YOLO 实战：用 10 张照片训练专属目标检测模型（附标注工具+数据集）

标签：YOLO 目标检测 深度学习 计算机视觉 实战教程

只有 10 张照片、没有 GPU、不懂深度学习，能不能训练一个"认识我家猫/我家水杯"的目标检测模型？本期用一条最直白的路告诉你：能！ 从手机拍图 → 框选标注 → 一行命令训练 → 拍照就能识别，全程复制粘贴即可跑通。

---

一、开篇痛点场景故事

先讲三个真实到扎心的场景，看看你有没有中招。

场景 1：想认自家的猫，现成模型却"六亲不认"

小月养了一只布偶猫，名字叫"年糕"。她兴冲冲装了某大厂的识别 App，结果 App 只认识"猫"这个大类，分不清年糕和别人家的橘猫。小月想要的是：“画面里有没有年糕？它在哪？” 而不是"这是一只猫"。通用模型永远认不出"你家的那只"，因为公开数据集里根本没有年糕的照片。

场景 2：想检测流水线上的"自家的螺丝"，以为要几百张图

阿强在工厂做质检，产线上有一种异形螺丝，市面上的预训练模型根本不认识。领导说"上 AI"，阿强上网一查，教程全是"COCO 80 类"“准备 1000 张图”“至少一块 3090”。他算了算预算，默默把方案压了下去——以为门槛高，其实只是没找对方法。

场景 3：以为训练模型必须会写代码、要有 GPU

很多读者后台问我：“我用笔记本能训练吗？”"我没显卡是不是没戏了？"答案很干脆：YOLOv8n 这种 nano 模型，10 张图在小破本上几秒钟就能跑完一轮，CPU 都能训。你不是不行，是被"深度学习很吓人"的刻板印象劝退了。

本期核心观点：目标检测的"个性化"，本质是"微调（fine-tune）"——站在巨人肩膀上改最后一层，而不是从零造一个模型。 10 张图够用，CPU 够用，你够用。

---

二、原理详解

2.1 为什么 10 张图也能训出来？——迁移学习

直接训一个从零开始的检测模型，确实需要成千上万张图。但我们不从头训，而是用 Ultralytics 官方在百万级 COCO 数据上预训练好的 YOLOv8n 权重，只做"微调"：

传统"从零训练" vs "迁移学习/微调"

从零训练（需要海量数据 + GPU）:
  [随机初始化权重] → 喂 10 万张图 → 学边缘/纹理/形状/语义 → 几个月
        ↑ 你只有 10 张，根本喂不饱，必过拟合

迁移学习 / 微调（本期方案，10 张也能动）:
  [COCO 预训练权重] → 已会"看边缘/纹理/形状"
        ↓ 只改最后几层
  [喂你的 10 张图] → 让模型把"已有的视觉能力"映射到"你的类别"
        ↓
  ✅ 小数据也能收敛，因为底层特征不用重新学

打个比方：预训练模型已经是个"认识猫狗水杯的成年人"，你只是告诉他"以后把这类杯子叫’阿强的螺丝’“，他不用重新学什么叫"杯子”，只要换个名字就行——这就是 10 张图够用的秘密。

2.2 YOLOv8n 为什么选它？

YOLOv8 是 Ultralytics 出品、目前最稳、文档最全的版本。n 代表 nano（最小），参数量约 300 万，模型文件只有几 MB，专为"小数据 + 弱设备"设计。

2.3 整体流程（一张图看懂）

┌─────────────┐    ┌──────────────┐    ┌──────────────┐    ┌─────────────┐
│ ① 拍 10 张图 │ →  │ ② labelImg  │ →  │ ③ 写 data.yaml│ →  │ ④ 一行命令  │
│  (手机/相机) │    │   框选标注   │    │  告诉路径类别 │    │   训练 train │
└─────────────┘    └──────────────┘    └──────────────┘    └─────────────┘
                                                                      │
                                                                      ↓
┌─────────────┐    ┌──────────────┐                          ┌─────────────┐
│ ⑥ 拍照识别   │ ←  │ ⑤ 得到 best.pt│ ←──────────────────────│  权重文件    │
│  (推理 predict)│  │  你的专属模型 │                          │             │
└─────────────┘    └──────────────┘                          └─────────────┘

2.4 对比表格：传统方法 vs YOLO 微调 vs 找人定制

方案	需要数据量	需要 GPU	技术门槛	成本	周期	适合谁
自己从头训模型	1 万+ 张	必须（3090 级）	高（要会调参）	高（买卡/租云）	数周	算法工程师
YOLOv8n 微调（本期）	10–50 张	不需要（CPU 可跑）	低（复制命令）	0 元	半小时	零基础小白
外包给公司定制	几百张（对方准备）	对方承担	你不用管	几千~几万	1–2 月	有预算的企业
用现成大模型API	0 张	云端	中（要写提示词）	按调用付费	几天	会调接口的人

结论：对"想认自己东西"的个人/小团队，YOLOv8n 微调是性价比最高的路，没有之一。

---

三、环境准备

本期所有操作在普通 Windows / Mac / Linux 笔记本即可完成，无需显卡。

# 1. 建议先建一个干净的环境（可选，但强烈推荐，避免依赖打架）
python -m venv yolo115
# Windows 激活：
yolo115\Scripts\activate
# Mac/Linux 激活：
source yolo115/bin/activate

# 2. 安装核心库：ultralytics（YOLOv8 官方库）
pip install ultralytics

# 3. 安装标注工具 labelImg（图形界面，框选照片用）
pip install labelImg

# 4. 验证安装是否成功
python -c "import ultralytics; print('ultralytics', ultralytics.__version__)"
labelImg --version

⚠️ 小提示：

• Python 版本建议 3.9 ~ 3.11，太新（3.13）偶尔有兼容坑。
• 国内下载慢，可加 -i https://pypi.tuna.tsinghua.edu.cn/simple 换清华源。
• 没有 GPU 也完全没问题，训练时 YOLO 会自动用 CPU，就是慢一点点。

---

四、实战代码（从拍图到识别，5 步走）

下面每一步都是完整可运行的，跟着做就能出结果。

4.1 第一步：准备 10 张照片

不用专业相机，手机拍就行。但要遵循 3 条"土规矩"：

1. 多角度：同一个物体拍正面、侧面、不同背景各几张（10 张里至少 3 个角度）。
2. 有变化：光线亮一点/暗一点、近一点/远一点，模型才"抗造"。
3. 单一主体为主：每张图里你的目标要清晰、别被手挡住。

把照片放进文件夹：

mydata/
├── images/
│   ├── cat_01.jpg
│   ├── cat_02.jpg
│   └── ... (共 10 张)
└── labels/        ← 这一步先空着，标注后会自动生成

如果你的目标很小（比如螺丝），拍的时候尽量让它在画面中占 1/3 以上，别拍成"芝麻大一点"。

4.2 第二步：用 labelImg 框选标注

labelImg 是免费开源的标注工具，操作像"画矩形框"。

# 在终端启动标注工具（保持虚拟环境已激活）
labelImg

操作 5 步曲：

1. 打开 labelImg 后，点 Open Dir 选择 mydata/images。
2. 点 Change Save Dir 选择 mydata/labels（标签和图片分开放，规范！）。
3. 在左侧 PascalVOC 改成 YOLO 格式（点 Format 切换，YOLO 格式才是我们要的 .txt）。
4. 按 W 画框 → 输入类别名（比如 niangao）→ 回车保存。
5. 按 D 切下一张，重复到 10 张全标完。

标注完成后，labels/ 里会出现 10 个 .txt，每个文件内容是：

# niangao.txt 示例（每行：class_id cx cy w h，坐标都是 0~1 的相对值）
0 0.512 0.463 0.331 0.402

一个常见疑问：只标 10 张，会不会"标错一张就崩"？不会。YOLO 对少量噪声标注有一定容忍度，但框要尽量贴合物体边缘，别框太大把背景也圈进去。

4.3 第三步：写 data.yaml（告诉模型去哪找数据）

在项目根目录新建 data.yaml：

# data.yaml —— 你的数据集说明书
path: ./mydata          # 数据根目录（绝对路径更稳妥，Windows 用 / 或 \\）
train: images           # 训练图片文件夹（相对 path）
val: images             # 验证也用这 10 张（小数据常见做法）
nc: 1                   # 类别数量：你只标了 1 类
names: ['niangao']      # 类别名，顺序要和标注的 class_id 对应

💡 小数据技巧：训练集和验证集用同一份 10 张图，虽然不严谨，但对个人玩票/快速验证完全够用。正式项目再按 8:2 拆分。

4.4 第四步：一行命令开训

这是全期最"爽"的一行代码——10 张图也能跑，而且很快：

# train_10photos.py
from ultralytics import YOLO

# 1. 加载官方的 nano 预训练权重（自动下载，约 6MB）
model = YOLO('yolov8n.pt')

# 2. 在 YOUR 的 10 张图上微调
#    data: 数据集配置
#    epochs: 训练轮数。10 张图，50 轮足够，多了反而过拟合
#    imgsz: 输入尺寸，640 是 YOLO 标准
#    batch: 批次。数据少，batch=2~4 即可
#    device: 'cpu' 表示用 CPU；有显卡写 0
results = model.train(
    data='data.yaml',
    epochs=50,
    imgsz=640,
    batch=4,
    name='my_niangao_model',
    device='cpu',          # 有 NVIDIA 显卡改成 device=0 会快很多
    pretrained=True,       # 关键！基于 COCO 预训练做微调
    verbose=True
)

print("训练完成，最佳权重在：", results.save_dir)

运行：

python train_10photos.py

终端会滚动输出每一轮的 box_loss、cls_loss……别慌，只要 loss 在慢慢下降就说明在学。训练完，权重保存在：

runs/detect/my_niangao_model/weights/best.pt   ← 这就是你的专属模型！

4.5 第五步：拍照识别（推理）

把 best.pt 拿来用，拍张新照片试试：

# predict_10photos.py
from ultralytics import YOLO

# 加载你刚训好的模型
model = YOLO('runs/detect/my_niangao_model/weights/best.pt')

# 推理一张新照片（可以是手机刚拍的 test.jpg）
results = model.predict(
    source='test.jpg',
    conf=0.25,        # 置信度阈值，越低越容易报框（小数据可降到 0.2）
    save=True,        # 把画了框的结果图存到 runs/predict/
    show=False
)

# 打印检测到的内容
for r in results:
    boxes = r.boxes
    print(f"检测到 {len(boxes)} 个目标：")
    for b in boxes:
        cls_id = int(b.cls[0])
        conf = float(b.conf[0])
        name = model.names[cls_id]
        print(f"  - 类别: {name}, 置信度: {conf:.2f}")

跑完去 runs/detect/predict/ 看结果图，框已经画好了——你的模型认出了年糕！

---

4.6 番外：用摄像头实时检测（让模型"活"起来）

训好模型后，最爽的玩法是用摄像头实时看框——不用再一张张存图：

# predict_realtime.py
from ultralytics import YOLO

model = YOLO('runs/detect/my_niangao_model/weights/best.pt')

# source=0 调用默认摄像头，show=True 实时弹窗画框
model.predict(
    source=0,           # 0 = 笔记本摄像头；手机端玩法见第116期
    conf=0.25,
    show=True,          # 实时显示带框画面
    save=False
)

小技巧：弹窗里按 q 退出；想顺手录成视频，加 save=True，会生成 runs/predict/*.avi。如果摄像头打不开，先确认系统里它的设备号——有的双摄笔记本 0 是前置、1 是后置，换个数字试试。

4.7 训练超参数速查表（照抄不踩雷）

10 张图属于"极小数据"，参数和常规训练不一样。下面这表直接照抄：

参数	建议值（10 张图）	作用	调大 / 调小的影响
epochs	30~50	训练轮数	太大→背下数据（过拟合）；太小→没学够
batch	2~4	每步吃几张	大→快但吃内存；小→更稳
imgsz	640	输入尺寸	大→更准但更慢；小→快但漏小目标
lr0	0.01	初始学习率	大→可能不收敛乱跳；小→收敛慢
augment	True	数据增强	开→模型更"抗造"，少过拟合
patience	20	早停耐心轮数	连续 N 轮没提升就停，防白训
warmup_epochs	3	热身轮数	小数据设小，避免初期乱更新
optimizer	‘auto’	优化器	新手保持 auto，YOLO 自动选 AdamW

记不住就记住一句话：10 张图，epochs 别超 50，augment 一定开，patience 设 20。剩下的交给早停。

4.8 训练曲线怎么看（别被数字吓到）

终端每轮会打印几个 loss，新手只需盯三个：

• box_loss：框位置准不准，应持续下降并趋于平缓。
• cls_loss：类别分对没，应持续下降。
• mAP50：综合精度，应持续上升（验证集上）。

如果 box_loss 一路降到接近 0 但新照片一测就翻车 → 典型过拟合，回去把 epochs 调小或 augment=True。

五、效果对比（10 张图到底够不够？）

我们用"宠物识别"这个典型场景，对比不同数据量下的真实体感：

数据集规模	训练设备	单轮耗时	约总耗时	识别自家猫准确率	推荐指数
10 张（本期）	CPU	~3 秒	~2.5 分钟	70%~85%（角度合适时）	⭐⭐⭐⭐ 入门首选
30 张	CPU	~8 秒	~7 分钟	85%~92%	⭐⭐⭐⭐⭐ 甜点区
50 张	CPU	~12 秒	~10 分钟	90%~95%	⭐⭐⭐⭐⭐ 更稳
200 张	GPU	快	几分钟	95%+	⭐⭐⭐ 正式项目

关键结论：10 张不是"极限挑战"，而是"最低可行验证"。用它确认"这条路走得通"，然后慢慢补图到 30~50 张，效果会肉眼可见地变好。先跑通，再优化，比纠结"数据不够"迟迟不动强一百倍。

速度方面，YOLOv8n 在普通笔记本 CPU 上推理一张图约 80~150ms，完全能接受；放到手机上（见第 116 期）还能更快。

---

六、避坑指南（血泪总结）

❌ 坑1：标注类别名和 yaml 对不上

现象：训练报错 Dataset 'data.yaml' error，或者推理出来类别名是乱码/数字。
原因：labelImg 里你输入的是 年糕，但 data.yaml 的 names 写的是 niangao；或者顺序错乱，class_id 和名字对不上。
解决：

• 类别名统一用英文/拼音，避免中文路径和中文类别名踩编码坑。
• names 列表的顺序 = 标注文件里 class_id 的数字顺序（第一个是 0，第二个是 1…）。
• 不确定时，打开任意一个 .txt 看第一列数字，它必须 < nc。

❌ 坑2：图片路径/格式导致读不到数据

现象：训练一开始就说 WARNING ⚠️ No images found，或者 labels 数量为 0。
原因：data.yaml 里 path 写错；或图片是 .png 但你在文件夹里放的其实是 .jpeg；或 images/labels 文件名不一一对应。
解决：

• path 用绝对路径最稳：path: D:/mydata。
• 确认 images 和 labels 下文件名一致（仅扩展名不同）：cat_01.jpg ↔ cat_01.txt。
• 用下面这行命令自查图片数：

  ls mydata/images | wc -l      # Linux/Mac
  dir mydata\images              # Windows
  

❌ 坑3：训练轮数太多，反而"学歪了"

现象：训练时 loss 降得很低，但拿新照片一测，要么啥都认不出，要么把背景当目标。
原因：10 张图训 300 轮，模型把这 10 张图的每一个像素都背下来了（过拟合），换个角度就不会了。
解决：

• 10 张图 epochs=30~50 足矣，别贪多。
• 加一点"数据增强"让模型见多识广，在 train 里加：

  model.train(..., augment=True, hsv_h=0.015, hsv_s=0.7, hsv_v=0.4,
              flipud=0.0, fliplr=0.5, scale=0.5)
  

• 早停：设 patience=20，连续 20 轮没提升就自动停，省时间。

---

---

配套资源：本文涉及的完整代码、数据集和配置文件已整理归档，感兴趣的朋友可以在我的 CSDN 主页简介中找到获取方式。

如果这篇对你有帮助，欢迎 点赞 + 收藏，有问题也欢迎在评论区交流！