从测试转开发三年后，我用 OpenCV + YOLO 搞定了一个“找茬”项目
大家好，我是阿哲，坐标深圳南山科技园，目前在一家腾讯系公司做后端开发。没错，我就是那个“半路出家”的选手——三年前还是个手动点按钮的 QA，现在天天和 Docker、K8s、Rust（最近新欢）打交道。中间经历了无数个被 P0 Bug 虐哭的夜晚，也终于理解了为什么开发总说“这需求很简单，你怎么测不出来”。
今天想和大家聊聊上个月搞的一个计算机视觉小项目。起因特别接地气：产品经理在双11大促前一周突然跑来，说“用户反馈我们商品主图里经常混进竞品 Logo，能不能自动检测一下？” 我当时心里一万个草泥马奔腾而过——这不就是图像里的“找茬”游戏吗？但嘴上还得说：“OK，我评估下。”
为什么不是直接调百度 AI？
别笑，真有人这么建议。但现实很骨感：
- 公司对数据隐私要求高，图片不能外传
- 调外部 API 成本太高（按次收费，双11流量爆炸）
- 最重要的是——我想自己搞！（顺便为跳槽攒点 CV 亮点）
于是，我决定自己训个模型。目标很明确：识别商品图中是否包含特定竞品 Logo（比如某宝、某东的图标）。数据集？内部爬了 5000 张带 Logo 的图，再合成 5000 张干净图，凑合能用。
选型：YOLOv5 还是 MobileNet？
一开始我想上 YOLOv8，但团队老哥一句话把我拉回现实：“你确定要在 CVM 上跑？我们可没预算开 GPU 实例。” 好吧，现实是：线上服务只能用 CPU。
于是我做了个简单对比（实测 1080P 图片，Intel Xeon 4 核）：
| 模型 | mAP@0.5 | 推理时间 (ms) | 模型大小 (MB) | 是否支持 ONNX |
|---|---|---|---|---|
| YOLOv5s | 0.89 | 120 | 14 | ✅ |
| MobileNet-SSD | 0.76 | 85 | 21 | ✅ |
| EfficientDet-D0 | 0.82 | 210 | 35 | ❌（导出麻烦） |
最后选了 YOLOv5s ——精度够用，推理速度尚可，关键是 Ultralytics 的 repo 太香了，连训练脚本都给你写好了。而且支持 ONNX 导出，方便后面用 Rust 重写推理服务（别问，问就是 Rust 真香）。
训练：从“Loss 不降”到“召回率爆表”
训练过程简直是一部血泪史。第一天跑完 100 epochs，Loss 卡在 2.5 不动，预测结果全是背景。我一度怀疑人生，直到发现：数据标注格式错了！
YOLO 要求归一化坐标 (x_center, y_center, width, height)，但我导出的是 (xmin, ymin, xmax, ymax)。改完后，第二天 Loss 直接干到 0.3，验证集 mAP 冲到 0.85。那一刻，我差点在工位上跳起来（还好隔壁同事戴耳机没看见）。
调参时还踩了个坑：默认 anchor 尺寸不适合我们的 Logo（太小了）。用 kmeans 重新聚类后，小 Logo 的召回率从 60% 提升到 88%。附上关键命令：
# 用官方工具重新计算 anchors
python -m yolov5.utils.autoanchor --weights yolov5s.pt --data logo.yaml --imgsz 640
集成上线：OpenCV + ONNX Runtime 拯救世界
模型训好了，怎么塞进现有服务？我们后端是 Go + Gin，但 CV 推理这种 CPU 密集型任务，我死活不想用 cgo（怕内存泄漏背锅）。于是灵机一动：单独起个 Rust 服务！
先用 PyTorch 导出 ONNX：
model = torch.hub.load('ultralytics/yolov5', 'custom', path='best.pt')
torch.onnx.export(model, dummy_input, "logo.onnx", opset_version=12)
然后用 Rust 的 tract 库加载 ONNX（比 onnxruntime 更轻量）：
use tract_onnx::prelude::*;
let model = onnx()
.model_for_path("logo.onnx")?
.into_optimized()?
.into_runnable()?;
let input = /* 把 OpenCV Mat 转成 NdArray */;
let result = model.run(tvec!(input.into()))?;
// 解析 output[0] 得到 bounding boxes
上线那天，运维大哥看我部署 Rust 服务一脸疑惑：“你们 Go 不香了？” 我只能苦笑：“Go 没有好的 ONNX 推理库啊...”
效果与反思：面试题素材+1！
上线两周，系统自动拦截了 1200+ 张违规图，准确率 92%，误杀率 <3%。最爽的是——再也不用半夜被“Logo 漏检”告警吵醒了！
回头想想，这个项目其实完美覆盖了 CV 工程化的全链路：数据清洗 → 模型选型 → 训练调优 → 推理部署 → 线上监控。上周组内分享时，实习生直接问：“这能当面试题讲吗？” 我笑了：“当然！现在大厂面试官最爱问这种‘端到端落地’的问题。”
比如这些灵魂拷问，我都经历过：
- “如果 Logo 特别小怎么办？” → 答：多尺度训练 + 自定义 anchor
- “CPU 推理太慢怎么优化？” → 答：ONNX + TensorRT（可惜我们没 GPU）
- “误杀怎么处理？” → 答：加一层人工复核队列 + 主动学习回流
给想入坑 CV 的同学几点建议
- 别死磕 SOTA 模型：工业界要的是稳定、快、省资源，不是刷榜。YOLOv5 虽然老，但生态成熟，debug 友好。
- 数据 > 模型：我们 80% 的时间花在清洗和增强数据上。记得加旋转、模糊、亮度扰动——真实场景哪有干净图？
- 部署才是终极考验：训得再好，跑不起来等于零。早点考虑 ONNX、TensorRT、甚至 WebAssembly（前端也能跑！）
- 善用开源：Ultralytics、Roboflow、LabelImg 这些工具能省你 90% 的时间。别重复造轮子！
最后自嘲一句：作为前测试，我现在写代码都会多加几行日志——毕竟，谁也不想半夜被自己写的 Bug 叫醒，对吧？
如果你也在深圳搞 CV 或 Rust，欢迎交流！说不定哪天就在科兴科学园楼下咖啡店偶遇，一起吐槽产品经理的新需求 😎
评论 0