简介这是一份面向计算机视觉图像分割任务的头发生物语义分割数据集共约2200张已标注图像按2类分割背景与头发设计适合用于训练UNet、DeepLab等语义分割模型也适合入门分割项目实践。包内数据已完成训练集/验证集划分训练集约1570张图片与对应mask验证集约670张均为png/jpg格式全部数据已预处理可直接训练无需额外清洗。压缩包共2000个文件主要以png标签图1325个、jpg原图674个为主并附赠一个Python可视化脚本可从数据集中随机抽取样本将原始图片、GT标签图及GT叠加蒙版图一并展示便于快速检查标注质量。资源包大小52.9MB体量精简、结构清晰目前已有52人学习使用适合算法工程师、科研人员及毕设学生快速获取头发分割的干净数据集省去整理与划分数据的时间直接投入模型训练与效果验证。1. 头发语义分割是什么2000张标注数据能撑起什么项目做图像分割的人大多遇到过这种需求给一张人像照片把头发区域精确地抠出来。换发型App、虚拟试戴发饰、脱发分析、直播美颜里的发丝美化底层都是同一个任务——头发语义分割。最近在做一个发妆推荐系统时我用一套2000多张带标注的头发分割数据集把整个流程跑通了从数据组织、模型选型到训练推理踩了不少坑这篇就把完整方案和边界讲清楚。这套数据集的规模放在语义分割里属于“小而精”2000多张图每张都有对应的像素级标签用来训练一个U-Net或者DeepLabV3足够起步。相比医学图像分割动辄上万张的体量它更适合当计算机视觉大作业、毕设或者中小型产品的视觉基线。但要说明白2000张不等于2000个有效样本头发分割的难点在于类别极其不均——背景像素常常占80%以上头发只占一小块这个特性决定了数据处理和损失函数都不能照搬通用分割套路。下面从任务选型开始把整条链路拆开讲。2. 从任务到模型为什么头发分割要选语义分割而不是目标检测2.1 语义分割和实例分割、目标检测的分工图像分割这个方向下目标检测给的是框实例分割给的是“每个个体”的轮廓语义分割给的是“每个像素属于哪个类别”。头发分割要的是后者不管图里有一个人还是三个人不管头发是披着还是扎着最终要的是“这个像素是不是头发”的逐像素判断。如果你用YOLO系的实例分割来做它会按人头把头发切成一坨一坨独立的mask两个人头发挨在一起时还会被强行分成两个实例这在后续需要“整片头发区域”的算法里就是灾难。从计算机视觉的任务光谱来看头发语义分割属于最基础但也最实用的像素级分类。它不追求区分“谁的头发”只追求“哪里是头发”这让它的标签制作和模型结构都更简单。训练时每张图的标签是一张和原图同尺寸的灰度图头发区域标成白色255背景标成黑色0干净利落。这也是为什么2000多张数据能跑出可用效果——任务本身是二分类不需要处理多个实例的编号问题。2.2 头发场景的特殊性类别不均、边缘精细度与颜色陷阱头发分割和通用语义分割有个关键差异发丝边缘极其精细而且头发颜色跨度极大。黑发、金发、红发、挑染在RGB空间里分布非常散。如果直接用交叉熵损失训练模型会倾向于把所有像素都预测成背景因为背景占比太高全预测背景也能得到很低的loss。这就是类别不均问题后面会专门讲怎么处理。另一个坑是数据增强。做通用分割时随机亮度、饱和度调整很常见但在头发分割里把金发调成暗棕色、把黑发调出高光等于篡改标签语义——头发还是那片头发颜色变了模型学到的颜色特征就不稳定。更极端的是灰度化直接把颜色信息抹掉黑发和金发在灰度图里非常接近模型反而更容易混淆。所以这个项目的增强策略要克制几何变换为主颜色变换为辅。2.3 模型选型U-Net、DeepLabV3、HRNet怎么选2000张数据量级下模型选择直接决定你晚上能不能睡着。我的建议是默认从U-Net起步。它的结构简单encoder-decoder带skip connection对小数据集、二分类分割非常友好训练速度快显存要求低一张消费级显卡就能跑。DeepLabV3的空洞卷积能加大感受野对“大片连续头发区域”的分割更稳但训练收敛慢数据少时容易过拟合。HRNet在头发分割里其实表现很好因为它始终保持高分辨率特征图对发丝这种精细边缘有天然优势。但代价是显存占用和训练时间都明显上升2000张数据至少要训练两倍时间才能看到效果。我一般的工作流是先用U-Net跑通全流程验证数据和标签没问题再换DeepLabV3或者HRNet提精度。不要一上来就上大模型数据预处理和损失函数没调好再大的模型也是黑匣子。3. 把2000多张数据集和标签组织成训练集预处理全流程3.1 数据集目录与掩码的组织方式拿到的2000多张数据集通常已经分好了原图和标签。原图是JPG或者PNG标签是单通道灰度PNG头发区域为白色、背景为黑色。这种格式叫VOC风格掩码也是语义分割数据集制作最常用的组织方式。第一步先把目录整理成训练脚本好读的结构hair_seg_dataset/ ├── images/ │ ├── img_0001.jpg │ ├── img_0002.jpg │ └── ... ├── masks/ │ ├── img_0001.png │ ├── img_0002.png │ └── ... └── split/ ├── train.txt └── val.txttrain.txt和val.txt里每行写一个文件名前缀比如img_0001。训练时按前缀去images和masks里找对应的图。这里有个容易踩的坑原图是JPG标签必须是PNG因为JPG有损压缩会在头发边缘产生噪点导致标签边界出现一圈灰色的过渡像素。整理数据时务必检查一下标签文件的位深——大多数情况下是8位单通道如果有16位或者带alpha通道的PNG读进来时要做降位处理。3.2 灰度掩码转训练标签代码与边界处理训练脚本里读标签时不能直接把灰度图当作0/1标签用。很多分割框架读入的是三通道RGB图虽然视觉上看起来是黑白的但数值上是三通道重复的RGB三元组。直接扔给损失函数会出问题。下面这段代码是标准做法把灰度掩码转成模型需要的单通道二值标签import cv2 import numpy as np def load_mask(mask_path, target_size(512, 512)): mask cv2.imread(mask_path, cv2.IMREAD_GRAYSCALE) if mask is None: raise FileNotFoundError(f掩码读取失败: {mask_path}) # 把任意非零像素统一为前景避免灰色过渡像素干扰 mask (mask 127).astype(np.uint8) # 缩放到目标尺寸INTER_NEAREST保证标签不产生中间值 mask cv2.resize(mask, target_size, interpolationcv2.INTER_NEAREST) # 最终标签形状为 (H, W)值为0或1 return mask这里最关键的一行是mask 127的阈值处理它把边缘的浅灰色过渡像素强制归为背景或前景避免训练时出现“既不是0也不是1”的模糊标签。INTER_NEAREST也是血泪经验如果用线性插值缩放标签会在头发边缘生成一圈软边模型看到的是各种小数灰度值训练时loss根本降不下去。插值方式选错会让你的损失曲线变成心电图。3.3 数据增强策略在保持头发语义前提下做变换头发分割的增强要围绕“几何变形”和“光照微调”来做不能像通用检测那样随意裁剪。比如随机水平翻转是安全的头发左右对称翻转不改变语义。随机缩放和裁剪稍微危险一点裁剪时必须保证头发主体还在图内否则标签里只有一小撮头发训练样本质量直线下降。我一般用下面这套增强组合实测稳定# 使用albumentations库它保证image和mask同步变换 import albumentations as A train_transform A.Compose([ A.RandomResizedCrop(height512, width512, scale(0.7, 1.0), ratio(0.75, 1.33)), A.HorizontalFlip(p0.5), A.Rotate(limit15, border_modecv2.BORDER_CONSTANT, mask_value0), A.RandomBrightnessContrast(brightness_limit0.1, contrast_limit0.1, p0.3), A.Normalize(mean[0.485, 0.456, 0.406], std[0.229, 0.224, 0.225]), ])Rotate的mask_value0必须设置——如果旋转后图里出现黑边标签区域也必须填背景值否则黑边会被当成头发学习。RandomBrightnessContrast的幅度控制在0.1以内这就是前面说的“不能篡改头发颜色语义”。如果你想做更强的颜色增强一个笨但有效的办法是只在HSV空间的V通道上微调亮度尽量不碰H通道——H通道决定了头发是什么颜色动了它等于造假标签。4. 跑通训练闭环U-Net训练脚本与4个必调参数4.1 最小训练脚本从数据加载到反向传播这里给出一个可以直接跑的U-Net训练脚本骨架用PyTorch实现。模型结构省略用segmentation_models_pytorch库加载预训练U-Net省去手写encoder的时间。训练的核心逻辑是每张图都要同时做原图和标签的变换loss计算时只对前景类别做加权处理。import torch import torch.nn as nn from torch.utils.data import Dataset, DataLoader import segmentation_models_pytorch as smp class HairDataset(Dataset): def __init__(self, file_list, img_dir, mask_dir, transformNone): self.file_list file_list self.img_dir img_dir self.mask_dir mask_dir self.transform transform def __getitem__(self, idx): name self.file_list[idx].strip() img cv2.imread(f{self.img_dir}/{name}.jpg) img cv2.cvtColor(img, cv2.COLOR_BGR2RGB) mask load_mask(f{self.mask_dir}/{name}.png, target_size(512, 512)) if self.transform: transformed self.transform(imageimg, maskmask) img transformed[image] mask transformed[mask] img torch.from_numpy(img.transpose(2, 0, 1)).float() mask torch.from_numpy(mask).long() return img, mask # 模型用efficientnet-b0作为backbone输入3通道输出1类头发 model smp.Unet(encoder_nameefficientnet-b0, encoder_weightsimagenet, in_channels3, classes1).cuda() # 损失函数Dice Loss BCE的组合后面会讲为什么 loss_fn smp.losses.DiceLoss(modebinary) nn.BCEWithLogitsLoss() optimizer torch.optim.AdamW(model.parameters(), lr3e-4, weight_decay1e-4) scheduler torch.optim.lr_scheduler.CosineAnnealingLR(optimizer, T_max50) for epoch in range(50): model.train() for img, mask in DataLoader(train_dataset, batch_size8, shuffleTrue, num_workers4): img, mask img.cuda(), mask.cuda() logits model(img).squeeze(1) # (B, 1, H, W) - (B, H, W) loss loss_fn(logits, mask.float()) optimizer.zero_grad() loss.backward() optimizer.step() scheduler.step() print(fepoch {epoch}: loss {loss.item():.4f})这段代码里有几个隐含设计。classes1表示二分类只输出一个通道经过sigmoid后就是“头发概率图”。smp.losses.DiceLoss(modebinary)专门处理类别不均它对前景区域直接计算Dice系数不管背景多大。损失函数加BCE是为了让梯度更平滑Dice loss在预测全黑时梯度很弱BCE能拉一把。4.2 损失函数怎么选为什么单用交叉熵会翻车交叉熵在每像素上独立计算背景像素数量碾压头发像素时模型只要全预测背景就能拿到极低的loss。你可以自己算一下一张512×512的图头发占10%交叉熵损失里90%的梯度都来自背景模型学到的几乎只是“背景长什么样”。Dice Loss绕开了这个问题——它把预测和标签当成两个整体来计算重叠度对前景和背景的权重天然均衡。但Dice Loss也有缺点训练初期预测完全随机时它容易震荡因为前景区域可能预测得到处都是噪点。所以实际训练中我习惯把Dice Loss和BCE按1:1相加。还有一个选择是Focal Loss它对难分像素比如发丝边缘会加大权重但调参成本高2000张数据时容易过拟合。先用DiceBCE跑完一个完整epoch看loss曲线如果后段波动大再考虑换Focal。4.3 训练时的4个必调参数尺寸、batch、学习率、epoch数第一个是输入尺寸。头发分割的输入分辨率直接决定边缘质量——512×512是底线224×224跑出来的mask边缘锯齿感特别强因为发丝只有几个像素宽低分辨率下直接被抹平。但输入尺寸也不是越大越好1024×1024会让batch size被迫降到2以下BN层基本失效。第二个是batch size。二分类分割其实不太吃大batch8到16就够。显存不够时优先减小batch而不是缩小图片——图片小了边缘会锐度下降batch小了只是训练慢一点。第三个是学习率。用预训练encoder时初始学习率3e-4是安全的从头训练的话建议降到1e-4以下。AdamW配余弦退火是个稳定的组合50个epoch内不需要手动调学习率。第四个是epoch数。2000张数据、512输入、batch 8大约每epoch 250步。通常30到50个epoch就能收敛超过50个epoch后验证集mIoU不再提升就果断停。不要追求loss降到0——分割任务loss降到0.05以下基本意味着过拟合val集反而会掉点。5. 避坑头发分割项目最常见的5个翻车现场5.1 标签编码错位mask里出现了255现象训练时loss非常低但预测结果全黑或者全白。原因有些数据集的掩码不是0/1二值而是0和255。如果直接读入标签不做阈值处理255这个数值会被当成一个独立类别参与训练模型学到的是“输出255才是头发”。预测时sigmoid输出范围是0到1永远到不了255于是输出全黑。解决所有标签统一做mask 127的阈值处理确保标签只有0和1两个值。如果标签里有255加载后打印np.unique(mask)就能看出来。5.2 数据增强把头发“染”了色现象训练集上mIoU很高但验证集上金发和红发的分割效果特别差。原因增强时用了RandomHSV或者大范围的亮度调整把金发变成了棕发等于把标签的视觉特征篡改。头发分割里颜色本身就是区分前景背景的重要特征你这么一改模型学到的颜色语义就乱了。解决颜色类增强幅度控制在10%以内或者干脆只保留几何增强。头发分割不是靠颜色多样性来提升泛化而是靠边缘形状和位置信息。真想加难度可以加高斯模糊模拟景深这比调颜色安全得多。5.3 类别极度不均时模型输出全黑现象前几个epoch loss下降很快但预测图全黑没有一块白色区域。原因Dice Loss在背景占绝对主导时如果模型开局就预测得比较保守Dice的梯度方向会把预测往“更保守”的方向推——全预测背景的Dice其实是0但loss并没有特别高。BCE的加入能缓解但如果BCE权重太低这种情况还是会出现。解决把BCE的权重提到1.0以上或者在前5个epoch给模型“热启动”一下——用Focal Loss或者给背景像素降低采样权重。还有一个土办法训练前手动把预测概率的bias初始化成log(0.1/0.9)让模型开局就不那么倾向于全背景。5.4 推理时把resize后的mask直接覆盖原图现象分割结果看起来形状对但位置偏移尤其在图片边缘。原因训练时图像被resize到512×512预测出的mask也是512×512。有些代码直接把这张小mask贴回原图没有映射回原图坐标。如果原图是1080×1920贴回去时位置怎么会对。解决推理时记录原图的宽高把模型输出resize回原图尺寸再在原始坐标系上做后处理。如果做了RandomResizedCrop推理时还要记得先做同样的resize预测完再resize回去。5.5 mIoU很高但视觉很差只算前景不看边缘现象验证集mIoU有0.9但把分割结果叠在原图上头发边缘像锯齿发丝细节丢失。原因mIoU对边缘的惩罚很弱——边缘只有一圈像素即便全错也只占总像素的百分之几。很多论文指标看着漂亮实际放到产品里一放大全是问题。这就是为什么头发分割项目一定要做“边缘像素级别的目检”不能只看数字。解决训练后单独计算头发边缘的IoU——把标签边缘膨胀2个像素只在这圈区域里算预测准确率。如果边缘准确率低于70%说明模型学到的边缘纹理不够考虑加大输入尺寸或者换HRNet。6. 验证与进阶从2000张数据到可交付的头发分割模块6.1 单张推理与结果可视化训练完成后最直接的验证方式是写一段推理脚本把分割结果和原图叠在一起看。这里有个细节推理时要把模型输出的概率图resize回原图尺寸再用阈值二值化。阈值一般定0.5但如果模型输出偏保守可以降到0.3试试看边缘是否更完整。model.eval() with torch.no_grad(): img cv2.imread(test.jpg) h, w img.shape[:2] # 推理时用原始长宽比resize避免形变 img_resized cv2.resize(img, (512, 512)) tensor torch.from_numpy(img_resized.transpose(2, 0, 1)).float().unsqueeze(0).cuda() prob torch.sigmoid(model(tensor)).squeeze().cpu().numpy() mask cv2.resize(prob, (w, h), interpolationcv2.INTER_LINEAR) mask_binary (mask 0.5).astype(np.uint8) * 255 # 叠加上色效果 overlay img.copy() overlay[mask_binary 0] (0, 180, 255) # 头发区域标成亮黄色6.2 头发分割的上游价值美业AR、脱发分析、发型推荐2000张数据训练出的U-Net虽然不能直接商用但它已经足够搭建一个MVP。我做完这个模块后最直接的收获是给后续的“发型更换”算法提供了干净的输入——原本用检测框裁剪头发总把肩膀和背景带进来换成语义分割mask后颜色迁移和纹理合成的效果上了一个台阶。这也是这个项目的扩展方向把分割结果作为中间产物再接一个发色迁移网络就变成了一个虚拟染发工具。整个方向性价比最高的路径就是用这套小数据集把U-Net的训练和推理链路跑熟再逐步扩展数据量而不是一开始就追求大模型。我的习惯是把训练日志、验证集边缘准确率和每次改动的参数记录在一个md文件里翻车的时候能迅速定位是数据问题还是模型问题。头发分割这个任务走到后面你会发现真正卡你的不是模型结构而是数据质量和标签一致性。希望这篇分享能帮你少走几步弯路。本文还有配套的精品资源点击获取 头发语义分割实战：2000张数据训练U-Net的完整流程与避坑指南
简介这是一份面向计算机视觉图像分割任务的头发生物语义分割数据集共约2200张已标注图像按2类分割背景与头发设计适合用于训练UNet、DeepLab等语义分割模型也适合入门分割项目实践。包内数据已完成训练集/验证集划分训练集约1570张图片与对应mask验证集约670张均为png/jpg格式全部数据已预处理可直接训练无需额外清洗。压缩包共2000个文件主要以png标签图1325个、jpg原图674个为主并附赠一个Python可视化脚本可从数据集中随机抽取样本将原始图片、GT标签图及GT叠加蒙版图一并展示便于快速检查标注质量。资源包大小52.9MB体量精简、结构清晰目前已有52人学习使用适合算法工程师、科研人员及毕设学生快速获取头发分割的干净数据集省去整理与划分数据的时间直接投入模型训练与效果验证。1. 头发语义分割是什么2000张标注数据能撑起什么项目做图像分割的人大多遇到过这种需求给一张人像照片把头发区域精确地抠出来。换发型App、虚拟试戴发饰、脱发分析、直播美颜里的发丝美化底层都是同一个任务——头发语义分割。最近在做一个发妆推荐系统时我用一套2000多张带标注的头发分割数据集把整个流程跑通了从数据组织、模型选型到训练推理踩了不少坑这篇就把完整方案和边界讲清楚。这套数据集的规模放在语义分割里属于“小而精”2000多张图每张都有对应的像素级标签用来训练一个U-Net或者DeepLabV3足够起步。相比医学图像分割动辄上万张的体量它更适合当计算机视觉大作业、毕设或者中小型产品的视觉基线。但要说明白2000张不等于2000个有效样本头发分割的难点在于类别极其不均——背景像素常常占80%以上头发只占一小块这个特性决定了数据处理和损失函数都不能照搬通用分割套路。下面从任务选型开始把整条链路拆开讲。2. 从任务到模型为什么头发分割要选语义分割而不是目标检测2.1 语义分割和实例分割、目标检测的分工图像分割这个方向下目标检测给的是框实例分割给的是“每个个体”的轮廓语义分割给的是“每个像素属于哪个类别”。头发分割要的是后者不管图里有一个人还是三个人不管头发是披着还是扎着最终要的是“这个像素是不是头发”的逐像素判断。如果你用YOLO系的实例分割来做它会按人头把头发切成一坨一坨独立的mask两个人头发挨在一起时还会被强行分成两个实例这在后续需要“整片头发区域”的算法里就是灾难。从计算机视觉的任务光谱来看头发语义分割属于最基础但也最实用的像素级分类。它不追求区分“谁的头发”只追求“哪里是头发”这让它的标签制作和模型结构都更简单。训练时每张图的标签是一张和原图同尺寸的灰度图头发区域标成白色255背景标成黑色0干净利落。这也是为什么2000多张数据能跑出可用效果——任务本身是二分类不需要处理多个实例的编号问题。2.2 头发场景的特殊性类别不均、边缘精细度与颜色陷阱头发分割和通用语义分割有个关键差异发丝边缘极其精细而且头发颜色跨度极大。黑发、金发、红发、挑染在RGB空间里分布非常散。如果直接用交叉熵损失训练模型会倾向于把所有像素都预测成背景因为背景占比太高全预测背景也能得到很低的loss。这就是类别不均问题后面会专门讲怎么处理。另一个坑是数据增强。做通用分割时随机亮度、饱和度调整很常见但在头发分割里把金发调成暗棕色、把黑发调出高光等于篡改标签语义——头发还是那片头发颜色变了模型学到的颜色特征就不稳定。更极端的是灰度化直接把颜色信息抹掉黑发和金发在灰度图里非常接近模型反而更容易混淆。所以这个项目的增强策略要克制几何变换为主颜色变换为辅。2.3 模型选型U-Net、DeepLabV3、HRNet怎么选2000张数据量级下模型选择直接决定你晚上能不能睡着。我的建议是默认从U-Net起步。它的结构简单encoder-decoder带skip connection对小数据集、二分类分割非常友好训练速度快显存要求低一张消费级显卡就能跑。DeepLabV3的空洞卷积能加大感受野对“大片连续头发区域”的分割更稳但训练收敛慢数据少时容易过拟合。HRNet在头发分割里其实表现很好因为它始终保持高分辨率特征图对发丝这种精细边缘有天然优势。但代价是显存占用和训练时间都明显上升2000张数据至少要训练两倍时间才能看到效果。我一般的工作流是先用U-Net跑通全流程验证数据和标签没问题再换DeepLabV3或者HRNet提精度。不要一上来就上大模型数据预处理和损失函数没调好再大的模型也是黑匣子。3. 把2000多张数据集和标签组织成训练集预处理全流程3.1 数据集目录与掩码的组织方式拿到的2000多张数据集通常已经分好了原图和标签。原图是JPG或者PNG标签是单通道灰度PNG头发区域为白色、背景为黑色。这种格式叫VOC风格掩码也是语义分割数据集制作最常用的组织方式。第一步先把目录整理成训练脚本好读的结构hair_seg_dataset/ ├── images/ │ ├── img_0001.jpg │ ├── img_0002.jpg │ └── ... ├── masks/ │ ├── img_0001.png │ ├── img_0002.png │ └── ... └── split/ ├── train.txt └── val.txttrain.txt和val.txt里每行写一个文件名前缀比如img_0001。训练时按前缀去images和masks里找对应的图。这里有个容易踩的坑原图是JPG标签必须是PNG因为JPG有损压缩会在头发边缘产生噪点导致标签边界出现一圈灰色的过渡像素。整理数据时务必检查一下标签文件的位深——大多数情况下是8位单通道如果有16位或者带alpha通道的PNG读进来时要做降位处理。3.2 灰度掩码转训练标签代码与边界处理训练脚本里读标签时不能直接把灰度图当作0/1标签用。很多分割框架读入的是三通道RGB图虽然视觉上看起来是黑白的但数值上是三通道重复的RGB三元组。直接扔给损失函数会出问题。下面这段代码是标准做法把灰度掩码转成模型需要的单通道二值标签import cv2 import numpy as np def load_mask(mask_path, target_size(512, 512)): mask cv2.imread(mask_path, cv2.IMREAD_GRAYSCALE) if mask is None: raise FileNotFoundError(f掩码读取失败: {mask_path}) # 把任意非零像素统一为前景避免灰色过渡像素干扰 mask (mask 127).astype(np.uint8) # 缩放到目标尺寸INTER_NEAREST保证标签不产生中间值 mask cv2.resize(mask, target_size, interpolationcv2.INTER_NEAREST) # 最终标签形状为 (H, W)值为0或1 return mask这里最关键的一行是mask 127的阈值处理它把边缘的浅灰色过渡像素强制归为背景或前景避免训练时出现“既不是0也不是1”的模糊标签。INTER_NEAREST也是血泪经验如果用线性插值缩放标签会在头发边缘生成一圈软边模型看到的是各种小数灰度值训练时loss根本降不下去。插值方式选错会让你的损失曲线变成心电图。3.3 数据增强策略在保持头发语义前提下做变换头发分割的增强要围绕“几何变形”和“光照微调”来做不能像通用检测那样随意裁剪。比如随机水平翻转是安全的头发左右对称翻转不改变语义。随机缩放和裁剪稍微危险一点裁剪时必须保证头发主体还在图内否则标签里只有一小撮头发训练样本质量直线下降。我一般用下面这套增强组合实测稳定# 使用albumentations库它保证image和mask同步变换 import albumentations as A train_transform A.Compose([ A.RandomResizedCrop(height512, width512, scale(0.7, 1.0), ratio(0.75, 1.33)), A.HorizontalFlip(p0.5), A.Rotate(limit15, border_modecv2.BORDER_CONSTANT, mask_value0), A.RandomBrightnessContrast(brightness_limit0.1, contrast_limit0.1, p0.3), A.Normalize(mean[0.485, 0.456, 0.406], std[0.229, 0.224, 0.225]), ])Rotate的mask_value0必须设置——如果旋转后图里出现黑边标签区域也必须填背景值否则黑边会被当成头发学习。RandomBrightnessContrast的幅度控制在0.1以内这就是前面说的“不能篡改头发颜色语义”。如果你想做更强的颜色增强一个笨但有效的办法是只在HSV空间的V通道上微调亮度尽量不碰H通道——H通道决定了头发是什么颜色动了它等于造假标签。4. 跑通训练闭环U-Net训练脚本与4个必调参数4.1 最小训练脚本从数据加载到反向传播这里给出一个可以直接跑的U-Net训练脚本骨架用PyTorch实现。模型结构省略用segmentation_models_pytorch库加载预训练U-Net省去手写encoder的时间。训练的核心逻辑是每张图都要同时做原图和标签的变换loss计算时只对前景类别做加权处理。import torch import torch.nn as nn from torch.utils.data import Dataset, DataLoader import segmentation_models_pytorch as smp class HairDataset(Dataset): def __init__(self, file_list, img_dir, mask_dir, transformNone): self.file_list file_list self.img_dir img_dir self.mask_dir mask_dir self.transform transform def __getitem__(self, idx): name self.file_list[idx].strip() img cv2.imread(f{self.img_dir}/{name}.jpg) img cv2.cvtColor(img, cv2.COLOR_BGR2RGB) mask load_mask(f{self.mask_dir}/{name}.png, target_size(512, 512)) if self.transform: transformed self.transform(imageimg, maskmask) img transformed[image] mask transformed[mask] img torch.from_numpy(img.transpose(2, 0, 1)).float() mask torch.from_numpy(mask).long() return img, mask # 模型用efficientnet-b0作为backbone输入3通道输出1类头发 model smp.Unet(encoder_nameefficientnet-b0, encoder_weightsimagenet, in_channels3, classes1).cuda() # 损失函数Dice Loss BCE的组合后面会讲为什么 loss_fn smp.losses.DiceLoss(modebinary) nn.BCEWithLogitsLoss() optimizer torch.optim.AdamW(model.parameters(), lr3e-4, weight_decay1e-4) scheduler torch.optim.lr_scheduler.CosineAnnealingLR(optimizer, T_max50) for epoch in range(50): model.train() for img, mask in DataLoader(train_dataset, batch_size8, shuffleTrue, num_workers4): img, mask img.cuda(), mask.cuda() logits model(img).squeeze(1) # (B, 1, H, W) - (B, H, W) loss loss_fn(logits, mask.float()) optimizer.zero_grad() loss.backward() optimizer.step() scheduler.step() print(fepoch {epoch}: loss {loss.item():.4f})这段代码里有几个隐含设计。classes1表示二分类只输出一个通道经过sigmoid后就是“头发概率图”。smp.losses.DiceLoss(modebinary)专门处理类别不均它对前景区域直接计算Dice系数不管背景多大。损失函数加BCE是为了让梯度更平滑Dice loss在预测全黑时梯度很弱BCE能拉一把。4.2 损失函数怎么选为什么单用交叉熵会翻车交叉熵在每像素上独立计算背景像素数量碾压头发像素时模型只要全预测背景就能拿到极低的loss。你可以自己算一下一张512×512的图头发占10%交叉熵损失里90%的梯度都来自背景模型学到的几乎只是“背景长什么样”。Dice Loss绕开了这个问题——它把预测和标签当成两个整体来计算重叠度对前景和背景的权重天然均衡。但Dice Loss也有缺点训练初期预测完全随机时它容易震荡因为前景区域可能预测得到处都是噪点。所以实际训练中我习惯把Dice Loss和BCE按1:1相加。还有一个选择是Focal Loss它对难分像素比如发丝边缘会加大权重但调参成本高2000张数据时容易过拟合。先用DiceBCE跑完一个完整epoch看loss曲线如果后段波动大再考虑换Focal。4.3 训练时的4个必调参数尺寸、batch、学习率、epoch数第一个是输入尺寸。头发分割的输入分辨率直接决定边缘质量——512×512是底线224×224跑出来的mask边缘锯齿感特别强因为发丝只有几个像素宽低分辨率下直接被抹平。但输入尺寸也不是越大越好1024×1024会让batch size被迫降到2以下BN层基本失效。第二个是batch size。二分类分割其实不太吃大batch8到16就够。显存不够时优先减小batch而不是缩小图片——图片小了边缘会锐度下降batch小了只是训练慢一点。第三个是学习率。用预训练encoder时初始学习率3e-4是安全的从头训练的话建议降到1e-4以下。AdamW配余弦退火是个稳定的组合50个epoch内不需要手动调学习率。第四个是epoch数。2000张数据、512输入、batch 8大约每epoch 250步。通常30到50个epoch就能收敛超过50个epoch后验证集mIoU不再提升就果断停。不要追求loss降到0——分割任务loss降到0.05以下基本意味着过拟合val集反而会掉点。5. 避坑头发分割项目最常见的5个翻车现场5.1 标签编码错位mask里出现了255现象训练时loss非常低但预测结果全黑或者全白。原因有些数据集的掩码不是0/1二值而是0和255。如果直接读入标签不做阈值处理255这个数值会被当成一个独立类别参与训练模型学到的是“输出255才是头发”。预测时sigmoid输出范围是0到1永远到不了255于是输出全黑。解决所有标签统一做mask 127的阈值处理确保标签只有0和1两个值。如果标签里有255加载后打印np.unique(mask)就能看出来。5.2 数据增强把头发“染”了色现象训练集上mIoU很高但验证集上金发和红发的分割效果特别差。原因增强时用了RandomHSV或者大范围的亮度调整把金发变成了棕发等于把标签的视觉特征篡改。头发分割里颜色本身就是区分前景背景的重要特征你这么一改模型学到的颜色语义就乱了。解决颜色类增强幅度控制在10%以内或者干脆只保留几何增强。头发分割不是靠颜色多样性来提升泛化而是靠边缘形状和位置信息。真想加难度可以加高斯模糊模拟景深这比调颜色安全得多。5.3 类别极度不均时模型输出全黑现象前几个epoch loss下降很快但预测图全黑没有一块白色区域。原因Dice Loss在背景占绝对主导时如果模型开局就预测得比较保守Dice的梯度方向会把预测往“更保守”的方向推——全预测背景的Dice其实是0但loss并没有特别高。BCE的加入能缓解但如果BCE权重太低这种情况还是会出现。解决把BCE的权重提到1.0以上或者在前5个epoch给模型“热启动”一下——用Focal Loss或者给背景像素降低采样权重。还有一个土办法训练前手动把预测概率的bias初始化成log(0.1/0.9)让模型开局就不那么倾向于全背景。5.4 推理时把resize后的mask直接覆盖原图现象分割结果看起来形状对但位置偏移尤其在图片边缘。原因训练时图像被resize到512×512预测出的mask也是512×512。有些代码直接把这张小mask贴回原图没有映射回原图坐标。如果原图是1080×1920贴回去时位置怎么会对。解决推理时记录原图的宽高把模型输出resize回原图尺寸再在原始坐标系上做后处理。如果做了RandomResizedCrop推理时还要记得先做同样的resize预测完再resize回去。5.5 mIoU很高但视觉很差只算前景不看边缘现象验证集mIoU有0.9但把分割结果叠在原图上头发边缘像锯齿发丝细节丢失。原因mIoU对边缘的惩罚很弱——边缘只有一圈像素即便全错也只占总像素的百分之几。很多论文指标看着漂亮实际放到产品里一放大全是问题。这就是为什么头发分割项目一定要做“边缘像素级别的目检”不能只看数字。解决训练后单独计算头发边缘的IoU——把标签边缘膨胀2个像素只在这圈区域里算预测准确率。如果边缘准确率低于70%说明模型学到的边缘纹理不够考虑加大输入尺寸或者换HRNet。6. 验证与进阶从2000张数据到可交付的头发分割模块6.1 单张推理与结果可视化训练完成后最直接的验证方式是写一段推理脚本把分割结果和原图叠在一起看。这里有个细节推理时要把模型输出的概率图resize回原图尺寸再用阈值二值化。阈值一般定0.5但如果模型输出偏保守可以降到0.3试试看边缘是否更完整。model.eval() with torch.no_grad(): img cv2.imread(test.jpg) h, w img.shape[:2] # 推理时用原始长宽比resize避免形变 img_resized cv2.resize(img, (512, 512)) tensor torch.from_numpy(img_resized.transpose(2, 0, 1)).float().unsqueeze(0).cuda() prob torch.sigmoid(model(tensor)).squeeze().cpu().numpy() mask cv2.resize(prob, (w, h), interpolationcv2.INTER_LINEAR) mask_binary (mask 0.5).astype(np.uint8) * 255 # 叠加上色效果 overlay img.copy() overlay[mask_binary 0] (0, 180, 255) # 头发区域标成亮黄色6.2 头发分割的上游价值美业AR、脱发分析、发型推荐2000张数据训练出的U-Net虽然不能直接商用但它已经足够搭建一个MVP。我做完这个模块后最直接的收获是给后续的“发型更换”算法提供了干净的输入——原本用检测框裁剪头发总把肩膀和背景带进来换成语义分割mask后颜色迁移和纹理合成的效果上了一个台阶。这也是这个项目的扩展方向把分割结果作为中间产物再接一个发色迁移网络就变成了一个虚拟染发工具。整个方向性价比最高的路径就是用这套小数据集把U-Net的训练和推理链路跑熟再逐步扩展数据量而不是一开始就追求大模型。我的习惯是把训练日志、验证集边缘准确率和每次改动的参数记录在一个md文件里翻车的时候能迅速定位是数据问题还是模型问题。头发分割这个任务走到后面你会发现真正卡你的不是模型结构而是数据质量和标签一致性。希望这篇分享能帮你少走几步弯路。本文还有配套的精品资源点击获取