如何为你的计算机视觉项目定义目标#
要定义一个计算机视觉项目，请编写一份问题陈述，明确核心议题、范围、利益相关者和约束条件；设定可衡量、有时限的目标；并将问题映射到确定模型、数据集和部署决策的计算机视觉任务上。本指南通过一个实际示例引导你完成每一步。
Watch: How to define Computer Vision Project's Goal | Problem Statement and VisionAI Tasks Connection 🚀
有关从数据收集到部署的完整工作流程的概述，请参阅我们关于计算机项目中的关键步骤的指南。
如何编写计算机视觉问题陈述#
清晰的问题陈述是找到最有效解决方案的第一大步。它包含四个部分：
- 确定核心问题： 精准定位你的计算机视觉项目旨在解决的具体挑战。
- 确定范围： 定义你所面临问题的边界。
- 考虑终端用户和利益相关者： 确定谁会受到该解决方案的影响。
- 分析项目需求和约束： 评估可用资源（时间、预算、人员），并确定任何技术或监管限制。
商业问题陈述示例#
考虑一个你想在高速公路上估计车辆速度的计算机视觉项目。核心问题是，由于雷达系统过时和人工流程繁琐，当前的速度监测方法效率低下且容易出错。该项目旨在开发一个能够替代传统速度估计系统的实时计算机视觉系统。
主要用户包括交通管理部门和执法机构，而次要利益相关者则是高速公路规划人员以及受益于更安全道路的公众。关键要求包括评估预算、时间和人员，以及解决对高分辨率相机和实时数据处理等技术需求。此外，必须考虑关于隐私和数据安全的监管限制。
设定可衡量的目标#
设定可衡量的目标是计算机视觉项目成功的关键。有效的目标遵循SMART准则：
| 准则 | 含义 |
|---|---|
| Specific（具体） | 定义清晰且详细的目标。 |
| Measurable（可衡量） | 确保目标是可量化的。 |
| Achievable（可实现） | 在你的能力范围内设定切合实际的目标。 |
| Relevant（相关） | 确保目标与你的整体项目目标相一致。 |
| Time-bound（有时限） | 为每个目标设定截止日期。 |
对于高速公路速度估算的示例，SMART目标可以是：
- 在六个月内实现至少 95% 的速度检测准确率，使用包含 10,000 张车辆图像的数据集。
- 系统应能够以每秒 30 帧的速度处理实时视频流，且延迟极小。
通过设定具体且可量化的目标，你可以有效地跟踪进度，识别改进领域，并确保项目保持在正轨上。
如何选择合适的计算机视觉任务#
你的问题陈述有助于你构思哪种计算机视觉任务能够解决你的问题。最热门的任务包括图像分类、目标检测和图像分割——有关详细的对比，请参阅 Ultralytics 任务页面。
例如，如果你的问题是监控高速公路上的车辆速度，那么任务就是在track mode下运行的object detection。追踪会为每个检测到的车辆在各个视频帧中分配一个持久的 ID，这就是计算速度所必需的。
单纯的检测在这里是不够的：它在每一帧中定位车辆，但不会在帧之间保持每辆车的身份——如果没有这个身份，系统就无法衡量随时间推移的运动。追踪模式添加了该身份。一旦你确定了合适的计算机视觉任务，它就会指导项目的几个关键方面，比如模型选择、数据集准备和模型训练方法。
什么最重要：模型、数据还是训练方法？#
模型选择、数据集准备和训练方法的顺序取决于你的项目具体情况：
| 你的情况 | 从哪里开始 | 示例 |
|---|---|---|
| 定义明确的问题和目标 | 模型选择 | 对于估算车速的交通监控系统，选择一个在追踪模式下运行的检测模型，收集并标注高速公路视频，然后使用实时视频处理技术进行训练。 |
| 独特或有限的数据 | 数据集准备 | 对于拥有小型数据集的人脸识别系统，首先标注数据，然后选择一个在有限数据下表现良好的模型——例如用于迁移学习的预训练模型——并计划通过数据增强来扩充数据集。 |
| 实验至关重要（研究） | 训练方法 | 在一个探索检测制造缺陷新方法的项目中，先在小部分数据子集上进行实验。一旦找到有前景的技术，选择一个针对这些发现量身定制的模型并准备一个全面的数据集。 |
如果你从数据开始入手，随着项目的演进，Ultralytics 平台可简化数据集的组织、标注和训练。
部署选项如何影响你的项目#
模型部署选项对计算机视觉项目的性能有着至关重要的影响，因此请从一开始就将其纳入考量。部署环境必须能够处理你的模型的计算负载：
| 部署选项 | 最适合 | 示例技术 |
|---|---|---|
| 边缘设备 | 计算资源有限的智能手机和IoT设备；轻量级模型 | LiteRT、ONNX Runtime |
| 云服务器 | 计算需求更高的复杂模型；可随项目扩展的硬件 | AWS、Google Cloud、Azure |
| 本地服务器 | 高数据隐私和安全需求；对数据和基础设施的完全控制 | 自托管GPU服务器 |
| 混合解决方案 | 平衡性能、成本和延迟；边缘处理加云分析 | 边缘运行时和云平台的组合 |
每个选项都有不同的优势和挑战，选择取决于具体的项目需求，如性能、成本和安全性。
结论#
一个成功的计算机视觉项目始于清晰的问题陈述、SMART 可衡量目标以及适合该工作的计算机视觉任务——这些决策指导着后续的一切，从模型选择到部署。作为下一步，了解如何收集和标注数据，或者在 GitHub 和 Ultralytics Discord 服务器上与其他开发者讨论你的项目。
常见问题解答#
清晰的问题陈述指出了你的项目要解决的核心问题、其范围、最终用户和利益相关者，以及你的资源和监管限制。按顺序处理这四个部分，然后在做出技术决策之前与利益相关者一起验证该陈述。有关完整细分和实际案例，请参阅如何撰写计算机视觉问题陈述。
将你的问题所需的输出与产生它的任务相匹配：每张图片一个标签指向image classification，物体位置指向object detection，像素级边界指向image segmentation，而在视频帧中保持的身份则需要该检测模型在track mode下运行。例如，监控车速需要追踪，因为速度是通过计算每辆车随时间推移的运动来得出的。有关所有支持的任务，请参阅Ultralytics tasks page。
使用 SMART 标准：具体（Specific）、可衡量（Measurable）、可实现（Achievable）、相关（Relevant）和有时限（Time-bound）。例如：“在六个月内使用 10,000 张车辆图像数据集实现 95% 的车速检测准确率。”这种方法有助于跟踪进度并识别需要改进的领域。阅读更多关于设定可衡量目标的内容。
不能，预训练模型不会以传统意义上的方式“记住”类。它们从海量数据集中学习模式，在自定义训练（微调）期间，这些模式会根据你的特定任务进行调整。模型的能力是有限的，专注于新信息可能会覆盖掉一些先前的学习内容。
如果你想使用模型预训练时所用的类，一种实用的方法是使用两个模型：一个保留原始性能，另一个针对你的特定任务进行微调。通过这种方式，你可以合并两个模型的输出。还有其他选择，例如冻结层、将预训练模型用作特征提取器以及任务特定的分支，但这些是更复杂的解决方案，需要更高的专业水平。
部署选项决定了哪些模型大小和格式是可行的，因此它们从一开始就塑造了你的项目。边缘设备需要通过 LiteRT 或 ONNX Runtime 等格式和运行时提供服务的轻量级模型，云服务器在可扩展硬件上处理复杂模型，本地服务器为隐私敏感项目提供完整的数据控制，而混合设置则平衡了这两者。在部署选项表中进行对比，或者参阅模型部署选项指南了解详情。
常见的挑战包括：
- 模糊或过于宽泛的问题陈述。
- 不切实际的目标。
- 缺乏利益相关者的一致性。
- 对技术限制的理解不足。
- 低估了数据需求。
通过深入的初期研究、与利益相关者的清晰沟通以及对问题陈述和目标的迭代改进来应对这些挑战。有关完整的项目工作流程，请参阅计算机视觉项目中的关键步骤。