YOLO 机器视觉学习路线
10 秒看结论
核心结论
从论文复现、数据集、训练参数到显卡限制，把机器视觉学习拆成可以执行的小阶段。
最值得记住的三点
- 当前目标
- 第一阶段
- 第二阶段
- 文章类型
- 学习笔记
- 所属专题
- 论文复现
- 内容可信度
- 个人整理 · 持续更新
1 分钟看结构 · 展开目录
当前目标
先把 YOLO 训练流程跑通，再把每一次实验都变成可以复盘的记录：数据集、类别、训练轮数、显存占用、指标变化和失败原因。
第一阶段
- 看懂数据集结构和标注格式。
- 只改自己的配置文件，保持上游框架稳定。
- 用小模型和小 batch 做 smoke test。
- 每次训练后记录
mAP50、混淆矩阵和典型误检。
第二阶段
把论文阅读和本地实验连起来。每篇论文只先回答五个问题：任务是什么，数据是什么，模型改了什么，指标提升在哪里，能不能迁移到自己的检测任务。
复盘字段
训练日志不要只保存结果图。还要记录当时为什么这么设参数，以及下一次要排查什么。