loss.backward()
        optimizer.step()
    scheduler.step()