據(jù)集：VOC轉(zhuǎn)YOLO與訓練避坑指南)
簡介這份資源是面向計算機視覺初學者與目標檢測實踐者的共享單車檢測數(shù)據(jù)集可直接用于YOLO系列算法的訓練、驗證與調(diào)參實驗幫助解決城市共享單車識別與計數(shù)等實際場景問題。壓縮包共272個文件包含136張jpg實拍圖片與136個xml標注文件圖片采集自不同城市環(huán)境覆蓋多種光照、視角與背景單車在顏色、品牌和使用狀態(tài)上差異明顯xml文件采用VOC格式逐張記錄邊界框坐標與類別信息便于直接接入常見檢測框架。資源包整體約90.08MB規(guī)模適中適合快速搭建實驗流程。目前已有107人學習下載。借助這套圖片與標簽組合讀者可完成數(shù)據(jù)加載、模型訓練、精度評估與部署驗證的完整鏈路并針對尺度變化、目標密集等難點優(yōu)化泛化能力為智能交通監(jiān)管與共享單車調(diào)度提供可復(fù)用的數(shù)據(jù)基礎(chǔ)。1. 共享單車檢測數(shù)據(jù)集從一堆散圖到 YOLO 可訓的 VOC 標簽共享單車檢測數(shù)據(jù)集這個方向真正卡住人的往往不是模型結(jié)構(gòu)而是數(shù)據(jù)。你拿到手的可能是一批街拍圖標簽是 VOC 格式的 XML每張圖里橫七豎八停著幾輛到幾十輛單車遮擋、逆光、密集堆疊全都有。這份資源就是沖著這個場景來的圖片加 VOC 格式標簽打包專門用于 YOLO 目標檢測訓練。它解決的是「沒有現(xiàn)成標注數(shù)據(jù)、自己標又太慢」的問題適合做智慧交通、城市治理、園區(qū)車輛管理的從業(yè)者也適合剛?cè)腴T想跑通一個真實檢測任務(wù)的新手。VOC 轉(zhuǎn) YOLO 是繞不開的第一步下面從數(shù)據(jù)本身講到訓練落地。2. 拆開壓縮包先看什么VOC 結(jié)構(gòu)與共享單車標注特點2.1 VOC 目錄長什么樣先確認三件事解壓之后常見做法是看到Annotations、JPEGImages、ImageSets三個目錄。Annotations放 XMLJPEGImages放原圖ImageSets/Main里通常有train.txt、val.txt。先別急著寫訓練腳本打開一個 XML 確認三件事文件名和圖片是否一一對應(yīng)、object里的name是不是統(tǒng)一寫成bicycle或bike、bndbox的坐標有沒有越界或為負。# 統(tǒng)計圖片數(shù)、XML 數(shù)快速判斷有沒有缺標簽 ls JPEGImages | wc -l ls Annotations | wc -l # 找出沒有對應(yīng) XML 的圖片 for f in JPEGImages/*.jpg; do base$(basename $f .jpg) [ -f Annotations/$base.xml ] || echo 缺標簽: $base done這段腳本做的是集合差集檢查。basename去掉路徑和后綴拿到主名再去Annotations里找同名 XML。缺標簽的圖如果直接進訓練YOLO 會把它當負樣本共享單車密集場景里這會明顯拉低召回。參數(shù)上沒什么可調(diào)的重點是先跑一遍把缺標簽和多余 XML 都清掉。2.2 共享單車標注的三個真實特點第一是類別單一但實例極多。一張路口圖里十幾輛單車是常態(tài)VOC 的 XML 會逐個列object轉(zhuǎn) YOLO 時不能漏。第二是遮擋嚴重車把、車座、車輪互相壓疊標注框往往只框可見部分訓練時要靠數(shù)據(jù)增強補。第三是尺度跨度大近處一輛車占半張圖遠處一排車每輛只有幾十像素這對 YOLO 的多尺度檢測頭是個考驗。提示先抽 20 張圖用標注工具過一遍確認框的松緊是否一致。標注風格不統(tǒng)一比數(shù)量少更致命。2.3 為什么選 VOC 而不是直接給 YOLO 格式VOC 是通用中間格式LabelImg、CVAT 這些工具默認就導出它社區(qū)里大量腳本也是圍繞 VOC 寫的。拿到 VOC 意味著你可以隨時轉(zhuǎn)成 YOLO、COCO 或別的格式不被單一框架綁死。代價就是多一步轉(zhuǎn)換但這一步腳本化之后一勞永逸。常見做法是把轉(zhuǎn)換腳本和劃分腳本都固化下來換數(shù)據(jù)集只改路徑。3. VOC 轉(zhuǎn) YOLO轉(zhuǎn)換腳本、坐標歸一化與數(shù)據(jù)集劃分3.1 坐標歸一化的原理VOC 的bndbox給的是絕對像素坐標xmin, ymin, xmax, ymax。YOLO 要的是歸一化后的中心點加寬高x_center, y_center, w, h全部除以圖片寬高落在 0 到 1 之間。轉(zhuǎn)換時要用PIL或cv2讀一次圖片拿真實尺寸不能憑 XML 里的size字段因為有些標注工具的寬高和實際圖片對不上這是血淚經(jīng)驗。import os import xml.etree.ElementTree as ET from PIL import Image CLASSES [bicycle] # 按你的實際類別改 def voc_to_yolo(xml_path, img_path, out_path): tree ET.parse(xml_path) root tree.getroot() # 用真實圖片尺寸別信 XML 里的 size with Image.open(img_path) as im: iw, ih im.size lines [] for obj in root.findall(object): name obj.find(name).text.strip() if name not in CLASSES: continue cls_id CLASSES.index(name) box obj.find(bndbox) xmin float(box.find(xmin).text) ymin float(box.find(ymin).text) xmax float(box.find(xmax).text) ymax float(box.find(ymax).text) # 裁剪到圖內(nèi)防止越界 xmin, ymin max(0, xmin), max(0, ymin) xmax, ymax min(iw, xmax), min(ih, ymax) if xmax xmin or ymax ymin: continue # 丟棄無效框 xc (xmin xmax) / 2 / iw yc (ymin ymax) / 2 / ih w (xmax - xmin) / iw h (ymax - ymin) / ih lines.append(f{cls_id} {xc:.6f} {yc:.6f} {w:.6f} {h:.6f}) with open(out_path, w) as f: f.write(\n.join(lines))邏輯上分四步讀 XML、拿真實尺寸、逐框歸一化、寫 txt。CLASSES列表決定類別索引必須和訓練時的data.yaml完全一致順序錯了模型學出來的類就是亂的。坐標裁剪那兩行是后悔藥標注越界在共享單車數(shù)據(jù)里很常見不裁會在訓練時觸發(fā)斷言或產(chǎn)生詭異框。:.6f保留六位小數(shù)是 YOLO 官方腳本的習慣精度足夠。3.2 批量轉(zhuǎn)換與數(shù)據(jù)集劃分單張轉(zhuǎn)換只是驗證邏輯真正要跑的是全量加劃分。常見做法是 8:2 分訓練驗證共享單車這種密集場景可以再留一點做測試。import glob, random, os random.seed(42) imgs sorted(glob.glob(JPEGImages/*.jpg)) random.shuffle(imgs) split int(len(imgs) * 0.8) train, val imgs[:split], imgs[split:] os.makedirs(labels/train, exist_okTrue) os.makedirs(labels/val, exist_okTrue) os.makedirs(images/train, exist_okTrue) os.makedirs(images/val, exist_okTrue) for phase, items in [(train, train), (val, val)]: for img in items: base os.path.splitext(os.path.basename(img))[0] xml fAnnotations/{base}.xml if not os.path.exists(xml): continue voc_to_yolo(xml, img, flabels/{phase}/{base}.txt) # 圖片軟鏈或復(fù)制到對應(yīng)目錄 os.system(fcp {img} images/{phase}/)random.seed(42)固定劃分保證每次復(fù)現(xiàn)一致。split控制比例數(shù)據(jù)量小的時候可以調(diào)到 0.9。注意 YOLO 要求圖片和標簽同名同目錄結(jié)構(gòu)images/train對應(yīng)labels/train路徑在data.yaml里配。3.3 data.yaml 怎么寫path: /your/dataset/root train: images/train val: images/val nc: 1 names: [bicycle]nc是類別數(shù)共享單車單類就寫 1。names順序必須和轉(zhuǎn)換腳本里的CLASSES一致。path用絕對路徑最穩(wěn)相對路徑在不同工作目錄下容易翻車。4. 用 YOLO 訓練這份數(shù)據(jù)環(huán)境、參數(shù)與顯存權(quán)衡4.1 環(huán)境配置的最小閉環(huán)新手最容易在環(huán)境上耗掉半天。常見做法是用 conda 建一個干凈環(huán)境裝 ultralytics 和 torch別在 base 里折騰。conda create -n bike python3.10 -y conda activate bike pip install ultralytics # 驗證 yolo checksyolo checks會打印 torch、CUDA、顯卡信息。如果 CUDA 不可用先確認驅(qū)動和 torch 版本匹配別急著懷疑數(shù)據(jù)集。CPU 也能訓就是慢小數(shù)據(jù)集驗證流程夠用。4.2 訓練命令與關(guān)鍵參數(shù)yolo detect train \ datadata.yaml \ modelyolov8n.pt \ epochs100 \ imgsz640 \ batch16 \ device0 \ projectruns/bike \ nameexp1model選yolov8n是輕量起點共享單車單類任務(wù)通常夠用想提精度換yolov8s或更大。imgsz640是通用值遠處小車多的話可以試 960但顯存翻倍。batch根據(jù)顯存調(diào)8G 卡上 640 分辨率一般能到 16。epochs100 起步看驗證集 mAP 是否還在漲。4.3 顯存不夠時的三個降級手段第一降batch從 16 到 8 再到 4。第二降imgsz640 到 512。第三換更小的模型。三者對精度的影響依次遞減優(yōu)先動 batch。訓練時用nvidia-smi -l 1盯著顯存別等 OOM 了才回頭調(diào)。注意共享單車密集場景下imgsz降太多會讓遠處車輛糊成一團mAP 掉得比想象中快。5. 訓練避坑與排查從 loss 不降到底層數(shù)據(jù)錯誤5.1 現(xiàn)象loss 一直不降mAP 接近 0原因通常是標簽路徑?jīng)]對上YOLO 找不到 label 就當全是背景。解決檢查labels/train里 txt 數(shù)量是否和images/train一致打開一個 txt 看內(nèi)容格式對不對類別索引是否越界。5.2 現(xiàn)象訓練報「Label class x exceeds nc」原因轉(zhuǎn)換腳本里的類別索引大于data.yaml的nc。比如腳本里 bicycle 是 0但你不小心寫了別的類。解決統(tǒng)一CLASSES和names重新生成標簽。5.3 現(xiàn)象驗證集 mAP 高但實際推理漏檢嚴重原因訓練驗證同分布實際場景光照、角度差異大。解決劃分時按場景分層抽樣別純隨機推理時適當降conf閾值看召回變化。5.4 現(xiàn)象框位置整體偏移原因轉(zhuǎn)換時用了 XML 里的size而非真實圖片尺寸兩者不一致。解決回到 3.1 的腳本強制用PIL讀真實寬高。5.5 現(xiàn)象同一輛車被檢出多個框原因密集場景 NMS 閾值不合適。解決推理時調(diào)iou參數(shù)默認 0.7密集場景可降到 0.5 左右試。6. 進階用驗證腳本量化數(shù)據(jù)質(zhì)量再決定要不要補標訓練跑通只是開始真正決定上限的是數(shù)據(jù)質(zhì)量。我一般會寫一個驗證腳本在訓練前就把問題暴露出來而不是等 mAP 不理想再回頭猜。import glob, os from PIL import Image bad [] for txt in glob.glob(labels/train/*.txt): base os.path.splitext(os.path.basename(txt))[0] img fimages/train/{base}.jpg if not os.path.exists(img): bad.append((缺圖, base)); continue with Image.open(img) as im: iw, ih im.size with open(txt) as f: for i, line in enumerate(f): parts line.split() if len(parts) ! 5: bad.append((字段數(shù)錯, base, i)); continue _, xc, yc, w, h map(float, parts) if not (0 xc 1 and 0 yc 1 and 0 w 1 and 0 h 1): bad.append((越界, base, i)) print(f問題樣本 {len(bad)} 條) for b in bad[:20]: print(b)這個腳本查三類問題圖片缺失、字段數(shù)不對、歸一化值越界。跑完看問題條數(shù)超過總量 1% 就說明轉(zhuǎn)換環(huán)節(jié)有系統(tǒng)性錯誤先修腳本再訓。參數(shù)上沒什么可調(diào)的重點是把它加進你的數(shù)據(jù)流水線每次換數(shù)據(jù)集都跑一遍。再進一步可以統(tǒng)計每張圖的框數(shù)量分布共享單車場景里如果某張圖框數(shù)超過 50多半是標注重復(fù)或誤標值得人工復(fù)核。還可以把框的寬高比畫出來正常單車框?qū)捀弑燃性谝粋€區(qū)間出現(xiàn)極端值就是異常。從那以后我每次拿到新數(shù)據(jù)集都強制先跑一遍這個驗證腳本再開訓省下的返工時間遠比寫腳本的十分鐘多。希望幫到你。本文還有配套的精品資源點擊獲取 共享單車檢測數(shù)據(jù)集：VOC轉(zhuǎn)YOLO與訓練避坑指南
簡介這份資源是面向計算機視覺初學者與目標檢測實踐者的共享單車檢測數(shù)據(jù)集可直接用于YOLO系列算法的訓練、驗證與調(diào)參實驗幫助解決城市共享單車識別與計數(shù)等實際場景問題。壓縮包共272個文件包含136張jpg實拍圖片與136個xml標注文件圖片采集自不同城市環(huán)境覆蓋多種光照、視角與背景單車在顏色、品牌和使用狀態(tài)上差異明顯xml文件采用VOC格式逐張記錄邊界框坐標與類別信息便于直接接入常見檢測框架。資源包整體約90.08MB規(guī)模適中適合快速搭建實驗流程。目前已有107人學習下載。借助這套圖片與標簽組合讀者可完成數(shù)據(jù)加載、模型訓練、精度評估與部署驗證的完整鏈路并針對尺度變化、目標密集等難點優(yōu)化泛化能力為智能交通監(jiān)管與共享單車調(diào)度提供可復(fù)用的數(shù)據(jù)基礎(chǔ)。1. 共享單車檢測數(shù)據(jù)集從一堆散圖到 YOLO 可訓的 VOC 標簽共享單車檢測數(shù)據(jù)集這個方向真正卡住人的往往不是模型結(jié)構(gòu)而是數(shù)據(jù)。你拿到手的可能是一批街拍圖標簽是 VOC 格式的 XML每張圖里橫七豎八停著幾輛到幾十輛單車遮擋、逆光、密集堆疊全都有。這份資源就是沖著這個場景來的圖片加 VOC 格式標簽打包專門用于 YOLO 目標檢測訓練。它解決的是「沒有現(xiàn)成標注數(shù)據(jù)、自己標又太慢」的問題適合做智慧交通、城市治理、園區(qū)車輛管理的從業(yè)者也適合剛?cè)腴T想跑通一個真實檢測任務(wù)的新手。VOC 轉(zhuǎn) YOLO 是繞不開的第一步下面從數(shù)據(jù)本身講到訓練落地。2. 拆開壓縮包先看什么VOC 結(jié)構(gòu)與共享單車標注特點2.1 VOC 目錄長什么樣先確認三件事解壓之后常見做法是看到Annotations、JPEGImages、ImageSets三個目錄。Annotations放 XMLJPEGImages放原圖ImageSets/Main里通常有train.txt、val.txt。先別急著寫訓練腳本打開一個 XML 確認三件事文件名和圖片是否一一對應(yīng)、object里的name是不是統(tǒng)一寫成bicycle或bike、bndbox的坐標有沒有越界或為負。# 統(tǒng)計圖片數(shù)、XML 數(shù)快速判斷有沒有缺標簽 ls JPEGImages | wc -l ls Annotations | wc -l # 找出沒有對應(yīng) XML 的圖片 for f in JPEGImages/*.jpg; do base$(basename $f .jpg) [ -f Annotations/$base.xml ] || echo 缺標簽: $base done這段腳本做的是集合差集檢查。basename去掉路徑和后綴拿到主名再去Annotations里找同名 XML。缺標簽的圖如果直接進訓練YOLO 會把它當負樣本共享單車密集場景里這會明顯拉低召回。參數(shù)上沒什么可調(diào)的重點是先跑一遍把缺標簽和多余 XML 都清掉。2.2 共享單車標注的三個真實特點第一是類別單一但實例極多。一張路口圖里十幾輛單車是常態(tài)VOC 的 XML 會逐個列object轉(zhuǎn) YOLO 時不能漏。第二是遮擋嚴重車把、車座、車輪互相壓疊標注框往往只框可見部分訓練時要靠數(shù)據(jù)增強補。第三是尺度跨度大近處一輛車占半張圖遠處一排車每輛只有幾十像素這對 YOLO 的多尺度檢測頭是個考驗。提示先抽 20 張圖用標注工具過一遍確認框的松緊是否一致。標注風格不統(tǒng)一比數(shù)量少更致命。2.3 為什么選 VOC 而不是直接給 YOLO 格式VOC 是通用中間格式LabelImg、CVAT 這些工具默認就導出它社區(qū)里大量腳本也是圍繞 VOC 寫的。拿到 VOC 意味著你可以隨時轉(zhuǎn)成 YOLO、COCO 或別的格式不被單一框架綁死。代價就是多一步轉(zhuǎn)換但這一步腳本化之后一勞永逸。常見做法是把轉(zhuǎn)換腳本和劃分腳本都固化下來換數(shù)據(jù)集只改路徑。3. VOC 轉(zhuǎn) YOLO轉(zhuǎn)換腳本、坐標歸一化與數(shù)據(jù)集劃分3.1 坐標歸一化的原理VOC 的bndbox給的是絕對像素坐標xmin, ymin, xmax, ymax。YOLO 要的是歸一化后的中心點加寬高x_center, y_center, w, h全部除以圖片寬高落在 0 到 1 之間。轉(zhuǎn)換時要用PIL或cv2讀一次圖片拿真實尺寸不能憑 XML 里的size字段因為有些標注工具的寬高和實際圖片對不上這是血淚經(jīng)驗。import os import xml.etree.ElementTree as ET from PIL import Image CLASSES [bicycle] # 按你的實際類別改 def voc_to_yolo(xml_path, img_path, out_path): tree ET.parse(xml_path) root tree.getroot() # 用真實圖片尺寸別信 XML 里的 size with Image.open(img_path) as im: iw, ih im.size lines [] for obj in root.findall(object): name obj.find(name).text.strip() if name not in CLASSES: continue cls_id CLASSES.index(name) box obj.find(bndbox) xmin float(box.find(xmin).text) ymin float(box.find(ymin).text) xmax float(box.find(xmax).text) ymax float(box.find(ymax).text) # 裁剪到圖內(nèi)防止越界 xmin, ymin max(0, xmin), max(0, ymin) xmax, ymax min(iw, xmax), min(ih, ymax) if xmax xmin or ymax ymin: continue # 丟棄無效框 xc (xmin xmax) / 2 / iw yc (ymin ymax) / 2 / ih w (xmax - xmin) / iw h (ymax - ymin) / ih lines.append(f{cls_id} {xc:.6f} {yc:.6f} {w:.6f} {h:.6f}) with open(out_path, w) as f: f.write(\n.join(lines))邏輯上分四步讀 XML、拿真實尺寸、逐框歸一化、寫 txt。CLASSES列表決定類別索引必須和訓練時的data.yaml完全一致順序錯了模型學出來的類就是亂的。坐標裁剪那兩行是后悔藥標注越界在共享單車數(shù)據(jù)里很常見不裁會在訓練時觸發(fā)斷言或產(chǎn)生詭異框。:.6f保留六位小數(shù)是 YOLO 官方腳本的習慣精度足夠。3.2 批量轉(zhuǎn)換與數(shù)據(jù)集劃分單張轉(zhuǎn)換只是驗證邏輯真正要跑的是全量加劃分。常見做法是 8:2 分訓練驗證共享單車這種密集場景可以再留一點做測試。import glob, random, os random.seed(42) imgs sorted(glob.glob(JPEGImages/*.jpg)) random.shuffle(imgs) split int(len(imgs) * 0.8) train, val imgs[:split], imgs[split:] os.makedirs(labels/train, exist_okTrue) os.makedirs(labels/val, exist_okTrue) os.makedirs(images/train, exist_okTrue) os.makedirs(images/val, exist_okTrue) for phase, items in [(train, train), (val, val)]: for img in items: base os.path.splitext(os.path.basename(img))[0] xml fAnnotations/{base}.xml if not os.path.exists(xml): continue voc_to_yolo(xml, img, flabels/{phase}/{base}.txt) # 圖片軟鏈或復(fù)制到對應(yīng)目錄 os.system(fcp {img} images/{phase}/)random.seed(42)固定劃分保證每次復(fù)現(xiàn)一致。split控制比例數(shù)據(jù)量小的時候可以調(diào)到 0.9。注意 YOLO 要求圖片和標簽同名同目錄結(jié)構(gòu)images/train對應(yīng)labels/train路徑在data.yaml里配。3.3 data.yaml 怎么寫path: /your/dataset/root train: images/train val: images/val nc: 1 names: [bicycle]nc是類別數(shù)共享單車單類就寫 1。names順序必須和轉(zhuǎn)換腳本里的CLASSES一致。path用絕對路徑最穩(wěn)相對路徑在不同工作目錄下容易翻車。4. 用 YOLO 訓練這份數(shù)據(jù)環(huán)境、參數(shù)與顯存權(quán)衡4.1 環(huán)境配置的最小閉環(huán)新手最容易在環(huán)境上耗掉半天。常見做法是用 conda 建一個干凈環(huán)境裝 ultralytics 和 torch別在 base 里折騰。conda create -n bike python3.10 -y conda activate bike pip install ultralytics # 驗證 yolo checksyolo checks會打印 torch、CUDA、顯卡信息。如果 CUDA 不可用先確認驅(qū)動和 torch 版本匹配別急著懷疑數(shù)據(jù)集。CPU 也能訓就是慢小數(shù)據(jù)集驗證流程夠用。4.2 訓練命令與關(guān)鍵參數(shù)yolo detect train \ datadata.yaml \ modelyolov8n.pt \ epochs100 \ imgsz640 \ batch16 \ device0 \ projectruns/bike \ nameexp1model選yolov8n是輕量起點共享單車單類任務(wù)通常夠用想提精度換yolov8s或更大。imgsz640是通用值遠處小車多的話可以試 960但顯存翻倍。batch根據(jù)顯存調(diào)8G 卡上 640 分辨率一般能到 16。epochs100 起步看驗證集 mAP 是否還在漲。4.3 顯存不夠時的三個降級手段第一降batch從 16 到 8 再到 4。第二降imgsz640 到 512。第三換更小的模型。三者對精度的影響依次遞減優(yōu)先動 batch。訓練時用nvidia-smi -l 1盯著顯存別等 OOM 了才回頭調(diào)。注意共享單車密集場景下imgsz降太多會讓遠處車輛糊成一團mAP 掉得比想象中快。5. 訓練避坑與排查從 loss 不降到底層數(shù)據(jù)錯誤5.1 現(xiàn)象loss 一直不降mAP 接近 0原因通常是標簽路徑?jīng)]對上YOLO 找不到 label 就當全是背景。解決檢查labels/train里 txt 數(shù)量是否和images/train一致打開一個 txt 看內(nèi)容格式對不對類別索引是否越界。5.2 現(xiàn)象訓練報「Label class x exceeds nc」原因轉(zhuǎn)換腳本里的類別索引大于data.yaml的nc。比如腳本里 bicycle 是 0但你不小心寫了別的類。解決統(tǒng)一CLASSES和names重新生成標簽。5.3 現(xiàn)象驗證集 mAP 高但實際推理漏檢嚴重原因訓練驗證同分布實際場景光照、角度差異大。解決劃分時按場景分層抽樣別純隨機推理時適當降conf閾值看召回變化。5.4 現(xiàn)象框位置整體偏移原因轉(zhuǎn)換時用了 XML 里的size而非真實圖片尺寸兩者不一致。解決回到 3.1 的腳本強制用PIL讀真實寬高。5.5 現(xiàn)象同一輛車被檢出多個框原因密集場景 NMS 閾值不合適。解決推理時調(diào)iou參數(shù)默認 0.7密集場景可降到 0.5 左右試。6. 進階用驗證腳本量化數(shù)據(jù)質(zhì)量再決定要不要補標訓練跑通只是開始真正決定上限的是數(shù)據(jù)質(zhì)量。我一般會寫一個驗證腳本在訓練前就把問題暴露出來而不是等 mAP 不理想再回頭猜。import glob, os from PIL import Image bad [] for txt in glob.glob(labels/train/*.txt): base os.path.splitext(os.path.basename(txt))[0] img fimages/train/{base}.jpg if not os.path.exists(img): bad.append((缺圖, base)); continue with Image.open(img) as im: iw, ih im.size with open(txt) as f: for i, line in enumerate(f): parts line.split() if len(parts) ! 5: bad.append((字段數(shù)錯, base, i)); continue _, xc, yc, w, h map(float, parts) if not (0 xc 1 and 0 yc 1 and 0 w 1 and 0 h 1): bad.append((越界, base, i)) print(f問題樣本 {len(bad)} 條) for b in bad[:20]: print(b)這個腳本查三類問題圖片缺失、字段數(shù)不對、歸一化值越界。跑完看問題條數(shù)超過總量 1% 就說明轉(zhuǎn)換環(huán)節(jié)有系統(tǒng)性錯誤先修腳本再訓。參數(shù)上沒什么可調(diào)的重點是把它加進你的數(shù)據(jù)流水線每次換數(shù)據(jù)集都跑一遍。再進一步可以統(tǒng)計每張圖的框數(shù)量分布共享單車場景里如果某張圖框數(shù)超過 50多半是標注重復(fù)或誤標值得人工復(fù)核。還可以把框的寬高比畫出來正常單車框?qū)捀弑燃性谝粋€區(qū)間出現(xiàn)極端值就是異常。從那以后我每次拿到新數(shù)據(jù)集都強制先跑一遍這個驗證腳本再開訓省下的返工時間遠比寫腳本的十分鐘多。希望幫到你。本文還有配套的精品資源點擊獲取