YOLO：针对极端长宽比图像的训练优化方案

在道床异物异常检测的实际工程任务中，我遇到了一个核心问题：相机采集的道床图像尺寸为2100×300 像素，与 YOLO 模型默认的 640×640 正方形输入尺寸存在极大的长宽比差异，直接使用默认参数训练会严重影响模型检测精度。

针对这一问题，我结合 YOLO 的图像预处理逻辑和网络结构特性，对训练参数进行了针对性优化，最终实现了模型精度的显著提升。

一、核心问题：YOLO 默认预处理对极端长宽比图像的缺陷

首先需要明确 YOLO 对输入图像的标准处理逻辑：

YOLO 采用等比例缩放 + 边缘补黑（Letterbox） 策略，不会直接拉伸 / 裁剪图像。以默认 640×640 输入为例，模型会先计算缩放比例，将原图最长边缩放到 640，短边不足的部分填充黑色像素，最终凑成正方形输入；推理后检测框会自动反向映射回原图坐标。

对于 2100×300 的狭长图像，若直接使用默认参数训练，图像会被压缩成细条状 + 大面积黑边的正方形。大量无效黑边会稀释有效特征，模型无法充分学习道床异物的纹理、形态信息，最终导致检测精度低下、训练效果差。

二、优化思路：保留原始图像特征，适配网络结构

我的核心优化原则：取消无效补黑，最大程度保留图像原始长宽比，同时严格适配 YOLO 网络的硬件要求。

由于推理阶段的输入图像与训练尺寸一致，因此直接基于原始图像比例定制训练参数，是解决该问题的最优方案。

三、关键优化代码与参数解析

基于 Ultralytics YOLO 框架，我对训练代码进行了如下修改，核心适配极端长宽比的道床图像：

from ultralytics import YOLO
import torch
# 清空GPU缓存，提升训练稳定性
torch.cuda.empty_cache()  

# 加载YOLOv13s模型配置
model = YOLO('/home/bing/data/yolov13-main/ultralytics/cfg/models/v13/yolov13s.yaml')

# 启动模型训练
results = model.train(
    data='/home/bing/data/AbnormalBallastBedDataset.yaml',  # 数据集配置
    epochs=300,        # 训练轮次
    workers=8,         # 数据加载线程数
    batch=16,          # 批次大小
    imgsz=2112,        # 核心优化：输入尺寸
    device=0,          # 指定GPU
    patience=50,       # 早停策略
    project='/home/bing/data/yolov13-main/runs',  # 训练结果保存路径
    name='ABBtrain2',   # 训练任务名称
    rect=True,         # 核心优化：矩形训练
    mosaic=0.0,        # 关闭马赛克增强
    mixup=0.0,         # 关闭混合增强
    amp=True,          # 自动混合精度，加速训练
    cache=False        # 关闭数据缓存
)

在上述代码中值得注意的主要有以下几点：

imgsz=2112,

1. imgsz=2112（适配网络下采样机制）

YOLO 的骨干网络会进行5 次下采样，每次特征图尺寸减半，最终输入尺寸必须能被 32 整除（2⁵=32），这是保证特征图尺寸为整数、避免训练不稳定的硬性要求。

• 原始图像宽 2100：2100÷32=65.625（非整数，不满足要求）
• 优化尺寸 2112：2112÷32=66（整数，完美适配）

配置后，2100×300 的原始图像会被等比缩放为2112×320，无无效黑边，完全保留图像原始特征。

rect=True,

rect=True是解决极端长宽比图像训练的关键参数：启用后，框架会按照图像原始长宽比进行等比缩放，再批量组合成矩形输入，而非强制填充为正方形。

• 优势 1：最大程度减少无效黑边，降低 2112 超大尺寸带来的显存占用；
• 优势 2：避免图像拉伸变形，保证特征提取对齐，让训练更高效、更稳定；
• 对比：若不开启该参数，模型会默认将图像填充为 2112×2112，会直接导致显存溢出（爆内存）。

mosaic=0.0,      
mixup=0.0,

针对道床狭长图像的特性，马赛克、混合增强会破坏异物的原始形态和上下文特征，因此关闭后能进一步提升训练精度。

四、优化效果对比

我使用同一道床异物数据集，分别进行两组训练：

1. 默认参数：640×640 正方形输入
2. 优化参数：2112×320 矩形输入

最终结果显示，优化后的模型在 mAP、精确率、召回率等核心指标上均实现显著提升，有效解决了极端长宽比图像的检测精度问题。

五、注意事项

若训练超大尺寸狭长图像时出现显存溢出（Out of Memory），优先检查两点：

1. 是否未设置rect=True，导致模型强制使用 2112×2112 正方形输入；
2. 输入尺寸imgsz是否能被 32 整除，避免因尺寸不合法导致训练异常。