DetectionModelTraining/README.md

鞋子检测模型训练指南

当前主方案：YOLOv8s-640 + 脚部 ROI 训练

当前项目的主训练方向已经调整为：

• 只训练 yolov8s、输入尺寸固定 640x640
• 训练数据不再直接使用“整张场景图”或“鞋子纯特写图”
• 先根据鞋框裁出更接近线上输入分布的“脚部 ROI 图”，再训练鞋检测模型

这样做的原因是线上链路并不是直接在整张图上找鞋，而是：

1. 先从人体框生成脚部 ROI
2. 再在脚部 ROI 上做鞋检测

因此训练阶段也尽量模拟这个输入分布，保留一些裤脚、地面和周围背景，避免训练样本过于像商品特写。

ROI 规则

单鞋 ROI：

• 已知鞋框 (x, y, w, h)
• roi_x = x - 0.6w
• roi_y = y - 0.5h
• roi_w = 2.2w
• roi_h = 2.4h

双鞋 ROI：

• 优先把两只鞋裁进同一张 ROI
• 先取两只鞋框并集，再扩框：
• roi_x = union_x - 0.35 * union_w
• roi_y = union_y - 0.45 * union_h
• roi_w = 1.7 * union_w
• roi_h = 2.0 * union_h

裁图会自动裁剪到图像边界内。

新主流程

1. 准备原始单类鞋数据集

python 01_download_dataset.py --source openimages --max-samples 5000
python 05_prepare_ppe_shoe_subset.py

2. 构建 ROI 化训练集

python 09_build_roi_shoe_dataset.py --clean

输出目录：

• datasets/shoe-roi-mix

3. 训练新的 ROI 模型

12_train_roi_yolov8s_640.bat

模型输出目录：

• runs/roi_yolov8s_640

说明：

• 新模型会写到新的项目目录，不覆盖之前已有模型
• 如果 train_roi 已存在，Ultralytics 会自动递增运行目录名

方案：640x640 单模型（部署时用2窗口）

训练阶段：

• 输入：640x640 完整图片
• 模型：YOLOv8s
• 输出：640x640 模型文件

部署阶段（pipeline配置）：

• 原图 1920x1080
• 分成 2 个 960x1080 窗口
• 每个窗口 resize 到 640x640 送入模型
• 合并检测结果

---

目录结构

train/
├── README.md                 # 本文件
├── 01_download_dataset.py    # 下载鞋子数据集（推荐 Open Images）
├── 02_train.bat              # Windows 一键训练脚本
├── 03_export_onnx.bat        # 导出 ONNX 脚本
├── 04_convert_rknn.py        # 转换为 RKNN 脚本
├── 05_prepare_ppe_shoe_subset.py # 提取 PPE 鞋子单类子集
├── 06_finetune_ppe.bat       # 用 PPE 鞋子子集做二阶段微调
├── data.yaml.template        # 数据集配置文件
└── samples/                  # 示例图片
    ├── calibration/          
    ├── test_images/          
    └── README.md

---

快速开始

1. 下载数据集

cd train
python 01_download_dataset.py --source openimages --max-samples 5000

2. 准备配置

脚本会自动生成 datasets/openimages-shoes-yolo/data.yaml

3. 训练（640x640）

02_train.bat

或手动：

yolo detect train \
    data=datasets/openimages-shoes-yolo/data.yaml \
    model=yolov8s.pt \
    epochs=150 \
    imgsz=640 \
    batch=16 \
    device=0

训练参数：

• 模型：YOLOv8s（速度和精度平衡）
• 输入：640x640
• 预计时间：30-60分钟

4. 导出 ONNX

03_export_onnx.bat

5. 转换为 RKNN

在 Ubuntu PC 上：

python 04_convert_rknn.py runs/detect/train/weights/best.onnx -o shoe_detector_640.rknn -t rk3588

6. 部署（2窗口配置）

复制到 RK3588：

scp shoe_detector_640.rknn orangepi@<rk3588_ip>:/home/orangepi/apps/OrangePi3588Media/models/

Pipeline 配置（部署阶段用2窗口）：

{
  "id": "pre_shoe",
  "type": "preprocess",
  "windows": [
    {"x": 0, "y": 0, "w": 960, "h": 1080},
    {"x": 960, "y": 0, "w": 960, "h": 1080}
  ],
  "dst_w": 640,
  "dst_h": 640
}

7. 方案 A：PPE 二阶段微调

当 Open Images 基础模型训练完成后，可继续用 PPE 鞋子子集做场景微调：

python 05_prepare_ppe_shoe_subset.py
06_finetune_ppe.bat

PPE 鞋子子集来源：

• boots
• no_boots

这两个类会统一映射成单类：

• shoe

---

类别说明（Open Images）

Open Images 官方鞋类层级中，Footwear 的子类包括：

• Boot
• Sandal
• High heels
• Roller skates

本项目推荐下载：

• Footwear
• Boot

可选补充：

• Sandal

不建议默认加入：

• High heels
• Roller skates

训练时统一映射为单一类别：

• 0: shoe

这样模型目标更聚焦，先尽量把鞋子稳定检出，再在后处理里判断是否为黑色鞋。

---

相关链接

• Open Images 数据集
• Ultralytics YOLOv8