准备数据
训练前先确认图片来源合法、目标类别清晰、数据目录结构稳定。建议将原始图片、标注文件和训练输出分开存放，避免后续覆盖。
- 类别名称保持一致，不要频繁调整顺序，否则容易导致标签错位。
- 训练集和验证集尽量覆盖不同光照、角度和背景，而不是只采集单一场景。
- 涉及人脸、车牌、工厂、门店或内部视频时，应先确认授权范围和用途边界。
检查标注
训练前优先检查标签缺失、框坐标异常、类别越界和路径问题。多数训练报错和效果偏差，源头都出在数据质量而不是参数本身。
配置训练
小数据集可先用轻量模型和较小尺寸测试流程，再根据显存、样本数量和目标尺寸调整参数。每次调整建议记录模型版本、参数组合和结果指标。
推理与导出
训练完成后先用未参与训练的图片或视频测试效果，再决定是否继续补数据或优化参数。导出前建议同步记录权重版本、训练配置和目标部署环境。
YOLO 工具应只用于合法、授权的数据和场景，不要用于未授权监控、隐私识别或越权分析。