简介：本资源为面向溺水检测场景的YOLO系列目标检测数据集，适用于yolov5、yolov8、yolov9、yolov7、yolov10及yolo11等算法，可直接用于模型训练与验证测试，适合从事水域安全监控、智能救援研究的学生与开发者。压缩包共1018个文件，包含339张jpg图像、339个txt标签、339个xml标签及1个yaml配置文件，整体约14.6MB，已按训练与验证需求划分完毕。标签同时提供YOLO格式与VOC格式两套，YOLO格式以类别索引和归一化中心点、宽高比例记录目标框，便于直接读取训练；VOC格式则方便与Pascal VOC生态工具衔接。数据集聚焦溺水、出水、游泳等目标，图像命名规范、标注完整，可帮助读者快速搭建检测基线、验证模型在真实水域场景下的识别效果，并对比不同YOLO版本的性能差异。目前已有303人学习下载，适合作为课程设计、科研实验或竞赛项目的即用型数据基础。
1. 339 张溺水图像带标签：小样本 YOLO 训练到底能不能落地
溺水检测这个方向，真正卡住大多数团队的从来不是模型结构，而是数据。公开可用的溺水图像数据集极少，能带标注、能直接喂给 YOLO 的更少。我拿到「339 张图像带标签」这个量级时，第一反应不是兴奋，而是先算一笔账：339 张里如果按 8:1:1 切分，验证集只有 30 多张，测试集同样 30 多张，任何一次随机切分带来的指标波动都可能超过 5 个点。这意味着你不能拿单次训练结果下结论，必须做交叉验证或者至少固定随机种子跑三遍取均值。
这个数据集覆盖的场景是「溺水、出水、游泳」三类状态，本质上是一个三分类目标检测任务，而不是简单的有无二分类。三类之间的视觉边界很模糊——出水换气和游泳划水在单帧图像里几乎同构，溺水者又往往只露出头部或一只手。所以这份数据真正的价值不在于「339 张能训出多强的模型」，而在于它能让你用极低成本跑通一条完整的 YOLO 训练链路：从标签格式校验、类别平衡分析、数据增强策略，到小样本下的过拟合判断和推理阈值调优。适合谁？适合手上有一批垂直场景图像、想验证 YOLO 能不能用的工程师，也适合做水域安全监控、泳池智能看护这类项目、需要先出一个 baseline 的团队。下面我按实际做过的顺序，把这条链路拆开讲。
2. 从 zip 到可训练数据集：标签校验与格式转换
2.1 先搞清楚压缩包里到底是什么结构
拿到一个「图像带标签」的 zip，不要急着解压完就开训。我一般先做三件事：看目录层级、统计图像和标签文件数量是否一一对应、抽查标签内容格式。YOLO 生态里标签有两种常见形态：一种是每张图对应一个同名.txt，每行class x_center y_center width height，坐标是归一化到 0~1 的；另一种是 VOC 风格的.xml，需要转换。339 张这个量级，手动抽查 10 张就能判断格式。
# 解压后先看目录结构，不要直接扔进训练脚本 unzip 溺水出水游泳.zip -d drowning_raw find drowning_raw -maxdepth 2 -type d # 统计图像和标签数量，两者必须相等 find drowning_raw -name "*.jpg" -o -name "*.png" | wc -l find drowning_raw -name "*.txt" | wc -l # 抽查一个标签文件，确认是归一化坐标还是像素坐标 head -5 drowning_raw/labels/0001.txt逻辑说明：find的-maxdepth 2是为了避免递归太深把无关文件也列出来。图像和标签数量不等，通常意味着有图没标或者有标没图，这两种情况都会让训练脚本在某个 epoch 直接报错退出。抽查标签时重点看数值范围——如果出现大于 1 的数，说明是像素坐标，需要先归一化；如果一行有 5 个以上的数，可能是分割多边形点或者带了置信度列，要按实际格式处理。
参数说明：class列从 0 开始编号，这一点在写data.yaml时必须和names列表顺序严格对应。我见过太多人把names写成['swimming', 'drowning', 'emerging']但标签里 0 其实是 drowning，结果训练 loss 正常下降，推理时类别全错，这种坑排查起来非常费时间。
2.2 类别平衡分析：339 张里三类各占多少
小样本数据集最怕类别极度不平衡。溺水检测场景里，游泳状态的图像往往最多，真正溺水的样本可能只有几十张。如果溺水类占比低于 15%，直接训练会让模型倾向于把疑似目标判成游泳，召回率上不去。我一般先跑一个统计脚本，把每个类别的实例数和图像数都算出来。
import os from collections import Counter label_dir = "drowning_raw/labels" cls_counter = Counter() img_with_cls = Counter() for fname in os.listdir(label_dir): if not fname.endswith(".txt"): continue with open(os.path.join(label_dir, fname)) as f: lines = [l.strip() for l in f if l.strip()] seen = set() for line in lines: cls = int(line.split()[0]) cls_counter[cls] += 1 seen.add(cls) for c in seen: img_with_cls[c] += 1 print("实例数分布:", dict(cls_counter)) print("图像数分布:", dict(img_with_cls))逻辑说明：cls_counter统计的是标注框实例总数，img_with_cls统计的是包含该类别的图像数。这两个指标要分开看——如果某个类别实例数不少但集中在少数几张图里，说明这几张图目标密集，训练时容易过拟合到这些特定场景。参数上，seen集合用来去重，保证一张图里同一类别出现多次只计一次图像数。
拿到分布后，如果发现溺水类图像数少于 50 张，我的做法是：第一，在数据增强里对少数类做更强的几何变换和色彩抖动；第二，考虑用 mosaic 增强时提高少数类被采样的概率；第三，如果实在不够，从视频里抽帧补充，但要注意同一段视频抽出的帧不能同时出现在训练集和验证集，否则验证指标会虚高。
2.3 划分训练验证集：别用随机切分糊弄自己
339 张图像，我强烈建议按场景或按视频来源划分，而不是纯随机。同一段视频的相邻帧高度相似，随机切分会让验证集里出现和训练集几乎一样的图，mAP 虚高到 0.9 以上，实际部署时直接翻车。如果数据里没有视频来源信息，至少按图像文件名前缀或者拍摄时段做分组划分。
import random import os import shutil random.seed(42) # 固定种子，保证可复现 imgs = sorted([f for f in os.listdir("drowning_raw/images") if f.endswith((".jpg", ".png"))]) random.shuffle(imgs) n = len(imgs) n_val = max(1, int(n * 0.15)) n_test = max(1, int(n * 0.1)) val_imgs = imgs[:n_val] test_imgs = imgs[n_val:n_val + n_test] train_imgs = imgs[n_val + n_test:] for split, files in [("train", train_imgs), ("val", val_imgs), ("test", test_imgs)]: os.makedirs(f"dataset/images/{split}", exist_ok=True) os.makedirs(f"dataset/labels/{split}", exist_ok=True) for f in files: shutil.copy(f"drowning_raw/images/{f}", f"dataset/images/{split}/{f}") label = os.path.splitext(f)[0] + ".txt" shutil.copy(f"drowning_raw/labels/{label}", f"dataset/labels/{split}/{label}")逻辑说明：random.seed(42)是必须的，否则每次跑出来的划分不同，指标没法对比。验证集取 15%、测试集取 10%，剩下约 75% 做训练，这是小样本下比较稳妥的比例。如果数据量再少，验证集可以降到 10%，但测试集不能省——没有测试集，你无法判断模型是真的学到了还是记住了训练集。
参数说明：n_val和n_test用max(1, ...)兜底，防止数据量极小时切出空集导致训练脚本报错。复制而不是移动，是为了保留原始数据，后面做交叉验证或者换划分策略时不用重新解压。
3. YOLO 训练配置：小样本下的参数怎么设才不崩
3.1 选哪个版本：从 yolov8n 起步，别一上来就上大模型
339 张图像这个量级，我一般直接用 YOLOv8n 或者 YOLOv11n 这种 nano 级别。参数量小、收敛快、对数据量要求低，而且推理速度快，方便后面做边缘部署。有人会问要不要上 yolov8m 或者 l，我的血泪经验是：小样本下大模型几乎必然过拟合，训练 loss 降到很低但验证 mAP 卡在 0.3 不动，纯属浪费时间。如果你确实想对比，可以先用 nano 跑通全流程，再拿 nano 的结果作为 baseline，换 s 或 m 时只改一个配置项，其他不动，这样对比才有意义。
预训练权重方面，用 COCO 预训练的yolov8n.pt就行。虽然 COCO 里没有溺水类别，但底层特征提取器学到的边缘、纹理、形状信息是可迁移的。从零开始训在小样本上收敛极慢，而且容易卡在局部最优。常见做法是加载预训练权重后，先冻结 backbone 训几个 epoch，再解冻全量微调，但 339 张这个量级我一般直接全量微调，因为冻结阶段省下的时间有限，反而多了一套超参要调。
3.2 data.yaml 和训练命令：每个参数都要知道为什么
# dataset/data.yaml path: ./dataset train: images/train val: images/val test: images/test names: 0: drowning 1: emerging 2: swimmingyolo detect train \ data=dataset/data.yaml \ model=yolov8n.pt \ epochs=150 \ imgsz=640 \ batch=16 \ lr0=0.001 \ lrf=0.01 \ patience=30 \ augment=True \ mosaic=1.0 \ mixup=0.1 \ degrees=10.0 \ translate=0.1 \ scale=0.5 \ fliplr=0.5 \ seed=42 \ project=runs/drowning \ name=exp_nano逻辑说明：epochs=150对小样本来说不算多，因为每轮迭代次数少，总梯度更新步数其实不大。patience=30是早停，验证指标 30 轮不提升就停，防止过拟合。mosaic=1.0是 YOLO 默认开启的增强，把四张图拼成一张，对小样本非常有效，能显著增加场景多样性。mixup=0.1是图像混合，权重低一点，太高会让溺水这种小目标变得模糊。
参数说明：lr0=0.001是初始学习率，小样本下比默认的 0.01 更稳，不容易在早期把预训练权重冲垮。lrf=0.01是最终学习率系数，配合余弦退火策略，训练末期学习率降到初始值的 1%。degrees=10.0限制旋转角度，溺水检测场景里图像通常不会大幅旋转，转太多反而引入不真实样本。scale=0.5允许 0.5 到 1.5 倍缩放，模拟不同拍摄距离。fliplr=0.5水平翻转概率，游泳和溺水场景左右翻转不改变语义，可以放心用。
3.3 训练过程看什么：loss 曲线和 mAP 的配合判断
训练启动后，不要只盯着最终 mAP。我一般同时看三条线：train/box_loss、val/box_loss、metrics/mAP50。正常情况是 train loss 持续下降，val loss 先降后升，mAP 先升后平。如果 train loss 降到 0.05 以下而 val loss 还在 0.5 以上，说明过拟合已经很明显，这时候早停应该已经触发，如果没有，手动停掉，回头加增强或者减模型容量。
另一个关键指标是混淆矩阵。溺水检测三类之间容易混，混淆矩阵能直接告诉你 drowning 被误判成 emerging 的比例有多高。如果这个比例超过 30%，说明这两类在特征空间里太近，要么补充更多区分性样本，要么在推理后处理里加规则——比如连续多帧都判为 emerging 且目标运动幅度小，才升级为 drowning 告警。这个思路在单帧检测之外引入了时序信息，是实际部署里常用的补救手段。
4. 避坑与排查：小样本 YOLO 训练里最容易翻车的五件事
4.1 现象：训练 loss 正常下降，但验证 mAP 始终为 0
原因：最常见的是data.yaml里names顺序和标签类别编号不一致，或者验证集路径写错导致验证时加载不到任何标签。还有一种情况是标签文件里的坐标没有归一化，YOLO 解析时把大于 1 的坐标截断，所有框都变成零面积。
解决：先用yolo detect val单独跑一次验证，看输出里val: No labels found之类的提示。然后写个脚本遍历验证集标签，检查每行数值是否都在 0~1 之间，x_center和width之和是否超过 1。如果坐标是像素值，除以图像宽高做归一化。
4.2 现象：训练到一半突然报 CUDA out of memory
原因：batch=16在 640 分辨率下对某些显卡可能偏大，尤其是显存 8G 以下的卡。另外 mosaic 增强会临时把四张图拼成一张，实际显存占用比单张大。
解决：先把 batch 降到 8 或 4，同时把imgsz从 640 降到 416 试试。如果还不行，关掉 mosaic（mosaic=0.0）或者用梯度累积模拟大 batch。我一般会在训练脚本里加--batch -1让 YOLO 自动选 batch size，但自动选的有时偏保守，训练速度会慢。
4.3 现象：验证集 mAP 很高，但拿真实视频测试时漏检严重
原因：验证集和训练集来自同一批图像，分布太接近，模型没有见过真实场景里的光照变化、遮挡和水面反光。339 张图像如果都来自同一段视频或同一个泳池，泛化能力必然差。
解决：如果条件允许，从不同来源补充几十张图像进验证集，哪怕没有标注，也可以做定性观察。另外在推理时降低置信度阈值，比如从 0.25 降到 0.15，提高召回，再用 NMS 的 IoU 阈值控制重叠框。实际部署里漏检的代价通常比误检高，宁可多报几个再人工确认。
4.4 现象：训练日志里bn相关报错或者 loss 变成 NaN
原因：小样本下 batch size 太小，BatchNorm 层统计量估计不准，梯度爆炸。或者学习率设得过高，前几个 iteration 就把权重更新到发散。
解决：把lr0降到 0.0005 甚至 0.0001，同时开warmup_epochs=3让学习率从低到高预热。如果 batch 实在小，考虑换用 GroupNorm 的模型变体，或者用梯度累积把等效 batch 提上去。YOLOv8 默认在检测头里用的是 BN，小样本下这个问题不算罕见。
4.5 现象：推理时同一张图每次跑出来的框数量不一样
原因：如果开了augment=True的测试时增强（TTA），每次推理会做多尺度翻转再合并，结果会有波动。另外如果没固定随机种子，数据加载顺序也会影响 BN 统计量，进而影响推理输出。
解决：推理时关掉 TTA，用augment=False。训练时固定seed=42，并且确保deterministic=True。如果还是不稳定，检查是不是用了多 GPU 训练但没设sync_bn，多卡下 BN 统计量不同步会导致模型行为不一致。
5. 小样本溺水检测的进阶技巧：从单帧到时序确认
339 张图像训出来的模型，单帧检测能力有上限，但实际溺水监控场景里，视频是连续的。我一般会在 YOLO 检测之后加一层轻量时序逻辑，把单帧的误检和漏检用时间维度补回来。具体做法是：对每一帧跑 YOLO，得到 drowning、emerging、swimming 的框和置信度，然后维护一个滑动窗口，比如 15 帧。如果窗口内 drowning 出现次数超过阈值，且目标框位置变化不大（说明不是快速游动），才触发告警。这个逻辑用几十行 Python 就能实现，不需要额外训练模型。
from collections import deque class DrowningTracker: def __init__(self, window=15, hit_thresh=5, iou_thresh=0.3): self.window = deque(maxlen=window) self.hit_thresh = hit_thresh self.iou_thresh = iou_thresh def update(self, detections): # detections: list of (cls, conf, x1, y1, x2, y2) drowning = [d for d in detections if d[0] == 0 and d[1] > 0.15] self.window.append(len(drowning)) if sum(1 for c in self.window if c > 0) >= self.hit_thresh: return True return False逻辑说明：window=15对应大约半秒到一秒的视频（取决于帧率），hit_thresh=5表示窗口内至少 5 帧检测到溺水才确认。这个参数需要根据实际帧率和场景调整——帧率低就减小 window，误检多就提高 hit_thresh。conf > 0.15是故意设低的，因为时序逻辑会过滤掉偶发误检，单帧阈值可以放宽以提高召回。
参数说明：iou_thresh在这个简化版里没用到，但如果要做目标跟踪，可以用它关联相邻帧的同一个目标。实际部署时，我会把 YOLO 推理和这个 tracker 放在同一个进程里，YOLO 输出直接喂给 tracker，避免中间序列化开销。在边缘设备上，YOLOv8n 跑 640 分辨率大概能到 30 FPS 以上，加 tracker 后帧率下降不到 5%，完全可接受。
最后说一个我自己的习惯：每次拿到新的小样本数据集，先不急着调模型，而是花半天时间把数据看一遍——随机抽 50 张图，把标签画上去，肉眼检查框的位置和类别对不对。这个动作帮我省下过至少三次「训了半天发现标签全错位」的后悔药。339 张不多，看一遍很快，但能让你后面所有实验都建立在可信的数据上。希望帮到你。
本文还有配套的精品资源，点击获取
