2.1 KiB
2.1 KiB
Day 24 开发日志
日期：2025-12-30
主题：YOLOE 室内导盲模型训练配置
🎯 室内导盲模型训练准备
目标
配置并启动 YOLOE-11l-seg 模型的训练流程，用于室内导盲场景的实例分割。
工作内容
1. 训练指南完善
- 更新文档
NaviGlass/Yolo/室内导盲模型训练指南.md- 修正 PyTorch 版本：
cu121→cu124(适配 CUDA 12.8 驱动) - 简化 conda 环境名：
yoloe_blind→yolo - 指定训练 GPU：
device=1(第二块 RTX 3090) - 统一目录命名：
val→valid(与 Roboflow 标准一致)
- 修正 PyTorch 版本：
2. 数据集选择与配置
- 放弃 COCO 格式数据集：初始下载的
indoor.v2i.coco-segmentation仅包含indoor/wall两个类别，不适合导盲任务 - 采用 Indoor Obstacle Detection v11 数据集
- 来源：Roboflow Universe
- 规模：1440 张训练 + 57 张验证 + 54 张测试
- 8 个关键类别：closed_door, door, elevator, escalator, footpath, obstacle, person, wall
- 格式：YOLOv11 原生格式，无需转换
3. 目录结构统一
调整本地目录结构与服务器一致：
NaviGlass/Yolo/
├── yoloe-11l-seg.pt # 预训练权重 (67.7MB)
├── train.py # 训练脚本
├── data.yaml # 数据配置
├── 室内导盲模型训练指南.md # 文档
└── datasets/
└── indoor_obstacle/ # 数据集
├── train/
├── valid/
└── test/
4. 训练启动
- 上传至服务器
/home/rongye/ProgramFiles/Yolo/ - 执行
python train.py - 训练参数：
- epochs: 150
- batch: 16
- imgsz: 640
- cache: 'ram' (利用 192GB 内存)
- amp: True (混合精度加速)
结果
- ✅ 数据集准备完成 (Indoor Obstacle Detection v11)
- ✅ 训练指南更新完成
- ✅ 目录结构统一
- ✅ 训练已在服务器启动
下一步
- 监控训练进度和损失曲线
- 训练完成后导出 TensorRT 格式 (.engine)
- 集成到导盲系统进行实际测试