2.1 硬件与操作系统#

2.2 软件环境#

• Python 3.11
• PyTorch 2.11.0+cu128 (CUDA 12.8)
• Ultralytics 8.4.33
• OpenCV, Matplotlib

2.3 环境配置步骤#

1
# 创建conda虚拟环境
2
conda create -n yolo_train python=3.11 -y
3
conda activate yolo_train
4

5
# 安装PyTorch GPU版
6
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu128
7

8
# 安装Ultralytics
9
pip install ultralytics

验证GPU可用：

1
import torch
2
print(torch.cuda.is_available())  # 应输出 True
3
print(torch.cuda.get_device_name(0))  # NVIDIA GeForce RTX 5070 Laptop GPU

3.1 初始数据集（小规模）#

从RoboFlow下载person-car数据集，共141张图片，包含car和person两个类别。标注格式为YOLO格式（每张图片对应一个.txt文件）。数据集划分如下：

训练集：113张

测试集：28张（未提供独立验证集，临时将测试集用作验证）

3.2 数据扩充#

初始数据集训练后，行人检测mAP50仅0.330，表明数据量不足。为此，从RoboFlow搜索并下载另一个交通场景数据集，共515张图片，类别同样为car和person。下载后的数据只有train文件夹，需手动划分验证集：

1
cd /mnt/e/作业提交_深度学习实验/car-person.yolov11
2
mkdir -p valid/images valid/labels
3
cd train/images
4
ls *.jpg | shuf -n 103 | while read f; do
5
    mv "$f" ../../valid/images/
6
    base="${f%.jpg}"
7
    mv "../labels/${base}.txt" ../../valid/labels/
8
done

5.1 验证集性能#

在103张验证集上的评估结果如表1所示。这里解释几个关键指标：

• 精确率（Precision）：预测为正样本中真正为正的比例，高精确率意味着误检少。
• 召回率（Recall）：真正为正样本中被预测出来的比例，高召回率意味着漏检少。
• mAP50：当IoU（预测框与真实框的交集面积除以并集面积，衡量框的重叠程度）阈值取0.5时的平均精度均值。
• mAP50-95：IoU从0.5到0.95步长0.05的多个阈值下的平均精度均值，要求更严格。

表1 模型在验证集上的性能指标

• 整体mAP50达到0.905，说明模型能够准确检测绝大多数目标。
• 汽车检测效果最佳（mAP50=0.939），召回率0.871，仅有少量漏检。
• 行人检测mAP50=0.871，相比小数据集训练的0.330有了质的飞跃，证明了数据扩充的有效性。
• 精确率普遍较高（>0.90），表明模型误检较少。

5.2 与初始模型的对比#

表2 数据集规模对性能的影响

扩充数据集后，行人检测mAP50提升164%，汽车检测mAP50提升43%。这充分说明数据量是决定模型性能的核心因素。

5.3 视频检测性能#

使用训练好的模型对一段30秒、1280×720分辨率的路况视频进行检测：

1
yolo predict model=best.pt source=test.mp4 save=True

性能数据：

• 平均推理速度：145 FPS（帧/秒），远超实时要求（30 FPS）
• 单帧处理时间：约6.9 ms（预处理0.1ms + 推理1.1ms + 后处理2.5ms等）
• 检测效果：在白天、阴天、夜间场景下均能稳定检测出行人和车辆，仅极少数远距离小目标出现漏检。