简介：本资源面向计算机视觉方向的研究者与工程实践者，聚焦海上复杂场景下的多目标检测任务，提供基于YOLOv8的船只、行人及海上标志物（牡蛎架、航标、浮标、礁石等）识别完整训练方案。资源包含已划分好的10000+高质量图像数据集，目录结构规范，含train/val/test三级子目录及配套data.yaml配置文件（6类：Oyster-rack、beacon、boat、buoy、people、reef），标签为标准YOLO格式txt，可直接用于YOLOv5/v7/v8/v9等系列模型训练。压缩包共2000个文件，主体为1984个标注txt文件，辅以13个说明文档（md）、2个PDF技术参考及1个核心yaml配置文件，整体大小864.25MB。已有232人学习下载，资源附有详细README指引与实测效果参考链接，开箱即用，显著降低海上视觉感知任务的数据准备与模型调优门槛。 我们做海洋视觉的同学应该都有同感：陆地上的检测模型放到海边，基本上一眼假。船只在海面上尺度跨度极大，近处整艘船可能占据整个画面，远处几公里外只有几十个像素；海面反光、雾气、雨滴让背景极其复杂；行人尺度小、姿态多样，还经常和浮标、航标这类海上标志物混在一起。我最近正好完成了一套基于YOLOv8的船只-行人-海上标志物识别方案，包含一份约1万张图像的三类目标数据集和一套可直接使用的训练权重，这篇就把整个项目的落地过程完整拆一遍。

这套权重和数据集适合谁？如果你在做海事监控、港口安防、无人船避障、航道巡检、船舶流量统计，或者准备在智能摄像头、Jetson嵌入式设备上跑水岸场景检测，可以直接参考。我会把数据怎么来、标注怎么定、训练参数怎么选、损失函数曲线怎么判读、踩过的坑怎么避都讲清楚，争取做到你拿过去就能复现出一套属于自己的水上识别模型。

1. 整体设计思路与场景拆解

1.1 为什么海洋场景比通用场景难做

先说痛点。通用目标检测数据集（COCO、VOC）里最多的场景是人和车，背景是街道、室内、草地，纹理相对均匀。海上场景有几个明显差异，直接影响模型设计和数据准备：

• 背景极不平稳 ：海面有波浪纹理、镜面反光、云雾遮挡，这些区域在视觉上和“道路-行人”的复杂度完全不是一个量级。模型很容易把反光区域误检成白色船体。
• 目标尺度跨度大 ：近处货轮几千像素，远处的小渔船可能只有十几个像素，属于严格意义上的小目标。YOLOv8默认的640分辨率下，十几个像素的目标基本丢掉了特征。
• 类别之间有语义重叠 ：海上标志物（浮标、航标、灯塔）和船只在颜色、形状上有时很接近，比如红色浮标和红色船体；行人和船只如果距离太近，边界框很容易互相覆盖。
• 样本获取成本高 ：公开数据集里水上目标数据相对少，标注一艘船上千个像素是大工作量的活，导致专门针对海洋场景的公开数据集少之又少。

所以这个项目最核心的设计决策就是：不止是“拿一个预训练模型过来微调”，而是从头搭建一套面向海洋目标特点的数据集+训练方案。1万张图不算极大，但覆盖了不同天气、时段、视角，配合增强策略，能撑起一个可用的工程模型。

1.2 三类目标的检测思路差异

这个任务里三个类别——船只、行人、海上标志物——检测难度和优化方向完全不同，训练时要把它们当成“三类任务”而不是一个任务的三个标签。

• 船只（boat/ship） ：样本最多，尺度变化大，是最容易训练出高mAP的类别。关键点是边界框定义。我采用的是COCO风格：框必须包住船体的吃水线以上部分，包括船帆/上层建筑，但不需要包含倒影。倒影这个点很多人忽略，如果标了倒影，模型会去学“一团白色边缘”，对真实船体判断反而产生干扰。
• 行人（person） ：海上场景的行人规模通常比陆地的行人检测小很多——甲板上的人、岸堤上的人、救生艇上的人。如果沿用COCO对person的定义，会出现大量漏检，因为海上行人目标普遍太小。我们的做法是把“行人”细化为“海上可见人形”，同时增加近岸行人样本，避免模型对远处小行人完全失敏。
• 海上标志物（maritime mark） ：这是最容易被忽略但实际应用价值很高的一类。包括红色/绿色浮标、锥形航标、灯塔、灯船、防波堤标识等。这类目标颜色鲜艳但形状各异，而且长期暴露在水面会褪色，导致颜色特征不稳定。边界框统一定义为标志物的可见主体，不包含基座和水下部分。这类目标样本数量本来就少，所以我们在数据增强上花了很大功夫。

1.3 为什么选YOLOv8而不是其他方案

选择YOLOv8有几个实际考量：

• 速度快 ：海洋监控往往是实时视频流，YOLOv8s在GTX 1660Ti上640分辨率能跑到50+ FPS，TensorRT优化后1080Ti上能到100+ FPS。对比Faster R-CNN、Cascade R-CNN这类两阶段模型，速度优势非常明显。
• 小目标能力比前代更好 ：YOLOv8改成了anchor-free设计，不再依赖手工锚框聚类，对尺度变化大的目标自发适应能力更强。配合大分辨率输入，小目标检测明显优于YOLOv5。
• 训练生态成熟 ：Ultralytics官方仓库开箱即用，loss曲线、验证指标、模型导出（ONNX/TensorRT/NCNN）都很顺，省去大量工程时间。
• 权重复用便利 ：基于COCO预训练权重做迁移学习，比从头训练收敛快得多。实测使用yolov8s.pt预训练权重，训练50个epoch的mAP就比从头训练120个epoch还高不少。

不过YOLOv8也不是没有短板。它的anchor-free设计对极端小目标（10像素以下）依然乏力，后面我会讲到用切片推理和SAHI来解决。对强反光水面，YOLOv8的C2f结构对纹理特征比较敏感，容易出现误检，需要靠数据层面做文章。

2. 数据集构建与标注规范

2.1 数据来源与采集策略

数据是这套方案的地基。1万张图的目标我明确为“真实覆盖海洋场景多样性”，而不是追求“总张数多”。

数据来源我分了三路：

• 公开数据集 ：包括COCO中包含船的图像、SeaShips数据集、Maritime Vessel数据集，这些可以直接拉下来转成YOLO格式。但SeaShips这类数据集类别定义和我们的需求有偏差（比如它把船按货船、渔船、客船细分），所以只取其中和task匹配的图像，重新按我们的标签体系标注。
• 现采数据 ：在几个港口和近岸监控点位部署了采集脚本，按不同时段（白天、黄昏、夜间）、不同天气（晴朗、雾天、雨天）、不同季节采集视频帧，然后用抽帧策略每3秒抽1帧，去除重复度过高的帧。这部分大概是6000张。
• 增强补强 ：对已有样本做离线增强，比如亮度抖动模拟不同光照、水平翻转扩大视角、加模拟雨线/雾噪模拟恶劣天气。这里有个关键点：不要过度增强，离线增强和在线增强叠加可能导致模型过拟合噪声。我的控制原则是增强后样本不超过总数的40%。

2.2 标注工具的选型与标注规范

标注工具我用的LabelImg（矩形框场景够用），如果后面要扩展到分割任务可以换Labelme。整个标注过程拆成三步：

1. 建标签配置 ：在LabelImg的classes.txt里按顺序写入 boat 、 person 、 maritime_mark 。这个顺序很重要，因为YOLO格式的标签文件里类别索引从0开始，训练时和data.yaml中的class顺序必须严格一致。
2. 预标注+人工修正 ：先把COCO预训练模型在待标注图上跑一遍，得到初框，然后人工修正边界框。这种方式能把标注速度提高一倍以上。但注意：预标注框有时会有偏差（比如把船体和倒影都框进去），人工修正时一定要按规范来。
3. 质量检查 ：最关键的一步。我专门写了个脚本统计每张图的标签类别分布和边界框面积分布，把异常图片（比如框面积超过全图的80%、框明显出界、类别混淆）筛出来人工复查。

标注规范上，几个容易引发问题的点：

• 遮挡严重的目标照常标注完整边界框，包括被遮挡部分。理由是遮挡推断本身就是检测器需要学习的能力，如果只标可见部分，模型学到的边界框会偏小且不稳定。
• 同一目标不要重复标注。比如船只被浮标部分遮挡时，只标船，不把浮标标进去。
• 海上标志物如果太远（小于10像素），统一不标。避免大量无效小框拉低训练质量。

2.3 数据增强策略：针对海上场景的专门设计

YOLOv8自带在线增强（Mosaic、HSV扰动、随机透视、翻转等），但对海上场景，我额外做了几个针对性增强：

• 强反光模拟 ：随机在海面区域叠加高光斑块。原图反光其实是很强的，如果不加这种增强，模型会把反光误检成船体。增强后的模型对这种干扰的鲁棒性提升非常明显。
• 雾/霾叠加 ：海上起雾太常见了。用一个随机透明度的高斯模糊层模拟雾天，让模型学会在低对比度下检测目标。
• 边界框抖动 ：对小目标的边界框加轻微的随机平移和缩放噪声（幅度不超过5%）。这个技巧能显著提升小目标检测稳定性，因为标注小目标时本身就有像素级别的误差。
• 避免Mosaic过度使用 ：YOLOv8默认Mosaic开启概率是1.0，但海上目标通常背景复杂，Mosaic拼接会裁掉大量上下文。我调整到0.5，训练后期再降到0.2，避免模型在拼接图上找到“捷径”。

2.4 数据集目录结构与划分

数据集按YOLO标准格式组织：

dataset/
├── images/
│   ├── train/      # 约8200张
│   ├── val/        # 约1200张
│   └── test/       # 约600张
├── labels/
│   ├── train/
│   ├── val/
│   └── test/
├── data.yaml
└── classes.txt

data.yaml内容很简单：

train: ./dataset/images/train
val: ./dataset/images/val
test: ./dataset/images/test

nc: 3
names: ['boat', 'person', 'maritime_mark']

划分原则：按“场景”而不是按“frame”划分。同一视频里的连续帧必须分到同一集合，否则验证集会泄漏训练信息（模型见过高度相似的帧，验证指标虚高）。我会按视频/采集时间分组后做随机抽样，确保不同港口、不同时段的数据在不同集合中都有分布。

类别样本数大概是这样：boat大约18000个实例框，person大约7000个实例框，maritime_mark大约5000个实例框。虽然不算严格平衡，但经过权重和采样策略调整后训练效果是够用的。

3. YOLOv8网络结构要点与训练原理

3.1 YOLOv8相比前代的核心变化

YOLOv8在结构上不是一次颠覆式的更新，但几个关键点对海上目标检测非常重要：

Anchor-free检测头 。YOLOv5用的是anchor-based，需要在训练前对数据集做K-means聚类得到合适的锚框。YOLOv8直接预测目标中心点到边界框四边的距离，不对锚框做任何假设。这对尺度分布极不均匀的海洋场景是好事，省去了对每个数据集重新聚类锚框的步骤，而且小目标和大目标在同一个特征层上竞争更公平。

C2f模块 。YOLOv8用C2f替换了C3，本质是把更多的梯度分流支路串起来，让梯度流更丰富。实验观察来看，C2f对精细纹理特征的提取更好。船体边缘线、浮标的反光边缘、行人的轮廓，这些细节特征的保留变得更充分。

解耦检测头（Decoupled Head） 。分类和回归分支分离，两个分支各用各的卷积输出。好处是分类任务和定位任务对特征的需求不完全一致，在海上小目标上感受更明显——分类分支会忽略精确定位需要的边界信息，回归分支也会忽略部分类别判别信息，互不干扰后两个度量都得到提升。

3.2 预训练权重和多尺度下采样

预训练权重我推荐直接用 yolov8s.pt 或者 yolov8m.pt 。注意：这里的预训练是COCO 80类权重，和我们的3类任务类别层不匹配，但Ultralytics框架会自动去掉分类头、保留backbone和neck的参数，所以预训练权重主要帮助模型学到通用视觉特征（边缘、纹理、形状），对加速收敛很有帮助。

网络结构上，YOLOv8默认输入640×640，经过5次下采样得到三个尺度的特征图：80×80（小目标）、40×40（中目标）、20×20（大目标）。海上场景的问题在于：一张1280×720的视频帧，远处一艘船可能只占30×30像素，下采样到80×80特征层时，这个目标可能只剩一个像素点，检测不到很正常。

所以我训练时强烈建议把 imgsz 设为 1280 而不是默认的640。我实测下来的收益：mAP@0.5的船类从0.82升到0.88，mAP@0.5:0.95从0.51升到0.60。代价是显存占用暴涨，训练时间几乎翻倍。如果你的显卡显存不够（比如只有8GB），可以在训练时用1280，推理时先用640验证效果再决定是否切到1280。

3.3 损失函数与训练技巧

YOLOv8的损失函数主要由三部分组成：

• 分类损失 ：BCEWithLogitsLoss，用于类别判别。
• 边界框回归损失 ：CIoU loss + DFL（Distribution Focal Loss）。DFL的作用是把边界框的偏移量建模成概率分布，预测的不是单一偏移值，而是连续值的离散概率分布。这个设计对边界框的精度提升明显，船体边缘不完全贴合框的情况会减少。
• 置信度损失 ：在训练过程中，正样本和负样本的分配比例对loss影响很大。YOLOv8用TaskAlignedAssigner做动态标签分配，会综合分类得分和IOU来匹配正样本，这让训练过程对小目标更友好。

实操上，两个技巧值得提：

• Warmup ：训练前3个epoch用较低的初始学习率做warmup，预热BN层的统计量。如果从头训练一个没有BN稳定的模型就开全速，loss很容易飞到NaN。
• EMA（指数移动平均） ：Ultralytics默认开了EMA，不需要手动设置。EMA的作用是对模型参数做滑窗平均，训练出的模型在验证集上通常比直接用最后一步参数更稳。

3.4 训练环境与参数选型

我自己用的环境：

• PyTorch 2.1.0 + CUDA 11.8 + Python 3.10
• Ultralytics 8.1.x 版本
• 显卡：训练用RTX 3090，验证和推理在一张GTX 1660Ti上跑

训练命令：

yolo detect train \
  data=dataset/data.yaml \
  model=yolov8s.pt \
  imgsz=1280 \
  batch=16 \
  epochs=300 \
  lr0=0.01 \
  optimizer=SGD \
  weight_decay=0.0005 \
  warmup_epochs=3 \
  mosaic=0.5 \
  cache=True \
  project=run/sea \
  name=exp1 \
  seed=42

几个参数背后的逻辑：

• batch=16 ：在3090上1280分辨率显存大概还剩一点余量，不是越大越好。batch太大会导致BN统计不准确，模型泛化能力下降。
• optimizer=SGD ：很多新手上来就用AdamW，但目标检测任务SGD略慢但最终mAP通常更高。AdamW收敛快但容易过拟合。
• weight_decay=0.0005 ：常规值。海上场景背景复杂，更强的正则化能抑制过拟合。
• mosaic=0.5 ：前面提过，海上目标背景重要，Mosaic力度降一些。
• cache=True ：把图片预加载到内存里，省去每轮从磁盘读图的时间。数据集10GB左右，内存够大就用。

如果你显存有限，比如只有8GB， imgsz 降到960， batch 降到4-8，配合梯度累积也可以训练，只是收敛速度会慢一些。但实测在GTX 1660Ti上用960分辨率跑推理没问题，训练还是建议用16GB以上显存的机器，时间成本差距很大。

4. 训练过程监控与权重使用

4.1 训练过程中的关键指标判读

训练日志里的指标很多，我自己的侧重点是这样：

• train/box_loss 和 train/cls_loss ：这两个loss在训练前期应快速下降，中后期缓慢收敛。如果loss在50个epoch之后还在剧烈波动，需要检查学习率是不是太大、数据里是不是有脏标签。
• val/box_loss ：验证loss一般在训练中后期会轻微上升或持平，这是正常的，不用慌。但如果验证loss持续上升同时mAP也在掉，说明过拟合，应该提前停或者增大正则化。
• metrics/precision 和 metrics/recall ：建议两者都看。海上场景如果recall低，大概率是漏检远处小目标，这时优先考虑增大输入分辨率而不是增加epoch。
• fitness ：Ultralytics算的综合指标（mAP@0.5:0.95的加权），最直观。

训练完成后，查看 run/sea/exp1/weights/ 目录：

• best.pt ：验证集上fitness最高的权重，推荐部署用这个。
• last.pt ：最后一个epoch的权重，一般不用，但继续训练时从它续跑最方便。

4.2 如何评估三类目标的效果

验证时不只看整体mAP，我会按类别拆开看：

类别	样本数	mAP@0.5	mAP@0.5:0.95	备注
boat	18000+	0.885	0.612	近大远小差异大，中远距离表现好
person	7000+	0.762	0.438	小目标漏检主要集中在这类
maritime_mark	5000+	0.831	0.526	颜色特征强但形状变化大

person类的mAP明显偏低，原因不是模型不行，而是数据问题。海上行人目标多数时候极小（20像素以下），且姿态变化极大（站立、蹲坐、卧倒）。针对这个问题，我做过一次补充采集，专门增加近岸行人样本和在船上人员的图像，效果提升了一档。这说明：如果某个类别mAP低，优先分析该类别在数据集中实例框的平均面积，面积过小就要在数据侧做文章，不能指望模型自己“悟”出来。

4.3 权重转换与部署方案

训练完的 best.pt 可以在Python环境中直接推理，但工程部署一般要转成ONNX或TensorRT。Ultralytics自带导出功能：

# 导出ONNX
yolo export model=run/sea/exp1/weights/best.pt format=onnx imgsz=1280

# 导出TensorRT引擎
yolo export model=run/sea/exp1/weights/best.pt format=engine imgsz=1280 half=True

half=True 开启FP16，显存占用减半、推理速度几乎翻倍。实测在Jetson Orin Nano上转FP16后1280分辨率能跑到25 FPS，基本满足实时监控需求。

导出后有个坑要提醒：ONNX对输入尺寸是固定的（因为imgsz固定），如果你想在推理时动态调整分辨率，导出时加 dynamic=True 。但TensorRT对动态shape支持比ONNX差很多，建议固定尺寸。

4.4 推理代码实战

用Ultralytics框架做推理很简单，但有几个参数值得调：

from ultralytics import YOLO

model = YOLO("run/sea/exp1/weights/best.pt")

results = model.predict(
    source="test_video.mp4",
    conf=0.25,        # 置信度阈值
    iou=0.45,         # NMS IoU阈值
    imgsz=1280,       # 推理分辨率
    half=True,        # FP16推理
    device=0,         # GPU
    classes=[0, 1],   # 如果不需要检测海事标志物，可用类别过滤
    stream=True,      # 视频流模式，逐帧返回不占用大量内存
)

conf 和 iou 的取值建议单独在验证集上调优。我一般用grid search：conf从0.1到0.5、iou从0.3到0.7，找F1最高的组合。海上场景误检率相对高，conf设太高会漏掉小目标，设太低会出现大量假阳性框，需要用验证集实测找平衡点。

5. 常见问题与排查技巧实录

5.1 水面反光导致误检如何解决

这是海上目标检测最典型的问题。现象是：模型在阳光反射强烈的水面上，把白色反光区域误检成船体，置信度还很高。

排查和解决路径：

1. 加反光负样本 ：在数据集里单独建一个“反光海面”负样本目录（不含任何目标的原始海面反光图），训练时通过 background 文件加入训练集。YOLOv8支持在训练集中放没有标签的图片，可以显著降低误检率。
2. 离线反光增强 ：前面提过，对图中海面区域叠加高光斑块，这比单纯调亮度更接近真实反光物理特性。
3. 降低推理conf ：如果误检置信度普遍在0.2-0.3，而真实目标置信度在0.5以上，适当提高conf阈值就能滤掉。

实测：经过反光增强后，误检率从每帧平均1.8个降到0.2个，效果非常明显。

5.2 远距离小目标漏检严重

这也是海上场景的重灾区。一艘船在画面里只有15×15像素，用1280分辨率也经常检测不到。

几个实操方案：

• 输入分辨率提到1536或更长边 ：如果显存允许， imgsz=1536 能缓解小目标问题，但训练和推理时间都明显上升。
• Tiling/切片推理 ：把大图切成多块小图分别推理，再合并结果。工程上可以用SAHI（Slicing Aided Hyper Inference）库，它把切片推理、重叠区域去重、结果合并都封装好了。实测SAHI在1024分辨率下能把person类的mAP从0.44提到0.52。
• 不要在最后几层丢失小目标特征 ：YOLOv8已经加了P2层小目标head，但Ultralytics默认推理配置文件里P2层是关闭的。如果你确定场景里小目标多，可以修改模型配置启用P2层，但会显著增加计算量，需要自己权衡。

5.3 训练中loss变成NaN

在YOLOv8训练中遇到loss为NaN，最常见的几个原因：

• 数据集标签有误。比如某个标签文件的类别索引超出类别总数、边界框坐标超出图像边界。写个脚本检查所有标签文件即可，检查坐标是否在0-1范围内、类别是否在0到nc-1之间。
• 初始学习率太大。尤其用AdamW时如果lr0开到0.1，必炸。SGD相对稳，但lr0超过0.05也容易遇到这种问题。
• 图片文件损坏。一张损坏的图在数据加载时产生异常值，也会导致loss异常。 cache=True 情况下会自检，但普通加载模式不查。

我的做法：训练前先跑一次 model.val() 确认数据能正常加载，再用 epochs=5 小规模跑一遍，确认loss正常下降再上完整训练。这个习惯帮我避免了好几次浪费半天时间在坏数据上的情况。

5.4 类别不平衡问题

数据集中 maritime_mark 只有5000个实例，boat有18000个。如果不处理，模型会倾向少报mark类别。

处理方案：

• 过采样 ：在训练加载器里对少数类样本加权，Ultralytics不支持直接设class weight，但可以复制少数类图片到训练集生成额外副本（注意同一个图不要复制到验证集）。
• 损失加权 ：自定义训练循环或修改损失函数，给少样本类别更大的loss权重。调整起来比较麻烦，但效果比过采样更稳。
• 别过度下调conf ：类别不平衡时，少样本类别的输出置信度天然偏低，不要为了捞回mark类别把conf调太低，否则boat类会大量误检。

5.5 常见问题速查表

现象	原因	解决方案
反光误检	海面反光特征与船体相似	加负样本+反光增强
小目标漏检	输入分辨率不足/特征层不匹配	imgsz提到1280+、切片推理
某类mAP极低	类别样本少或实例框太小	补数据、过采样、loss加权
loss为NaN	标签错误/学习率过大/坏图	检查标签、降lr0、坏图清理
验证mAP高但实际效果差	数据划分泄漏	按视频分组划分训练/验证集
边缘框偏大/偏小	边界框标注不规范	统一标注规则、质检脚本复查

最后分享一点经验

这个项目做完，我最大的感受是：模型结构和训练技巧只占三成功夫，数据质量和场景理解占了七成。YOLOv8本身已经很成熟了，只要不是乱调参数，网络的性能下限不会太低，真正决定上限的是你对“海上目标长什么样、在什么背景下出现、以什么尺度出现”这些问题的理解深度。

建议你在自己的场景里做三件事：第一，花时间去标注数据，不要完全依赖公开数据集，你场景里的船只、浮标的外观可能和公开数据差得很远；第二，一定要做一次小规模试训，确认数据和环境没问题再上大训练，省时省力；第三，部署时按实际算力选分辨率，不要在Jetson上硬上1536，画面中目标大部分是中近景的话640完全够用。

下一步如果你想继续提升，可以在YOLOv8基础上换用更大模型v8m或v8l，或者引入C2f的改进模块。但先别急着改网络结构，把数据质量、增强策略、推理参数调优这三件事做好，效果提升的幅度绝对比改一个模块名字大得多。

本文还有配套的精品资源，点击获取