Trở lại
TIN TỨC • EHUB

Chuẩn bị dataset YOLO: checklist trước khi training

Camera và thiết bị phục vụ computer vision

ARTICLE_ID: EHUB-CV-GUIDE-001  |  Version: V1.0  |  Status: PUBLISHED SAMPLE

Nhiều dự án computer vision thất bại không phải vì model yếu mà vì dataset thiếu nhất quán. Dataset cần được kiểm tra trước khi GPU bắt đầu training.

1. Khóa danh sách class

Tên class và class ID phải ổn định trước khi annotate hàng loạt.

2. Kiểm tra label

Chọn mẫu ngẫu nhiên ở từng class; tìm box lệch, thiếu object, class sai và ảnh không nhãn.

3. Tách train/validation hợp lý

Tránh để các frame gần nhau từ cùng một video rơi vào cả train và validation gây leakage.

4. Kiểm tra độ đa dạng

Ánh sáng, góc chụp, khoảng cách, nền và kích thước object cần phản ánh điều kiện thật.

5. Kiểm tra YAML

Đường dẫn train/val và bảng names phải khớp dataset thực tế.

6. Chạy dataset nhỏ trước

Dùng subset nhỏ để xác minh pipeline trước khi training dài.

Checklist nhanh

  • ☐ Class list đã khóa
  • ☐ Label sample PASS
  • ☐ Không leakage rõ ràng
  • ☐ YAML đúng
  • ☐ Có validation split
  • ☐ Đã smoke-test dataset nhỏ

Nguồn tham khảo

Cập nhật: 19/11/2026. Nội dung được biên tập theo EHUB EDITORIAL & DESIGN V1.1.

Trao đổi cùng Ehub

Cần trao đổi sâu hơn về chủ đề trong bài viết, chương trình giáo dục, công nghệ hoặc cơ hội hợp tác?

Bài viết liên quan

Tiếp tục khám phá Ehub

Khám phá thêm các nội dung về Giáo dục, Công nghệ, Giải pháp và Hợp tác trong hệ sinh thái Ehub.