Object Detection Model Training (YOLOv8, YOLOv9, YOLO11, RT-DETR)

Training моделей детекции объектов: YOLOv8, YOLO11, RT-DETR

YOLOv8 — практический стандарт детекции для большинства production-задач. Но между «запустить yolo train» и получить [email protected] > 0.85 на реальных данных — дистанция в несколько итераций, каждая с конкретными решениями.

Конфигурация обучения и гиперпараметры

# yolov8_custom.yaml — конфиг для кастомного обучения
model: yolov8m.pt       # m = medium, баланс скорость/точность

# Датасет
data: dataset.yaml
imgsz: 640              # 1280 для мелких объектов, но в 4x медленнее
batch: 16               # при VRAM 12GB; 32 при 24GB
epochs: 200

# Оптимизатор
optimizer: AdamW
lr0: 0.001
lrf: 0.01               # финальный LR = lr0 * lrf
momentum: 0.937
weight_decay: 0.0005
warmup_epochs: 3.0

# Аугментации (встроенные в YOLOv8)
mosaic: 1.0             # вкл mosaic до последних 10 эпох
mixup: 0.15
copy_paste: 0.1         # сегментация → копируем объекты на новый фон
degrees: 10.0
translate: 0.1
scale: 0.5
flipud: 0.0
fliplr: 0.5
hsv_h: 0.015
hsv_s: 0.7
hsv_v: 0.4

from ultralytics import YOLO

model = YOLO('yolov8m.pt')
results = model.train(
    data='dataset/data.yaml',
    imgsz=640,
    batch=16,
    epochs=200,
    device='0',           # GPU 0
    project='runs/detect',
    name='defect_v1',
    save_period=10,       # чекпоинт каждые 10 эпох
    val=True,
    plots=True,           # confusion matrix, PR-curve
    patience=50           # early stopping
)

Глубокий разбор: почему модель не обучается

Самая частая ситуация: loss падает, val mAP растёт до ~0.6 и стагнирует. Анализ confusion matrix показывает систематические FP одного класса. Три основные причины:

1. Аннотационные ошибки. Даже 5% неправильных bbox разрушают обучение мелких классов. Инструмент диагностики:

import numpy as np
from pathlib import Path

def audit_annotation_quality(labels_dir: str) -> dict:
    """
    Проверяем аннотации на:
    - bbox выходящие за границы (x+w > 1 в YOLO формате)
    - микро-bbox (< 5px площадь при imgsz=640)
    - дублирующиеся bbox (IoU > 0.9)
    """
    issues = {'out_of_bounds': [], 'tiny_boxes': [], 'duplicates': []}

    for label_path in Path(labels_dir).glob('*.txt'):
        boxes = np.loadtxt(label_path, ndmin=2)
        if boxes.shape[0] == 0:
            continue

        cls_ids, cx, cy, bw, bh = (boxes[:, i] for i in range(5))

        # Out of bounds
        oob = (cx - bw/2 < 0) | (cx + bw/2 > 1) | \
              (cy - bh/2 < 0) | (cy + bh/2 > 1)
        if oob.any():
            issues['out_of_bounds'].append(str(label_path))

        # Tiny boxes < 2% от изображения
        tiny = (bw * bh) < 0.0004  # ~16x16px при 640
        if tiny.any():
            issues['tiny_boxes'].append(str(label_path))

    return issues

2. Несбалансированный датасет без учёта spatial distribution. YOLOv8 anchor-free, но если объекты одного класса сосредоточены в одном углу изображения — модель выучит эту корреляцию.

3. Слишком агрессивный mosaic при мелких объектах. Mosaic уменьшает объекты в 2–4 раза. При исходных объектах 20–40px они становятся 5–10px — ниже порога детектируемости.

# Отключаем mosaic в последние 10 эпох + для мелких объектов
# через custom trainer
from ultralytics.models.yolo.detect import DetectionTrainer

class SmallObjectTrainer(DetectionTrainer):
    def build_dataset(self, img_path, mode='train', batch=None):
        dataset = super().build_dataset(img_path, mode, batch)
        # Если средний размер bbox < 3% — снижаем mosaic
        if mode == 'train':
            dataset.mosaic = 0.5   # вместо 1.0
        return dataset

RT-DETR: когда YOLO не хватает

RT-DETR (Real-Time DEtection TRansformer, Baidu 2023) — трансформерная детекция без NMS. Превосходит YOLOv8 на сценах с сильными окклюзиями и нестандартными соотношениями сторон объектов.

from ultralytics import RTDETR

model = RTDETR('rtdetr-l.pt')
model.train(
    data='dataset/data.yaml',
    imgsz=640,
    batch=8,            # RT-DETR тяжелее YOLOv8 по памяти
    epochs=100,
    device='0',
    optimizer='AdamW',
    lr0=0.0001,
    warmup_epochs=2
)

Сравнение на задаче детекции мелких дефектов (объекты 15–40px):

TensorRT для production

from ultralytics import YOLO

trained_model = YOLO('runs/detect/defect_v1/weights/best.pt')
trained_model.export(
    format='engine',      # TensorRT
    device=0,
    half=True,            # FP16: ~2x speedup, minimal accuracy loss
    dynamic=False,        # fixed batch для максимальной оптимизации
    imgsz=640,
    batch=1,              # или 8 при батч-инференсе
    workspace=4           # GB для TensorRT optimizer
)

Сроки