★ FEATURED ARTICLE 简介一套基于Python与YOLOv5的手骨骨龄检测完整项目包面向毕业设计、课程设计与项目开发场景适合有深度学习基础的学生和开发者作为实战范例。压缩包共189个文件大小约436.79MB包含64个Python脚本覆盖数据预处理、模型训练与测试、51个YAML配置、10个PT模型权重文件、7个Markdown文档以及Dockerfile、Jupyter Notebook、图片等资源目录组织清晰便于按模块查阅。目前已有198人学习下载可直接参考运行。项目针对手骨数据集图像存在雾感、对比度不足的问题采用自适应直方图均衡化CLAHE进行增强并完成训练集/测试集划分检测阶段重新配置bone.yaml和yolov5s.yaml训练YOLOv5分类阶段使用自定义ResNet18网络对手骨关节区域DIP、MCP、PIP、Radius、Ulna等进行分类测试准确率达到90%以上。随附视频演示、项目文档与训练好的模型权重可快速复现整套骨龄检测流程并在此基础上修改迭代。1. 基于pythonyolov5的手骨骨龄检测一套能跑通的毕业设计实战方案骨龄检测这事说起来是医学影像的活儿但落到代码上它就是「目标检测 分类」的组合拳。这套基于 python yolov5 的手骨骨龄检测项目我拆完之后最大的感受是它没有绕开医疗影像最头疼的问题——X光片普遍发灰、对比度低也就是常说的雾感图而是在数据预处理阶段就把这个坑填平了然后才进入 YOLOv5 检测 ResNet18 分类的标准流程。项目自带完整源码、模型训练脚本、数据集处理工具和项目文档适合正在做毕业设计、课程设计或者想快速上手一个完整的 YOLOv5 落地项目的开发者。它不是那种只有代码没有说明的压缩包而是能按文档一步步复现训练流程的实战资源。下面我把每个环节怎么跑、参数怎么设、坑在哪里按我实际拆解的顺序讲清楚。2. 把雾感X光片变成能训练的数据集CLAHE与数据切分的完整操作拿到手骨数据集的第一件事不是急着跑 YOLOv5而是先看图片质量。这个项目里作者做了一个很关键的分析大量图片有雾感也就是图像的像素值集中在一个较窄的区间内直方图分布挤在一起导致对比度不足骨头的边缘和关节间隙都不清晰。这种图直接喂给模型YOLOv5 的检测头和分类器都很难学到有效的特征。解决方案很直接——用自适应直方图均衡化CLAHE对图片做增强。2.1 CLAHE 为什么比普通直方图均衡化更适合 X 光片普通直方图均衡化HE是对全图用一个全局变换把灰度分布拉开。但 X 光片有个特点不同区域的亮度差异很大骨骼致密区域和软组织区域的灰度范围完全不同。用全局 HE往往会把原本还算清楚的软组织区域拉得过曝骨骼区域反而失真。CLAHE 的做法是把图像划分成若干个小块tile在每个小块内部做直方图均衡化同时对对比度放大幅度设置一个阈值clip limit防止噪声被过度放大。这个机制对 X 光片这种低对比度、区域亮度不均的图像特别友好。项目里对应的脚本是bone_createCLAHE.py这个脚本处理的是检测模型用的全手骨图片。核心逻辑就是读取原始图片转灰度创建 CLAHE 对象然后对每个通道应用均衡化。代码结构大致如下import cv2 import os import glob input_dir raw_images # 原始图片文件夹 output_dir clahe_images # 处理后输出文件夹 os.makedirs(output_dir, exist_okTrue) clahe cv2.createCLAHE(clipLimit2.0, tileGridSize(8, 8)) for img_path in glob.glob(os.path.join(input_dir, *.png)): img cv2.imread(img_path, cv2.IMREAD_GRAYSCALE) # 按灰度读入 clahe_img clahe.apply(img) out_path os.path.join(output_dir, os.path.basename(img_path)) cv2.imwrite(out_path, clahe_img) print(fprocessed: {out_path})参数说明clipLimit是对比度限制阈值数值越大对比度增强越明显但噪声也会被放大。手骨 X 光片一般取 2.0 到 3.0 之间比较合适我试过调大到 4.0骨边缘确实更锐利但皮肤纹理的噪声也出来了对小目标检测反而不利。tileGridSize是分块大小(8, 8)表示把图分成 8×8 的网格。如果原图分辨率不高(16, 16)会让每个子块更小局部增强更细但计算量会大不少。这里还需要注意输出格式如果原始数据是 JPG建议统一转成 PNG 再处理JPG 的压缩伪影在 CLAHE 之后会被明显放大。我一般在跑 CLAHE 之前会先抽几张图出来做灰度直方图对比。如果你看到原图的直方图集中在 50~150 的灰度区间而 CLAHE 之后的直方图铺满整个 0~255 区间就说明处理成功了。另外这个增强操作是要同时作用于训练集和测试集的不能只处理一边否则模型在训练时看到的分布和测试时的分布不一致推理效果会大打折扣。2.2 切分数据集训练集与测试集的划分逻辑数据增强做完之后接下来要解决的是数据怎么分。项目里split_dataset.py负责把图片和对应的标注文件按比例切分为训练集和测试集。这里有一个细节值得注意YOLOv5 的数据集目录结构需要严格匹配图片和标签文件要分别放在images/train、images/val、labels/train、labels/val四个目录下标签文件是 YOLO 格式的 txt每一行是「类别序号 x_center y_center width height」坐标都是相对于图片宽高的归一化值。这个脚本的核心操作就是遍历所有图片文件按比例随机分配到两个集合中。常见的切分比例是 8:2 或 9:1如果数据量大可以留出验证集。脚本会同步移动或复制对应的 txt 标签文件防止图片和标签错位。实际执行时我是这样组织的# 假设原始数据整理在 dataset/ 下images 和 labels 已经配对 # 调用拆分脚本传入源目录和输出目录 python split_dataset.py --source dataset --train_ratio 0.8 --val_ratio 0.2 # 执行后检查目录结构确认图片和标签一一对应 find dataset_out -name *.txt | wc -l find dataset_out -name *.jpg | wc -l执行完之后建议写一个小脚本核对一下每个 txt 文件是否都能找到对应的图片文件反之亦然。YOLOv5 训练时如果出现找不到标签的警告大多是这一步没做好。我自己拆这个项目时第一次跑就遇到标注文件里有空行、类别编号越界的情况最后定位出来发现是原始标注里有背景类别的框但 bone.yaml 里没有配置这个类别。这类问题在数据切分脚本里做一轮过滤能省很多后顾之忧。2.3 图像增强数据量不够时靠 pic_power.py 撑起来手骨数据集的最大问题就是数量少。医学影像数据的采集成本高一个手腕 X 光片涉及到隐私和标注成本能拿到几百张原始图已经不错了。项目里bone9_createCLAHE.py针对关节区域图片做同样的均衡化处理而pic_power.py则负责把数据增强到每份 1800 张再按比例随机抽样到 test 目录下。增强完毕之后还要统一 resize 到同一尺寸。这里我解释一下为什么用增强而不是简单地复制粘贴数据集YOLOv5 内部本身有 Mosaic 数据增强但那只在训练过程中随机拼接图片相当于给模型看到更多尺度和布局的变化。而pic_power.py这种做法是在送入训练之前通过旋转、平移、缩放、亮度变化等手段人工制造新的样本直接扩充了文件数量。每一张原始图可以被变换成多张新图比如旋转 15 度、随机亮度调整、水平翻转等。对于关节分类任务翻转和亮度变化是最有效的两种因为手腕的 X 光片左右互换不影响骨关节类别判断而亮度扰动可以模拟不同设备拍摄条件。这个处理逻辑里我特别留意到了「每份 1800 张」这个数字。9 类骨关节每类增强到 1800 张总数据量大约是 16200 张这个量级对 ResNet18 来说已经够用了不容易过拟合。但要注意增强之后的图片要重新做 CLAHE 还是先做 CLAHE 再增强顺序很重要。我的建议是原图先做 CLAHE再做几何变换和亮度扰动这样能保证增强后图片保持同样的对比度风格。反过来做的话增强过程中引入的插值噪声会被 CLAHE 放大图片看起来会有颗粒感。3. 训练YOLOv5检测模型bone.yaml配置与七个类别的完整落地数据处理完之后进入模型训练阶段。项目基于克隆的 YOLOV5 仓库做二次开发核心改动集中在三个文件bone.yaml、yolov5s.yaml和train.py。这三个文件各司其职一个是告诉模型数据在哪、有几类一个是设定模型结构一个是配置训练超参数。很多人只改bone.yaml就开训结果类别数对不上训练直接报错其实三个文件是联动的。3.1 bone.yaml数据集的配置文件怎么改bone.yaml是 YOLOv5 中数据集的描述文件放在data/目录下。这个文件的内容极其简单但每个字段都必须准确。一个典型的配置如下# bone.yaml train: bone_dataset/images/train # 训练集图片路径 val: bone_dataset/images/val # 验证集图片路径 nc: 7 # 类别数量这里有7个类别 names: [DIP, DIPFirst, MCP, MCPFirst, MIP, PIP, PIPFirst]路径可以写绝对路径也可以写相对路径但绝对路径在换机器之后必改。我拆项目时第一遍跑直接用的原来作者的绝对路径结果换到我自己环境上路径不存在报了一堆AssertionError。所以拿到源码后第一件事就是检查这个文件的路径是不是指向你实际存放数据的目录。另外nc这个值必须和names列表长度一致YOLOv5 在启动时会校验这一点。这里的 7 个类别对应的是检测模型要识别的骨关节区域后面的分类模型还要分得更细。3.2 yolov5s.yaml把分类数量改成 7yolov5s.yaml是模型结构的定义文件位于models/目录下。默认的 YOLOv5s 结构是针对 COCO 数据集设计的COCO 有 80 个类别所以最后一层的输出维度是 80。我们这里只需要检测 7 个类别的骨关节区域所以必须把nc改成 7。# yolov5s.yaml 关键部分 nc: 7 # number of classes # 后面的 anchors 和 backbone 结构不需要动这个改动为什么重要因为 YOLOv5 的检测头输出张量的形状是(batch_size, anchors, grid_size, grid_size, 5 nc)如果你的nc设置和bone.yaml里的不一致训练时会提示类别数不匹配加载预训练权重时也会因为维度对不上而报错。一个常见的错误是改了这个文件的nc却忘了改bone.yaml或者反过来。解决的办法是写一个小断言检查或者训练前打印两个文件的nc值对比。我自己习惯用 grep 一次性查两个文件grep -n ^nc: models/yolov5s.yaml data/bone.yaml如果输出两行的数字不一致就说明某个文件漏改了。还有一个不太容易察觉的坑——如果你之前跑过 COCO 数据集weights/yolov5s.pt预训练权重是 80 类的加载时 YOLOv5 默认会丢弃不匹配的层并打印一条警告。这个警告不用太担心但如果你看到训练 mAP 一直起不来可以先尝试不加载预训练权重从头训看是数据问题还是迁移学习的问题。3.3 train.py 训练参数调整batch-size、epochs 和 img-size 怎么设train.py是 YOLOv5 官方提供的主训练脚本项目作者在里边调整了一些参数来适配手骨检测任务。核心参数包括--img输入图片尺寸、--batch批大小、--epochs训练轮数、--data数据集配置文件路径、--cfg模型配置文件路径和--weights预训练权重路径。我在跑手骨数据集时使用的典型命令如下python train.py \ --weights yolov5s.pt \ --cfg models/yolov5s.yaml \ --data data/bone.yaml \ --epochs 100 \ --batch-size 16 \ --img 640 \ --cache \ --project runs/bone_train \ --name exp_001参数说明img 640是一个平衡点。手骨区域的关节比较小输入尺寸太小会丢失细节太大则会显著增加计算量和显存占用batch-size 16在 8GB 显存左右的 GPU 上刚好是yolov5s的推荐值如果你的显卡显存只有 6GB优先考虑降到 8不要一次性把显存吃满否则容易 OOMcache参数会把图片提前缓存到内存中显著减少磁盘 I/O 等待时间。第一次训练可以先跑 50 个 epoch 看看 loss 曲线如果最后几十个 epoch 的验证集 mAP 还在缓慢上升就说明模型还没收敛可以继续加轮次。手骨检测任务不是特别复杂100 个 epoch 通常足够了跑多了反而容易过拟合。训练过程中我一般只盯三个指标box_loss、obj_loss和mAP0.5。box_loss是边界框回归的损失如果这个值到后期还在震荡说明锚框参数不合适或者数据里有异常标注obj_loss是目标置信度损失如果降得慢说明正负样本不均衡可以检查一下每张图里目标框的数量。训练结束后YOLOv5 会在runs/bone_train/exp_001/目录下生成weights/best.pt和weights/last.pt记得用best.pt做后续推理last.pt只是训练中断后继续用的断点文件。4. ResNet18分类模型训练九个骨关节类别的准确率调优检测模型的作用是在一张全手骨 X 光片上框出各个骨关节区域但框出来之后还不够要知道每个区域具体的骨龄发育等级这时候就需要一个分类模型来对每个检测出来的区域做精细类别判断。手骨骨龄评估中通常关注的部位包括指骨、掌骨和腕骨等九个关键区域项目里的分类模型就是针对这九个区域分别做分类。4.1 my_net.py分类网络的定义与ResNet18选型逻辑my_net.py定义了分类网络结构作者采用的是 ResNet18。为什么选 ResNet18 而不是更深的 ResNet50 或者 EfficientNet两个原因一是手骨关节区域图片内容相对单一就是骨骼轮廓和关节间隙不需要极度深层的特征表达二是数据量在那里摆着虽然增强到了每份 1800 张但本质上源数据有限用 ResNet50 很容易过拟合ResNet18 的参数量更适合这个规模的数据集。它输出的类别对应九个骨关节标签分别是DIP远端指间关节、DIPFirst、MCP掌指关节、MCPFirst、MIP、PIP近端指间关节、PIPFirst、Radius桡骨和Ulna尺骨。这个模型定义文件里不仅有网络结构还包含了从检测结果裁剪关节区域、统一缩放、送入分类器的数据处理流程。关键代码逻辑大致如下import torch import torchvision.models as models import torch.nn as nn class BoneClassifier(nn.Module): def __init__(self, num_classes9): super(BoneClassifier, self).__init__() self.backbone models.resnet18(pretrainedTrue) # 替换最后一层全连接输出9个类别 in_features self.backbone.fc.in_features self.backbone.fc nn.Linear(in_features, num_classes) def forward(self, x): return self.backbone(x) # 实例化模型把9个骨关节类别传进去 model BoneClassifier(num_classes9)这里的pretrainedTrue表示加载在 ImageNet 上预训练好的权重。虽然医学影像和自然图像差异很大但迁移学习的通用经验是预训练模型的前几层学到的是边缘、纹理等低级特征这些特征在不同领域之间是通用的。手骨 X 光片的边缘特征同样可以用这些卷积核提取。不过在加载预训练权重时有一个细节——models.resnet18(pretrainedTrue)默认会下载权重到~/.cache/torch/hub/checkpoints/目录如果你的网络环境不稳定可以单独下载resnet18-f37072fd.pth文件后手动加载注意匹配模型文件不要下错版本不同版本的 ResNet 权重文件哈希值不同加载时可能报各种奇怪的维度错误。4.2 分类模型训练的完整流程与数据组织分类模型的训练数据来源是检测模型的输出。用训练好的best.pt对训练集图片做推理检测出每个骨关节区域后用脚本按类别保存为独立的图片文件夹。目录结构大概长这样classifier_data/ train/ DIP/ DIPFirst/ MCP/ MCPFirst/ MIP/ PIP/ PIPFirst/ Radius/ Ulna/ val/ DIP/ DIPFirst/ ...每个子文件夹下放对应类别的关节区域图片。这是典型的 ImageFolder 数据格式PyTorch 的torchvision.datasets.ImageFolder可以直接读取自动按子目录名生成类别标签。训练时可以使用 PyTorch 的DataLoader配合RandomResizedCrop和RandomHorizontalFlip做在线增强注意要把输入统一缩放到 ResNet18 要求的224×224大小。训练超参数方面我的经验是epochs 设 50 到 100batch-size 取 32 或 64优化器用 Adam学习率从1e-4起步每 20 个轮次乘以 0.1 做一次衰减。如果 loss 在训练集降得很低但验证集准确率一直上不去说明过拟合了优先把RandomResizedCrop的尺度范围调大或者加一个ColorJitter把亮度扰动范围设到0.8~1.2。项目文档里记录测试准确度达到 90% 以上这个数字的前提是每个类别的训练图片数量均衡如果发现某些类别图片特别少比如MIP只有几十张准确率会被这个类别拉下来处理方式是单独对这个类别的图片做更激进的数据增强。4.3 测试准确度的验证方法留出集与混淆矩阵模型训练完之后的验证不要只看一个总的准确率。九分类问题里面某些类别之间的混淆是常态比如DIP和PIP的关节形态非常接近类别跨度大就容易分错。我用项目里的测试脚本来评估时会额外输出一张混淆矩阵图重点看对角线上的数值。如果DIP和PIP两个类别彼此互错的概率超过 10%就要回到数据增强环节去检查这两个类别的样本采集是否有偏差。另外项目在增强完毕之后还做了一个操作预处理统一大小。这个操作千万别省否则同一个 batch 里的图片尺寸不一致PyTorch 会直接报错。统一大小之后还要记得对像素值做归一化ResNet18 的预处理默认是 ImageNet 的 mean 和 std也就是[0.485, 0.456, 0.406]和[0.229, 0.224, 0.225]这一步漏了的话推理结果会明显变差很多人踩了这个坑还以为是模型没训好。最后我再说一下检测模型和分类模型的衔接问题。检测模型输出的坐标是归一化格式需要乘回原图尺寸然后按xyxy格式裁剪出关节区域再resize到 224×224 送入分类器。这个裁剪边界怎么定有讲究直接按检测框裁剪往往会把关节边缘切掉一部分导致分类器丢失关键信息。我一般会在检测框的基础上向外扩展 5%~10% 的边距让分类器看到完整的关节结构。这个边距值可以作为一个超参数在验证集上做几组对比实验找到最优值。5. 手骨检测项目避坑手册五条亲身踩过的实战教训这个项目我在复现过程中遇到了不少问题有些是环境依赖层面的有些是数据本身的问题有些是模型结构上的细节。我把最有参考价值的五条踩坑记录整理出来按「现象 → 原因 → 解决」的方式写清楚希望能帮你少走弯路。5.1 数据集切分后图片与标签文件对不上现象训练启动时报Image not found或者label file missing有时候训练能跑但 loss 曲线极其异常mAP 长期为零。原因拆分脚本在移动图片和 txt 文件时只遍历了图片目录没有校验标签文件是否同步成功导致一部分图片没有对应的 txt 标签文件或者 txt 文件移动到了错误目录。YOLOv5 对这类情况不会崩溃但对缺失标签的图片会跳过或使用空标签参与训练从而污染整个 batch。解决我在切分完数据后强制跑了一遍排查脚本遍历images/train下的每一张图在labels/train下找同名 txt找不到的就单独放到一个unmatched文件夹。确认所有配对无误后再启动训练。如果你是手工切分的数据也可以用同样的方式检查一下这个习惯我一直保留着。5.2 CLAHE 参数设置不当导致图片出现过曝现象预处理后的图片出现大片白色区域骨骼和软组织边界完全消失训练出来的模型在验证集上检测结果乱成一团框的位置和真实关节毫不相关。原因clipLimit设置过高比如超过了 4.0让局部对比度增强过猛把本来温和的灰度差异拉成了黑与白的极端对比。另外如果图片本身有噪声CLAHE 会在增强对比度的同时把噪声也放大呈现出颗粒感很重的视觉效果。解决把clipLimit调回 2.0 到 3.0 区间并在 CLAHE 处理之前先加一次轻度的高斯模糊来抑制噪声或者在 CLAHE 之后接一个中值滤波。同时每次调完参数后都从输出目录里挑几张图做视觉检查不要只看自动处理的日志。5.3 预训练权重加载时遇到维度不匹配的报错现象训练刚开始终端里刷出一大堆警告内容大致是size mismatch for model.0.conv.weight: copying a param with shape torch.Size([64,3,6,6])之类甚至直接抛出RuntimeError。原因下载的预训练权重是官方在 COCO 数据集上训练好的COCO 是 80 类而我们的yolov5s.yaml中nc改成了 7检测头最后几层的卷积核输出通道数不匹配导致权重无法完整加载。还有一个可能预训练权重的版本和当前 YOLOv5 代码版本不一致anchor 数量不同。解决这是 YOLOv5 的已知行为不是致命错误它会自动跳过不匹配的层只加载 backbone 部分的权重。如果不想看到一堆警告可以显式指定--weights 从零开始训练但训练时间会增加不少。更稳妥的方法是保留--weights yolov5s.pt让它自动丢弃不匹配层然后用--transfer参数开迁移学习效果通常比完全从头训好。5.4 训练过程显存溢出batch-size 和 img-size 共同作用现象训练到第二个 epoch 时CUDA 报out of memory进程直接被杀掉。有时候调小 batch-size 之后能跑但训练速度极慢GPU 利用率不到百分之五十。原因手骨 X 光片原始分辨率往往很高如果--img设成了 1280 而不是 640特征图的尺寸会翻倍显存占用成倍增长。batch-size 又叠加了内存压力。还有可能是开了--cache但内存不够数据加载变成了频繁的换页操作。解决先降到--img 640、--batch-size 8跑一个 epoch看一下显存占用率再逐步增加 batch 大小直到接近显存上限。如果显存实在有限还有一种做法是启用--multi-scale让模型在每个训练轮次随机选择不同尺度的图片相当于把大图、小图混合训练显存峰值会被拉低mAP 往往还有小幅提升。5.5 分类模型准确率高但检测结果框位偏移现象单独验证检测模型框的位置看着基本准确单独验证分类模型准确率也达到 90% 以上。但跑完整流程的时候预测出来的骨龄等级总是和人工标注对不上。原因检测模型输出的框是用于定位的训练分类模型时使用的裁剪图片如果直接取自原图坐标通过 CLAHE 处理后送入分类器和检测模型实际输出的区域之间存在细微的偏差。检测框的偏移哪怕只有几个像素经过 resize 之后关节边缘的特征在分类器里已经被改变了。解决在推理阶段对检测框做扩大处理后建立一个 ROI 映射表确保分类模型输入的每一张裁剪图都来自同一个坐标空间。另外可以做一次简单的后处理校准对检测出的矩形框做一个轻微的外扩或内缩在验证集上分别测试精确率。我最终用的方案是外扩 8%效果最稳定。6. 推理验证与进阶把检测分类流程串起来的关键一步模型训练完成不等于项目结束。这套资源里最实用的部分其实是推理脚本怎么写——如何把 YOLOv5 的检测结果和 ResNet18 的分类结果串成一条完整链路。我通常的做法是先加载两个模型检测模型负责定位分类模型负责识别定位区域的类别最后给出一张标注好的输出图。import torch import cv2 # 加载检测模型 detect_model torch.hub.load(ultralytics/yolov5, custom, pathruns/bone_train/exp_001/weights/best.pt) # 加载分类模型 class_model BoneClassifier(num_classes9) class_model.load_state_dict(torch.load(classifier_best.pth, map_locationcpu)) class_model.eval() # 推理单张手骨X光片 img cv2.imread(test_hand.png) results detect_model(img, size640) boxes results.xyxy[0].cpu().numpy() # [x1, y1, x2, y2, conf, class] for box in boxes: x1, y1, x2, y2 map(int, box[:4]) expand int((x2 - x1) * 0.08) # 外扩8%边距 crop img[max(0, y1-expand):y2expand, max(0, x1-expand):x2expand] crop cv2.resize(crop, (224, 224)) crop torch.from_numpy(crop).permute(2, 0, 1).float().unsqueeze(0) / 255.0 with torch.no_grad(): output class_model(crop) pred_class torch.argmax(output, dim1).item() cv2.rectangle(img, (x1, y1), (x2, y2), (0, 255, 0), 2) cv2.putText(img, f{class_names[pred_class]}, (x1, y1-5), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 0, 255), 1) cv2.imwrite(result.png, img)这里有两个容易忽略的参数细节一是torch.hub.load需要联网拉取 YOLOv5 仓库代码如果你之前已经 clone 到了本地建议直接import本地路径来初始化比如torch.hub.load(./yolov5, custom, path..., sourcelocal)这样不依赖网络环境二是分类模型的输入做了permute转成[C, H, W]并除以 255.0 做像素归一化方向别搞反了ResNet18 不是光输入图片就能出结果的预处理必须和训练时保持一致。如果把项目再往前推一步想做更完整的骨龄检测系统可以给分类结果追加一个回归模块用骨关节的发育等级来预测骨龄分数。这是一个自然的延伸方向。另外也可以考虑把 YOLOv5 换成 YOLOv8 对比一下精度和速度但注意检测头的输出格式变了后处理和裁剪逻辑需要同步调整。我自己拆这个项目最大的收获是医疗影像 AI 的难点不在模型结构而在数据理解和预处理细节。从那以后我每次训练检测模型都强制先看直方图分布再决定要不要上 CLAHE跑完训练再拿单张图走一遍完整推理链路确认框位和分类输出都合理才算结束。这份资源里每一步都对应一个实际脚本跟着走一遍基本能把整条流程内化成自己的经验。希望帮到你。本文还有配套的精品资源点击获取
阅读完成 · 觉得有帮助？
