最近半年，我接连做了两个红外相关的项目，一个是夜间无人机巡检，另一个是工业设备热成像故障诊断。共同的痛点就是：目标又小、对比度又低，模型动不动就“视而不见”。
网上很多教程讲得天花乱坠，但真到自己数据集上跑，mAP还是惨不忍睹。今天这篇，不玩虚的，就把我踩过的坑和验证有效的改进方法，手把手分享出来。核心思路就三点：针对性数据增强、锚框重校准、浅层特征强化。实测下来，验证集mAP@0.5从0.61直接干到了0.89。
一、前期准备：环境与数据
1. 环境搭建 别整那些花里胡哨的，稳定压倒一切。我的环境配置如下：
- Python 3.9
- PyTorch 1.13 + CUDA 11.7
- Ultralytics YOLOv8 (pip install ultralytics)
2. 数据集特点 我们的红外数据集有两大难点：
- 小目标：大部分目标在图像中仅占10×10到20×20像素。
- 低对比度：目标与背景温差小，边界模糊，信噪比低。
拿到手的数据是VOC格式（XML标注），需要先转换成YOLO要求的TXT格式。这里有个小技巧，转换脚本里可以顺便统计一下目标尺寸分布，为后续锚框调整做准备。
# 核心转换逻辑示例
def convert_voc_to_yolo(size, box):
dw = 1. / size[0]
dh = 1. / size[1]
x = (box[0] + box[1]) / 2.0 – 1
y = (box[2] + box[3]) / 2.0 – 1
w = box[1] – box[0]
h = box[3] – box[2]
return (x * dw, y * dh, w * dw, h * dh)
二、分步实操：三大核心改进
1. 第一招：针对性数据增强，让小目标“显形”
YOLOv8默认的增强策略（如Mosaic、HSV调整）对普通RGB图很有效，但对红外图有点“水土不服”。我们需要更精细的控制。
我在dataset.yaml里自定义了增强策略，重点加强了以下几点：
- CLAHE（限制对比度自适应直方图均衡化）：这是关键！能有效提升局部对比度，让模糊的小目标轮廓变得清晰。
- 高斯噪声注入：模拟红外传感器的真实噪声，提升模型鲁棒性。
- 谨慎使用亮度/饱和度调整：红外图没有颜色信息，饱和度调整无效，亮度调整幅度要小，避免失真。
# dataset.yaml 中的增强配置片段
augment:
hsv_h: 0.015 # 色调（红外图影响小）
hsv_s: 0.0 # 饱和度（设为0）
hsv_v: 0.2 # 亮度（适度调整）
degrees: 5.0 # 旋转角度
translate: 0.1
scale: 0.1
shear: 0.0
perspective: 0.0
flipud: 0.0
fliplr: 0.5
mosaic: 0.5
mixup: 0.0
copy_paste: 0.0
# 关键：在训练代码中手动加入CLAHE
2. 第二招：锚框（Anchor）重校准，告别“尺寸错配”
YOLOv8虽然号称无锚框（Anchor-free），但其检测头的设计依然隐式地依赖于目标尺寸的先验。默认的锚框是基于COCO数据集（目标普遍较大）生成的，用在我们的小目标上简直是灾难。
解决方案很简单：用K-means在自己的数据集上重新聚类生成锚框。
from sklearn.cluster import KMeans
import numpy as np
# 假设 wh 是一个 Nx2 的数组，包含了所有GT框的宽高
wh = np.array([[w1, h1], [w2, h2], ...])
kmeans = KMeans(n_clusters=9, random_state=0).fit(wh)
new_anchors = kmeans.cluster_centers_
print("New anchors:", new_anchors)
把生成的新锚框填入模型配置文件，这一步能让召回率（Recall）立竿见影地提升。
3. 第三招：强化浅层特征，抓住微弱信号
小目标的信息主要存在于网络的浅层特征图中，但YOLOv8的FPN（特征金字塔网络）在向高层传递时会不断下采样，导致小目标特征被稀释。
我的做法是在Backbone和Neck之间，增加一个专门处理浅层特征的分支。具体来说，在P2（分辨率最高的特征图）后面接一个小的卷积块，然后将其上采样后与P3特征融合。这样能有效保留小目标的细节信息。
这个改动需要修改模型的.yaml文件，对网络结构有一定要求，但如果追求极致性能，这一步非常值得。
三、问题排查：训练过程中的“坑”
- Loss不下降？ 检查学习率！小目标检测通常需要更小的学习率（比如1e-4），配合更长的训练周期。
- 过拟合严重？ 我们的红外数据集通常不大，一定要用好早停（Early Stopping）和Dropout。
- 推理速度慢？ 如果部署在边缘设备，建议使用YOLOv8n/s版本，并开启TensorRT加速。
四、总结
红外小目标检测确实是个硬骨头，但只要方法得当，效果提升是实实在在的。回顾整个流程：
这套方案已经在我负责的两个项目中稳定运行，如果你也在为类似问题头疼，不妨照着试试。欢迎在评论区交流你的经验！
