简介这是一份面向计算机科学与技术专业本科生的毕业论文参考文档主题为基于AC-YOLO的路面落叶检测方法适合正在准备目标检测方向毕业设计、需要完整论文框架与算法实现思路的学生参考。压缩包内共1个docx文件约33KB内容为完整的一万字论文正文涵盖引言、AC-YOLO算法介绍、数据集构建、检测方法设计、实验与分析及结论展望六大章节。论文围绕YOLO算法的自适应聚类改进展开详细阐述了多尺度特征融合、数据增强与损失函数设计等关键环节并给出实验设置与结果对比分析可帮助读者理解改进型YOLO在小目标检测中的具体应用路径。目前已有321人学习下载对于需要搭建论文结构、梳理算法改进逻辑或撰写实验章节的读者具有较高的参考价值。1. 从一篇本科毕业论文说起AC-YOLO 做路面落叶检测到底在解决什么路面落叶检测这件事听起来像是环卫部门才关心的边角需求但真正做过的人都知道它踩中的是目标检测里最典型的几类硬骨头小目标密集堆叠、遮挡严重、背景纹理和前景高度相似、类别边界模糊。你拿一个在 COCO 上刷到高 mAP 的通用模型直接去跑落叶大概率会翻车——模型会把深色地砖缝、湿痕、阴影统统认成落叶或者把成片堆积的落叶当成一整块背景忽略掉。AC-YOLO 这个题目里的「AC」通常指 Attention 与 Context 两条改进线也就是在 YOLO 主干或 Neck 上引入注意力机制、再补一个上下文聚合模块专门对付落叶这种「长得像背景的前景」。这篇论文级别的方案适合正在做目标检测课程设计、本科毕设或者想拿一个真实脏数据集练手 YOLO 改进的从业者。下面我按「先立住原理、再跑通数据、最后调参避坑」的顺序把整套东西拆成能照着复现的步骤。2. AC-YOLO 的改进点拆解注意力与上下文模块怎么加才不白加2.1 为什么原始 YOLO 在落叶上会失效先把问题定位清楚不然改了半天不知道改的是什么。落叶检测的失效模式主要有三种。第一种是尺度极端单片落叶可能只占 20×20 像素而成堆落叶能铺满半个画面YOLO 的 FPN 虽然做了多尺度但 P3 层对小目标的响应仍然偏弱。第二种是前景背景同分布枯黄落叶和土黄色路面、灰色落叶和水泥地的颜色直方图几乎重叠卷积核学到的边缘特征区分不开。第三种是密集遮挡落叶互相压叠NMS 阶段容易把挨着的两片叶子合并成一个框召回率掉得厉害。原始 YOLO 的卷积是局部感受野它判断一个像素是不是落叶只看周围 3×3 到 7×7 的范围。当背景本身纹理复杂时局部信息不足以支撑判断。这就是为什么必须引入全局上下文——让网络在判断某个位置时能「看到」整张图的整体分布知道这片区域整体偏土黄还是偏灰绿。2.2 注意力模块加在哪一层三个位置的取舍注意力机制常见的是 SE、CBAM、ECA 这几类本质是给通道或空间位置重新加权。加的位置不同效果差别很大我一般按下面的经验来选加的位置作用适用场景代价Backbone 末端强化高层语义通道类别混淆严重参数量小几乎无损Neck 的 P3/P4 融合后强化小目标空间响应小目标密集显存涨 5%~10%Head 前直接调检测头输入遮挡严重容易过拟合对落叶这种「小目标 背景混淆」的组合我的建议是Backbone 末端加通道注意力Neck 的 P3 输出加空间注意力。只加一处往往效果不明显因为通道注意力解决「看什么特征」空间注意力解决「看哪里」两个问题在落叶场景里同时存在。2.3 上下文聚合模块的最小实现上下文聚合的常见做法是空洞卷积金字塔或者全局池化后广播。下面给一个可以直接插进 YOLO Neck 的轻量上下文模块用 PyTorch 写输入输出保持同尺寸方便替换import torch import torch.nn as nn class ContextAggregation(nn.Module): def __init__(self, channels, reduction16): super().__init__() # 多尺度空洞卷积捕捉不同范围的上下文 self.dconv1 nn.Conv2d(channels, channels, 3, padding1, dilation1, groupschannels) self.dconv2 nn.Conv2d(channels, channels, 3, padding2, dilation2, groupschannels) self.dconv3 nn.Conv2d(channels, channels, 3, padding3, dilation3, groupschannels) # 通道注意力对聚合后的特征重新加权 self.gap nn.AdaptiveAvgPool2d(1) self.fc nn.Sequential( nn.Conv2d(channels, channels // reduction, 1), nn.ReLU(inplaceTrue), nn.Conv2d(channels // reduction, channels, 1), nn.Sigmoid() ) self.bn nn.BatchNorm2d(channels) def forward(self, x): # 三路空洞卷积并联等效感受野覆盖 3/5/7 c1 self.dconv1(x) c2 self.dconv2(x) c3 self.dconv3(x) ctx c1 c2 c3 # 通道注意力权重 w self.fc(self.gap(ctx)) out self.bn(ctx * w) x # 残差连接避免退化 return out逻辑说明三路空洞卷积用groupschannels做深度可分离参数量压到最低dilation 分别取 1、2、3等效感受野覆盖 3×3、5×5、7×7正好对应单片落叶到小范围堆积的尺度。通道注意力用reduction16是常规起点如果你的通道数小于 64把 reduction 改成 8否则中间层会太窄。最后的残差连接很关键落叶检测本身数据量不大没有残差很容易训崩。参数说明channels必须和插入位置的输入通道一致插在 P3 就是 256以 YOLOv5s 为例插在 P4 就是 512。dilation不要超过 3再大对小目标反而有害因为空洞卷积会跳过相邻像素。2.4 把模块接进 YOLO 的配置文件如果你用的是 YOLOv5/v8 这类带 yaml 配置的框架改结构不用动源码直接改 yaml。以 YOLOv5 为例在models/yolov5s.yaml的 backbone 末尾和 neck 的 P3 分支各插一行# 在 backbone 最后一层 SPPF 之后插入 backbone: # ... 前面的层保持不变 [-1, 1, SPPF, [1024, 5]], # 原最后一层 [-1, 1, ContextAggregation, [1024]], # 新增上下文模块 # 在 neck 中 P3 融合后插入 head: [[-1, 1, Conv, [256, 1, 1]], # 原 P3 分支 [-1, 1, ContextAggregation, [256]], # 新增 # ... 后续保持不变 ]改完 yaml 后框架会在解析时自动实例化你注册的模块。注意模块名要和你在代码里注册的名字完全一致大小写敏感这是最常见的翻车点——yaml 里写ContextAggregation代码里注册成context_aggregation训练直接报 KeyError。3. 数据集准备落叶数据从哪来、怎么标、怎么转格式3.1 落叶数据集的三个来源公开数据集里没有专门的「路面落叶」类别我一般用三条路凑数据。第一条是自采手机固定在电动车或推车上沿路拍视频再抽帧这样最贴近真实场景但标注量大。第二条是公开数据筛选从 COCO 或 Open Images 里筛出含落叶、枯叶、地面杂物的图重新标注优点是背景多样缺点是落叶占比低需要大量筛选。第三条是合成增强把干净的落叶素材贴到不同路面背景上用脚本批量生成适合快速扩充小目标样本。自采抽帧时帧率不要太高1 秒 2 帧就够否则相邻帧几乎一样等于白标。分辨率建议 1920×1080 起步落叶小目标在 1080p 下大概 30~80 像素缩到 640 训练时还有 10~25 像素勉强够用。3.2 标注规范落叶的边界到底怎么框落叶标注最大的争议是「一片叶子算一个框还是一堆算一个框」。我的经验是单片可分辨的叶子单独框重叠到无法分辨的整堆框一个。如果强行把每片叶子都框出来标注一致性会极差不同人标的框差十几个像素模型学到的就是噪声。类别就设一个leaf不要细分颜色或树种本科论文阶段细分只会让每类样本更少。标注工具用 labelImg 或 X-AnyLabeling 都行导出 YOLO 格式每行class x_center y_center width height全部归一化到 0~1。标完一定要做一次框的宽高分布统计如果发现大量框的宽高小于 0.01即 640 下不到 7 像素这些框要么删掉要么合并否则训练时会被下采样层直接丢掉。3.3 从 VOC 转 YOLO 格式的脚本与边界坑很多公开数据是 VOC 的 xml 格式转 YOLO 的脚本网上一堆但边界处理经常出错。下面这个版本我用了很久处理了越界和零宽高import xml.etree.ElementTree as ET import os def voc_to_yolo(xml_dir, out_dir, classes): os.makedirs(out_dir, exist_okTrue) for xml_file in os.listdir(xml_dir): if not xml_file.endswith(.xml): continue tree ET.parse(os.path.join(xml_dir, xml_file)) root tree.getroot() size root.find(size) w int(size.find(width).text) h int(size.find(height).text) lines [] for obj in root.iter(object): cls obj.find(name).text if cls not in classes: continue cls_id classes.index(cls) bbox obj.find(bndbox) x1 float(bbox.find(xmin).text) y1 float(bbox.find(ymin).text) x2 float(bbox.find(xmax).text) y2 float(bbox.find(ymax).text) # 边界裁剪防止越界导致归一化后为负 x1, y1 max(0, x1), max(0, y1) x2, y2 min(w, x2), min(h, y2) bw, bh x2 - x1, y2 - y1 if bw 1 or bh 1: # 过滤零宽高框 continue xc (x1 x2) / 2 / w yc (y1 y2) / 2 / h nw, nh bw / w, bh / h lines.append(f{cls_id} {xc:.6f} {yc:.6f} {nw:.6f} {nh:.6f}) with open(os.path.join(out_dir, xml_file.replace(.xml, .txt)), w) as f: f.write(\n.join(lines)) voc_to_yolo(annotations, labels, [leaf])逻辑说明max(0, x1)和min(w, x2)这两步是必须的VOC 标注里经常出现框超出图像边界的情况不裁剪的话归一化后坐标会大于 1 或小于 0训练时损失直接变 NaN。bw 1的过滤是防止标注时手抖点出的零面积框。参数说明classes列表的顺序必须和训练时 data.yaml 里的names完全一致否则类别会错位。转换完随机抽 10 张用可视化脚本画框检查一遍这一步别省我见过太多人转完直接训训完发现框全偏了。3.4 数据集划分与 data.yaml按 8:1:1 划分 train/val/test落叶数据量通常不大如果总图少于 1000 张改成 7:2:1验证集多一点方便看曲线。data.yaml 长这样path: ./leaf_dataset train: images/train val: images/val test: images/test nc: 1 names: [leaf]nc是类别数落叶就一个类写 1。如果你后面想加「落叶堆」和「单片落叶」两类记得 nc 改 2names 顺序和标注时的 cls_id 对应。4. 训练配置与调参从预训练权重到收敛的完整命令4.1 预训练权重怎么选、要不要冻结落叶数据集通常只有几千张从零训必然过拟合一定要用预训练权重。YOLOv5s 或 YOLOv8n 的 COCO 预训练权重是常规起点模型小、训得快本科论文阶段够用。如果你显存只有 8G选 yolov5s有 16G 以上可以上 yolov5mmAP 一般能涨 2~3 个点。前 10 个 epoch 建议冻结 backbone只训 neck 和 head让新加的上下文模块先适应数据分布之后再解冻全量微调。冻结命令在 YOLOv5 里是--freeze 10意思是冻结前 10 层。4.2 完整训练命令与参数逐项说明python train.py \ --weights yolov5s.pt \ --cfg models/yolov5s-ac.yaml \ --data data/leaf.yaml \ --epochs 200 \ --batch-size 16 \ --imgsz 640 \ --freeze 10 \ --lr0 0.01 \ --lrf 0.01 \ --optimizer SGD \ --cos-lr \ --label-smoothing 0.05 \ --mosaic 1.0 \ --mixup 0.1 \ --project runs/leaf \ --name ac_yolo_v1逐项说明--weights指定预训练权重路径要对。--cfg指向你改过的带 AC 模块的 yaml。--epochs 200是上限实际看早停落叶数据一般 120~150 轮就收敛。--batch-size 16是 8G 显存下的安全值爆显存就降到 8同时把--lr0按比例降到 0.005因为 batch 变小梯度噪声变大。--imgsz 640是标准输入落叶小目标多的话可以试 800但显存和速度代价明显。--lr0 0.01配合 SGD 是 YOLO 的经典组合用 Adam 的话降到 0.001。--lrf 0.01是最终学习率系数余弦退火到初始的 1%。--label-smoothing 0.05对落叶这种标注边界模糊的场景很有用能缓解过拟合。--mosaic 1.0是默认开启--mixup 0.1轻度混合再高会拖慢收敛。4.3 训练中该盯哪几条曲线打开 tensorboard 或看 results.csv重点盯三条。第一条是box_loss正常应该在前 20 轮快速下降然后平缓如果一直震荡不降多半是学习率太大或标注有问题。第二条是mAP0.5落叶场景下能到 0.75 以上就算不错0.85 以上说明数据很干净。第三条是val/box_loss和train/box_loss的差距如果验证损失在 50 轮后开始上升而训练损失还在降就是过拟合该早停或加数据增强了。提示YOLO 训练日志里的mAP0.5:0.95在落叶上通常比mAP0.5低 20 个点左右这是正常的因为落叶框的定位精度本身就难做高别因为这个怀疑模型坏了。4.4 学习率与 batch 的联动调整很多人调参只动学习率不动 batch这是错的。SGD 的等效学习率和 batch 大小正相关batch 从 16 降到 8学习率要乘 0.5 左右否则梯度更新步长相对变大容易震荡。反过来如果你用梯度累积把等效 batch 提到 32学习率可以适当上调到 0.015。这个联动关系在落叶这种小数据集上尤其明显因为小数据集对学习率更敏感。5. 避坑与排查落叶检测训练里最常见的五个翻车现场5.1 现象训练到一半 loss 突然变 NaN原因九成是标注里有越界框或零宽高框归一化后坐标异常反向传播时梯度爆炸。少数情况是学习率太大。解决先跑一遍标注检查脚本把所有坐标不在 [0,1] 范围的框打印出来删掉。确认标注没问题后把--lr0降到 0.005并加--grad-clip 10做梯度裁剪。如果还 NaN检查你的 AC 模块里有没有除零操作比如某些注意力实现里除以标准差没加 eps。5.2 现象mAP 一直卡在 0.3 上不去原因最常见的是类别不平衡或小目标被下采样丢掉。落叶数据里如果大片堆积的样本多、单片少模型会偏向预测大框小目标召回极低。解决统计一下框的宽高分布如果小于 16 像素的框占比超过 30%把--imgsz提到 800或者在 Neck 的 P3 层后加一个更高分辨率的检测头。另外检查 data.yaml 的nc和 names 有没有写错类别数对不上会导致所有预测都算错。5.3 现象验证集 mAP 比训练集低 20 个点以上原因过拟合落叶数据集小、背景单一模型记住了训练集的背景而不是落叶本身。解决加大数据增强--mosaic保持 1.0--mixup提到 0.2再加--hsv-h 0.015 --hsv-s 0.7 --hsv-v 0.4做颜色扰动让模型不依赖特定色调。如果还不行说明数据量真的不够回去补采或做合成增强。5.4 现象模型把地砖缝、阴影认成落叶原因背景纹理和落叶的局部特征太像这是落叶检测的固有难点不是模型坏了。解决这就是 AC 模块该发挥作用的地方。确认你的上下文模块真的接进去了——打印模型结构看ContextAggregation有没有出现在层列表里。如果接进去了还误检把空间注意力的权重可视化出来看看大概率是注意力没学到有效区域可以试着把上下文模块从 P3 挪到 P4让感受野更大。5.5 现象推理速度慢到没法实时原因AC 模块里的空洞卷积虽然参数量小但计算量不小尤其是插在浅层高分辨率特征图上时。解决把上下文模块只保留在 Backbone 末端Neck 里的去掉速度能回来 30% 左右mAP 掉 1~2 个点看你能不能接受。另外推理时用--half开 FP16TensorRT 部署的话再快一倍。如果只是写论文速度不是硬指标保留完整结构把 mAP 做高更重要。6. 进阶技巧用混淆矩阵和热力图验证 AC 模块到底有没有用写到论文里光有 mAP 数字是不够的答辩老师一定会问「你怎么证明注意力模块起了作用」。这时候需要两个可视化证据混淆矩阵和特征热力图。混淆矩阵用 YOLOv5 自带的val.py加--conf-thres 0.25就能出重点看leaf这一类被误判成background的比例。加了 AC 模块后这个比例应该明显下降。如果没降说明模块没起作用回去检查 yaml 有没有真的加载。热力图用 Grad-CAM 做把 AC 模块的最后一层作为目标层看模型在判断落叶时关注的是叶子本身还是周围背景。下面是一个最小实现import torch import cv2 import numpy as np from pytorch_grad_cam import GradCAM from pytorch_grad_cam.utils.image import show_cam_on_image model torch.load(runs/leaf/ac_yolo_v1/weights/best.pt)[model].float().eval() target_layers [model.model[-2]] # 取 AC 模块所在层按实际结构调整 cam GradCAM(modelmodel, target_layerstarget_layers) img cv2.imread(test_leaf.jpg) img cv2.resize(img, (640, 640)) rgb np.float32(img) / 255.0 input_tensor torch.from_numpy(rgb).permute(2, 0, 1).unsqueeze(0) grayscale_cam cam(input_tensorinput_tensor)[0] visualization show_cam_on_image(rgb, grayscale_cam, use_rgbTrue) cv2.imwrite(cam_out.jpg, visualization)逻辑说明target_layers要指向你插入 AC 模块的那一层索引按实际模型结构数打印model.model看层序号。热力图红色区域是模型关注的地方如果红色集中在落叶上说明模块有效如果散在背景上说明注意力没学到东西可以试着调大reduction或换注意力类型。参数说明--conf-thres 0.25是混淆矩阵的置信度阈值落叶场景建议用 0.25 而不是默认的 0.001否则大量低置信预测会把矩阵搞乱。热力图的输入尺寸必须和训练时一致640 就 640别用原图直接喂。我自己的习惯是每次改完结构先跑 20 个 epoch 的短训出一次混淆矩阵和热力图确认模块方向对了再跑全量。这个习惯帮我省了至少几十小时的无效训练——有次我 yaml 里模块名拼错框架静默忽略了那一行短训热力图一看根本没变化当场就发现了。希望帮到你。本文还有配套的精品资源点击获取