计算机视觉 / 系统课时
设计数据采集方案
设计数据采集方案
高质量训练数据不是“拍得越多越好”,而是要让样本覆盖模型上线后真正会遇到的变化。本节会把拍摄设备、角度、距离、光照和背景整理成可执行的采集方案,并给出现场验收规则,避免后期才发现数据单一或缺少关键场景。
学习目标
- 根据部署场景确定必须覆盖的采集条件
- 用采集矩阵平衡角度、距离、光照和背景
- 在采集现场完成质量与覆盖度验收
从部署场景反推采集条件
先写清模型将在哪里工作,再决定拍什么。若目标是在固定摄像头下检测货架商品,训练集就应优先模拟实际机位、视角和照明;若模型运行在手机端,则要增加手持抖动、不同距离、横竖构图和复杂背景。
采集方案至少要回答三个问题:目标在画面中通常有多大,哪些外观变化会影响识别,以及哪些低频情况虽然少见但业务上不能漏。只有这些边界明确后,样本数量才有意义。
用采集矩阵覆盖关键变化
不要一次只追求“拍很多张”,而要把变化维度拆开。常见维度包括设备、拍摄角度、目标距离、光照、背景和目标状态。实际执行时可先确定每个维度的代表档位,再组合出需要覆盖的场景。

不必把所有维度做完全组合,否则成本会迅速膨胀。更实用的做法是先保证高频场景全部覆盖,再为逆光、遮挡、小目标、反光等高风险条件补充专项样本。
例如业务中八成图片来自固定机位,就不应为了追求“均匀”而让罕见视角占据大量数据;但如果侧面遮挡曾频繁导致漏检,就应该把它作为专项场景增加样本。采集比例应服从真实分布,同时照顾高风险长尾情况。
控制拍摄方式而不是锁死画面
采集过程需要稳定,但训练数据不能过度一致。设备参数可以固定到合理范围,例如分辨率、编码格式和焦距档位;拍摄动作则应保留真实变化,例如轻微偏转、不同占画比例、背景移动和目标姿态变化。
同一对象连续拍几十张几乎相同的图片,会让数据量看起来很大,却不能增加多少有效信息。现场应主动改变机位或目标状态,并避免只在单一地点、单一时间段完成全部采集。
在现场完成覆盖与质量验收
采集结束前先抽查,不要把问题留到标注阶段。验收时重点检查清晰度、曝光、目标完整性和场景覆盖。严重失焦、完全过曝、目标小到无法判断类别的图片应直接淘汰;轻微模糊或遮挡如果真实业务中会出现,反而应保留一定比例。
可以为计划中的每个场景标记“已覆盖、样本不足、未覆盖”,并记录大致数量。如果某一类别只在正面、近距离、亮背景下出现,就应继续补拍,而不是用更多相似图片填满总数。
最终得到的采集方案应是一份可执行的场景清单:每种重要条件都有人负责采集、能够被现场核对,并且与模型未来接收到的真实图像保持一致。