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”
• 优先根据真实人体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

优先原则：

• 最优方式：如果有人体框，直接按线上人体下部 ROI 规则裁图
• 次优方式：如果只有鞋框，再按鞋框扩图，尽量模拟人体下部脚部 ROI 的视觉分布

线上人体下部 ROI 规则：

• 已知人体框 (x, y, w, h)
• roi_x = x - 0.24w
• roi_y = y + 0.64h
• roi_w = 1.48w
• roi_h = 0.58h

这条规则的目标是：

• 横向比人体略宽，尽量把双脚都包进去
• 纵向覆盖人体下部到脚下地面
• 让鞋模型看到的输入更接近真实线上两阶段链路

当前推荐的数据准备方式：

1. PPE 数据保留 Person + shoe

python 05_prepare_ppe_shoe_subset.py --mode roi-source

输出目录：

• datasets/ppe-person-shoes

2. Open Images 重新下载，并保留 Person + shoe

python 01_download_dataset.py --source openimages --mode roi-source --max-samples 8000

默认输出目录：

• datasets/openimages-person-shoes-yolo

3. 构建 ROI 化训练集

python 09_build_roi_shoe_dataset.py --clean

构建规则：

• 如果源数据里有真实 Person 框，直接按人体下部 ROI 规则裁图
• 只有在没有人框时，才退回鞋框扩图 fallback

如果只有鞋框，没有人体框：

• 仍然可以做鞋框 fallback 扩图
• 但目标不是做鞋子纯特写，而是尽量近似“人体下部脚部 ROI”
• 也就是保留一定裤脚、脚下地面和周围背景
• 裁图会自动截到图像边界内

训练目标总结：

• 不要做鞋子纯特写
• 要做“脚部局部图”
• 让训练输入尽量贴近线上“人体下部脚部 ROI”

新主流程

1. 准备 ROI 源数据集

python 05_prepare_ppe_shoe_subset.py --mode roi-source
python 01_download_dataset.py --source openimages --mode roi-source --max-samples 8000

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