简介这是一份面向水下目标检测任务的数据集资源聚焦海洋探测、水下机器人导航、生态保护等真实应用场景旨在解决水下物体识别与定位难题。压缩包共一千零九十二个文件包含五百四十五张jpg水下原图与对应txt边界框标注另有一份yaml配置文件和一份docx说明文档整体仅7.29MB轻量易用目录结构清晰。数据按训练集474张、验证集46张、测试集25张做好划分配合YOLO格式的精准框标注覆盖不同水质与光照条件下的物体样本可直接用于主流检测模型的训练与评估。其中训练集供模型学习验证集协助调参测试集验证效果能够支撑一套完整的目标检测实验流程。docx文档说明了数据构成和标注规则yaml预设了类别与路径参数上手门槛低。目前已有136人学习下载适合算法研究者、竞赛选手及水下机器人开发者作为基线数据集。1. 水下物体检测数据集.zip 到底在解决什么问题拿到这个压缩包第一反应别是双击解压然后丢给 YOLO 训练。水下物体检测数据集.zip 本质上是一份「图像 标注」的打包体里面通常装着鱼群、水母、海胆、海星甚至塑料垃圾的实拍或仿真图像以及对应的框选标注目标是用它训练一个能自动识别水下目标类型的检测模型。这类数据最典型的去向是水下机器人、渔业资源调查、海洋垃圾清理和生态监测凡是船底挂着摄像头、需要实时判断“前面那条是不是目标鱼”的场景都会用到这份数据。它的价值不在“zip”本身而在解压之后那套数据能不能直接送进训练管线。现实里我见过很多次压缩包下载完整、解压没问题结果打开标注一看VOC 的 XML、COCO 的 JSON、YOLO 的 txt 混在一起类别编号从 0 还是从 1 开始都含糊训练跑起来 mAP 纹丝不动。所以这篇笔记的路线是先把 zip 完整且干净地落地再把标注归一化成 YOLO 格式最后跑通一次训练并知道结果到底意味着什么。如果你正打算拿水下数据集做检测或者已经在一个标注混乱的压缩包里翻过车这篇就是按这条线帮你把坑填平。2. 解压前先查这三件事压缩包完整性、目录深度与伪加密水下物体检测数据集.zip 不是一个普通软件包它往往包含几千张高清原图和对应的标注文件单个包动辄几 GB。这时候直接右键解压很容易在解压到一半时遇到报错中止然后你以为是文件损坏其实是几个隐蔽原因叠加导致的。我一般会在解压前花两分钟做三项检查能省掉后面大量的重试。2.1 压缩包完整性用 unzip -t 而不是肉眼打开常见做法是先在终端跑一次测试命令确认 zip 的中央目录Central Directory完好unzip -t 水下物体检测数据集.zip | tail -30这段命令会对包内所有文件做一次 CRC 校验tail -30只看最后的输出。如果最后一行是No errors detected in compressed data说明压缩包在传输中没有损坏如果出现missing zip entry solutionblock1.mphbin或could not find EOCD问题就大了后面细说。提示unzip -t会完整读取整个包几 GB 的数据需要一点时间但它直接把“下载不完整”这一坑排除了。参数说明-t是 test 模式不实际解压tail -30只保留末尾因为完整输出会包含每个文件的校验结果刷屏到你看不见重点。这个命令如果你在 macOS 或 Linux 下没有 unzip可以先apt install unzip或brew install unzip。检查完完整性后再看包内目录结构unzip -l 水下物体检测数据集.zip | head -30-l列出文件清单head -30只看前 30 条。这一步的目的是确认内部的顶层目录是干净的比如images/和labels/分好了而不是一百多个散落的 .jpg 和 .txt 直接铺在根目录。顶层结构混乱的包解压出来后你会花大量时间做整理不如在这一步就看清。2.2 目录深度与解压路径别让 Windows 的 260 字符陷阱废掉你的数据很多水下数据集是从网上打包上传的上传者本人在 Linux 下工作目录层级可能套了三层以上比如dataset/underwater/v2/images/annotated/2024-04/train。这类长路径在 Windows 上解压时非常容易出现“部分文件解压失败但又不报错”的情况因为 WinRAR 和 7-Zip 会对超过 MAX_PATH 260 字符的文件静默跳过。你后来训练时发现 images 数量比 labels 少了几百张就是这一坑导致的。我的做法是统一把压缩包放到一个短路径下解压比如D:\data\而不是C:\Users\你的用户名\Downloads\然后解压时打开 7-Zip 的「工具 → 选项 → 7-Zip → 解压路径」关闭路径长度限制。如果你在 Linux 或 macOS 上这种问题基本不存在但建议你在解压后跑一条计数命令find 水下物体检测数据集/ -name *.jpg | wc -l find 水下物体检测数据集/ -name *.txt | wc -l两条命令分别统计图片和标注文件的数量。数值相差太大说明有文件在传输或解压过程中丢了一半别急着训先补齐再说。这个习惯我后面一直保留每次拿到新数据集都先点个数再谈训练算是最朴素的健康检查。2.3 伪加密与 EOCD 错误两个让解压“翻车”的高频原因先说 EOCD。could not find EOCD的意思是压缩包末尾的 End of Central Directory 记录不见了正常情况下 zip 包的最后 22 个字节左右存着这份索引解压时系统要从这里跳转到各文件的实际位置。这个报错九成是因为下载工具把文件截断了比如浏览器断点续传没生效、网盘中转站只传了一半。解决方式是重新下载并在下载完成后立刻用unzip -t验证如果重下还是不行可以尝试用zip -F修复zip -F 水下物体检测数据集.zip --out 修复后的数据集.zip-F是 fix 模式它会扫描包内残留的文件头并重新生成中央目录。这招对完整下载但索引损坏的包有效对真正截断的包只能救回一部分文件别期望它把所有数据都还原。再说伪加密。zip 有一个加密标志位general purpose bit flag 的第 0 位如果这个标志位被错误地置为 1但文件数据其实没有加密就会出现“让你输密码、输入任何密码都说错”的伪加密现象。你明确知道这个数据集本来就是公开的就可以用脚本把标志位清掉再解压相当于给 zip 做一次外科手术import struct def fix_zip_encryption_flag(zip_path, output_path): with open(zip_path, rb) as f: data f.read() # 遍历 local file header修正通用标志位 offset 0 count 0 while offset len(data) - 4: if data[offset:offset4] bPK\x03\x04: # local file header 的通用标志位位于文件头起始 6 的位置 flag struct.unpack(H, data[offset6:offset8])[0] if flag 0x1: flag ~0x1 data data[:offset6] struct.pack(H, flag) data[offset8:] count 1 # 跳到下一个文件头 file_name_len struct.unpack(H, data[offset26:offset28])[0] extra_len struct.unpack(H, data[offset28:offset30])[0] offset 30 file_name_len extra_len else: offset 1 with open(output_path, wb) as f: f.write(data) print(f已修复 {count} 个文件的加密标志位) # 用法 fix_zip_encryption_flag(水下物体检测数据集.zip, 水下物体检测数据集_修复.zip)这段代码的核心是按 zip 的 local file header 结构逐条扫描找到PK\x03\x04的固定标志读偏移 6 处的两个字节作为通用标志位如果最低位是 1就把它置 0 并写回。file_name_len和extra_len用来跳过当前文件头继续找下一个。提示这个方案只针对伪加密也就是数据本身没加密、只是标志位错了的情况。如果你拿到的包是真加密的说明上传者有意保护内容正确做法是联系作者索取解压密码而不是绕过加密。参数说明struct.unpack(H)按小端序读 16 位无符号整数正好对应 zip 文件头里的标志位字段格式data[:offset6] struct.pack(H, flag) data[offset8:]这一行是在原字节流中替换那 2 个字节因为 Python 字节串是不可变的只能用切片拼接生成新串。3. 统一标注格式把 VOC 和 COCO 转换成 YOLO 能吃的 txt解压只是第一步真正让水下物体检测数据集.zip 产生价值的是标注处理。水下数据集流传的时候最常见的情况是压缩包里同时存在三种标注Pascal VOC 风格的 XML、COCO 风格的 JSON、以及 YOLO 风格的 txt。你后面无论用 YOLOv5、YOLOv8 还是 RT-DETR官方训练管线只认 YOLO 格式所以这一步必须做否则训练脚本要么报格式错要么把所有标注静默忽略掉。3.1 格式差异水下数据集为什么总是混着几套标注Pascal VOC 的标注是一张图配一个 XML里面用bndbox四个节点记录目标框格式直观但文件数量多COCO 把整个数据集的标注集中在一个 JSON 里用images和annotations两张表关联bndbox 是[x, y, width, height]原点在左上角YOLO 则是一张图配一个 txt每行是「类别 中心点x 中心点y 宽 高」全部归一化到 0~1。水下数据集的制作者经常先用 LabelImg 标一批 VOC 格式后来又用 X-AnyLabeling 导出了 COCO JSON最后为了跑某个老项目顺手转了一部分 YOLO结果整个包混杂到没法直接训练。转格式本身不难难点在于类别顺序要和训练脚本里的data.yaml完全一致COCO JSON 里的category_id经常不是 0 起始的这会让你的类别全部错位。3.2 VOC XML 转 YOLO一个能直接跑的 Python 脚本如果你包里以 VOC XML 为主我常用的转换脚本长这样import os import xml.etree.ElementTree as ET # 类别映射表顺序必须与后续 data.yaml 中的 names 保持一致 CLASSES [fish, jellyfish, sea_urchin, starfish, debris, diver] def voc_to_yolo(xml_path, out_dir, classes): tree ET.parse(xml_path) root tree.getroot() img_w int(root.find(size/width).text) img_h int(root.find(size/height).text) lines [] for obj in root.iter(object): name obj.find(name).text if name not in classes: print(f跳过未定义类别: {name}) continue class_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) # 注意转换为中心点 宽高的归一化坐标 cx ((xmin xmax) / 2) / img_w cy ((ymin ymax) / 2) / img_h w (xmax - xmin) / img_w h (ymax - ymin) / img_h lines.append(f{class_id} {cx:.6f} {cy:.6f} {w:.6f} {h:.6f}) out_path os.path.join(out_dir, os.path.splitext(os.path.basename(xml_path))[0] .txt) with open(out_path, w) as f: f.write(\n.join(lines)) # 用法遍历整个 xml 目录 os.makedirs(labels/train, exist_okTrue) for xml_file in os.listdir(xmls): if xml_file.endswith(.xml): voc_to_yolo(os.path.join(xmls, xml_file), labels/train, CLASSES)最关键的细节是坐标转换VOC 给的是左上角和右下角YOLO 要的是中心点和整体宽高所以必须先把两个角点相加除以 2 得到中心点再分别除以图像宽高完成归一化。很多新手直接拿来用忘了除以img_w和img_h出来的坐标全在 0~1 之外训练时损失直接爆掉。参数说明CLASSES列表的顺序决定了类别编号比如fish对应 0diver对应 5你在data.yaml里写names的时候必须用一模一样的顺序否则模型学到的类别和真实标签对不上。if name not in classes这行会跳过所有不在映射表里的目标这在水下数据里很重要——很多集会混着「human」「background」这种不该参与训练的标签过滤掉比强行编号更安全。3.3 COCO JSON 转 YOLO注意 category_id 的起点如果你的包里是 coco 风格的 annotations JSON转换逻辑略有不同但代码骨架差不多import json import os def coco_to_yolo(coco_json_path, img_dir, out_dir, category_map): with open(coco_json_path, r) as f: coco json.load(f) # 建立 image_id 到文件名的索引 img_id_to_name {img[id]: img[file_name] for img in coco[images]} # 建立 category_id 到目标类别索引的映射 cat_id_to_class {cat[id]: category_map.index(cat[name]) for cat in coco[categories] if cat[name] in category_map} # 按图片分组标注 anns_by_img {} for ann in coco[annotations]: img_id ann[image_id] anns_by_img.setdefault(img_id, []).append(ann) for img_id, anns in anns_by_img.items(): file_name img_id_to_name[img_id] img_path os.path.join(img_dir, file_name) # 读取真实宽高防止 JSON 里的尺寸字段和实际不一致 from PIL import Image w, h Image.open(img_path).size lines [] for ann in anns: if ann[category_id] not in cat_id_to_class: continue class_id cat_id_to_class[ann[category_id]] x, y, bw, bh ann[bbox] cx (x bw / 2) / w cy (y bh / 2) / h nw bw / w nh bh / h lines.append(f{class_id} {cx:.6f} {cy:.6f} {nw:.6f} {nh:.6f}) out_name os.path.splitext(os.path.basename(file_name))[0] .txt with open(os.path.join(out_dir, out_name), w) as f: f.write(\n.join(lines)) # 用法 coco_to_yolo(annotations.json, images/train, labels/train, [fish, jellyfish, sea_urchin, starfish, debris, diver])COCO 的 bbox 是[x, y, width, height]左上角 宽高所以中心点要用x bw/2来算这和 VOC 的角点坐标算法不同别把两个公式搞混。cat_id_to_class这步的意义是把 COCO 里可能从 1 开始编号的 category_id 映射到我们期望的 0 起始序列这是最容易踩的坑之一我见过有人直接拿ann[category_id]当 YOLO 类别号用结果所有类别整体错了一位训练出来 mAP 看起来还行实际全是错位的框。3.4 转完之后必须跑一次校验脚本格式转换完不等于数据能直接用。我强烈建议你花十秒钟跑一段校验把越界的坐标抓出来import os label_dir labels/train bad_files [] for txt in os.listdir(label_dir): with open(os.path.join(label_dir, txt)) as f: for line in f: parts line.strip().split() if len(parts) ! 5: bad_files.append((txt, 字段数不对)) continue _, cx, cy, w, h map(float, parts) if cx 0 or cx 1 or cy 0 or cy 1 or w 0 or h 0: bad_files.append((txt, f坐标越界: {line.strip()})) print(f共发现 {len(bad_files)} 个问题文件) for item in bad_files[:20]: print(item)这段代码遍历所有 txt对每一行按空格切分要求正好 5 个字段中心点和宽高必须在合理范围内。w 0的判断能抓出宽高为负数的标注这类问题通常来自标注软件导出时坐标反向。校验脚本最好在你每次转换完格式之后都跑一遍成本极低收益是帮你避开训练时半夜爬起来看 NaN 损失。4. 跑通 YOLOv8目录组织、训练命令与结果判读把标注统一成 YOLO 格式之后下一步就是让水下物体检测数据集.zip 真正走进训练管线。现在最常用的做法是用 YOLOv8 直接训练因为它的数据接口简单、训练脚本少文档和生态也成熟而 YOLOv5 的用法在这套目录结构下几乎一致。你要做的第一件事不是急着敲命令行而是把数据集文件按 YOLO 的目录规范摆好。4.1 目录组织一次到位别学 COCO 那套复杂结构YOLO 系列期望的数据结构非常明确images下放图片labels下放同名同前缀的 txt训练集和验证集分开。和你可能熟悉的 COCO2017 数据集结构相比YOLO 不需要annotations子目录也不需要按年份分train2017和val2017这种命名它只认顶层是images和labels各自里面分train和val。水下物体检测/ ├── images/ │ ├── train/ │ └── val/ ├── labels/ │ ├── train/ │ └── val/ ├── data.yaml └── classes.txt我一般会写一段 Python 把解压后散落的图片和标注各按 8:2 划分到 train 和 val用随机种子保证可复现import os import random import shutil random.seed(42) img_src all_images label_src all_labels img_train, img_val images/train, images/val label_train, label_val labels/train, labels/val for d in [img_train, img_val, label_train, label_val]: os.makedirs(d, exist_okTrue) imgs os.listdir(img_src) random.shuffle(imgs) split int(len(imgs) * 0.8) for i, img in enumerate(imgs): label_name os.path.splitext(img)[0] .txt label_path os.path.join(label_src, label_name) if not os.path.exists(label_path): print(f警告{img} 没有对应标注跳过) continue if i split: shutil.copy(os.path.join(img_src, img), os.path.join(img_train, img)) shutil.copy(label_path, os.path.join(label_train, label_name)) else: shutil.copy(os.path.join(img_src, img), os.path.join(img_val, img)) shutil.copy(label_path, os.path.join(label_val, label_name)) print(f训练集 {len(os.listdir(img_train))} 张验证集 {len(os.listdir(img_val))} 张)random.seed(42)固定随机种子保证你多次运行得到同一份划分这在对比试验时很重要。每复制一张图前都检查对应 xml 和 txt 是否存在因为水下数据常见的丢标注问题会在这一步暴露。注意train 里出现没有标签的图片会让训练报错Image ... is missing labels这类图片要么删掉要么单独放到images/background里。4.2 写 data.yaml 与最小训练命令数据目录摆好后data.yaml是连接数据集和模型的关键文件path: D:/data/水下物体检测/ train: images/train val: images/val names: 0: fish 1: jellyfish 2: sea_urchin 3: starfish 4: debris 5: diverpath指数据集根目录train和val写相对路径就行Ultralytics 会自动拼成绝对路径names的类别顺序必须和前面转换脚本里的CLASSES顺序完全一致否则类别错位、白训一场。写好后一条命令就能开训yolo detect train datadata.yaml modelyolov8n.pt epochs100 batch-1 imgsz640 device0 patience20参数说明modelyolov8n.pt是预训练权重推荐从 n 开始跑通基线不要一上来就上 x 模型水下数据通常样本量不大大模型容易过拟合batch-1让 YOLO 根据显存自动估算最大 batch很省心但如果你想让实验结果稳定也可以手动写死batch16imgsz640是输入尺寸水下目标很多是小鱼建议后续试 960 或更大但 640 适合先验证管线通不通patience20表示验证集 mAP 连续 20 个 epoch 不提升就早停防止浪费算力。4.3 训练结果怎么判读别只看 loss 降没降训练结束时results.csv会记录每个 epoch 的train/box_loss、metrics/precision(B)、metrics/recall(B)、metrics/mAP50(B)和metrics/mAP50-95(B)。你需要重点关注mAP50和mAP50-95两个指标mAP50衡量 IoU 阈值 0.5 时的平均精度对框的位置精度要求相对宽松mAP50-95是在 0.5 到 0.95 之间多个 IoU 阈值下取平均要求更苛刻也更贴近真实应用的定位质量。水下场景里如果mAP50看着还行但mAP50-95很低说明你的框“大概位置对了但精度不够”问题往往出在标注框本身不够贴合目标边缘。4.4 跑一次验证用 best.pt 对比训练集和验证集训练完先别急着部署。我习惯先用训练好的权重在验证集上跑一次推理肉眼对比几张图yolo predict modelruns/detect/train/weights/best.pt sourceimages/val conf0.25 saveTrueconf0.25是置信度阈值低于这个值的预测框会被丢掉saveTrue把结果图存下来。跑完打开输出目录重点看两类情况一是漏检——真实存在但模型没框出来的目标二是误检——把背景纹理或悬浮物当成目标。这一轮肉眼检查比任何指标都更早暴露水下数据特有的问题比如绿色水体的颜色偏移会让模型把海草误判成鱼。5. 水下物体检测数据集避坑指南5 个真实翻车现场这部分是我反复在同类数据集上踩过的坑按「现象 → 原因 → 解决」的格式整理出来希望能让你少走弯路。5.1 解压层EOCD 缺失、伪加密、长路径现象一解压到一半报could not find EOCD然后整个解压过程中止已经解压出来的文件也打不开。原因压缩包下载不完整或网盘中转站截断了文件末尾的中央目录。解决重新下载下载后用unzip -t验证如果反复下载都报同样错误尝试zip -F 原包 --out 新包修复后再解压。现象二压缩包一打开就要密码但数据文档明明写着公开无需密码。原因文件被上传工具错误地标记为伪加密数据本身没有真正加密。解决用 2.3 节的fix_zip_encryption_flag脚本清掉加密标志位再正常解压。注意这是技术修复真加密的包请找作者拿密码。现象三解压完成后images里的图片数量比labels多出几十上百张。原因Windows 解压长路径时静默跳过部分文件或者压缩包本身缺标注。解决解压前把包放到D:\data\这样的短路径下开启 7-Zip 的长路径支持解压后跑find ... | wc -l对照计数。5.2 标注层类别错位与坐标归一化现象四训练正常结束验证集mAP50却只有 0.1 左右打开预测图一看框都打在正确位置附近但类别标签全是错的——鱼被标成水母水母标成海胆。原因转换标注时直接拿 COCO 的category_id当 YOLO 类别号没有经过映射或者data.yaml里的names顺序和转换脚本里的CLASSES不一致。解决把类别映射做成一个单独的字典转换脚本和data.yaml都从这个字典生成从源头保证一致转完用脚本随机挑 10 个 txt 打印第一列类别数字和data.yaml人工对照一次。现象五训练时 loss 曲线一开始很高epoch 1 就出现lossnan或者验证集的 precision 和 recall 全是 0。原因标注坐标没有归一化。常见错误是把 VOC 的xmin, ymin, xmax, ymax直接当成 YOLO 格式写进 txt或者归一化时忘了除以图像宽高。解决跑一遍 3.4 节坐标越界检查脚本把所有cx 1或w 0的文件过滤出来重新转换标注。5.3 数据层类别不平衡与小目标漏检现象六训练集里鱼占 90%潜水员只有 2%最终模型对鱼检得完美对潜水员基本不输出框。原因水下数据集天然存在严重的类别不平衡稀有类别的正样本太少模型学不到有效特征。解决先统计每类目标框数量对稀有类别做过采样——把包含潜水员的图片在训练集中复制几份或者用 mosaic 增强让稀有类别更频繁出现更进一步对少数类的框做 Online Hard Example Mining 式的训练策略但先做过采样就够解决多数情况。现象七验证集上远处的鱼苗几乎全部漏检近处的目标却检得很好。原因水下目标普遍偏小而 YOLOv8 的 C2f 模块经过多次下采样小目标特征在深层特征图上已经不明显了。解决把imgsz从 640 提高到 960 或 1280代价是训练显存和速度上升如果仍然漏检可以考虑在推理阶段用 SAHI切片辅助推理把大图切成小块分别检测再合并这类技巧对水下小目标非常有效。6. 进阶验证把模型丢进真实水下视频前先做这三件事训练完的模型别急着上船先用一段真实拍摄的水下视频做验证这一步能暴露训练集里没有的域差异——比如视频的偏色更重、运动模糊更明显、目标在动态中更难辨认。我的验证流程分三步视频推理、参数调整、人工抽样核对。yolo predict modelruns/detect/train/weights/best.pt sourceunderwater_test.mp4 conf0.1 iou0.45 saveTrue这条命令会把best.pt跑到一段真实水下视频上。conf0.1是我专门调低的做法——验证阶段宁可多看误检也不能漏掉真实目标iou0.45控制 NMS 的交并比阈值越低越能在密集鱼群场景保留更多目标框但也会让同一个目标产生多个框。我先用低置信度跑一遍确认模型对目标的召回能力然后根据误检数量逐步调高conf找到平衡点。调参之后建议你把视频按固定间隔抽帧比如每 30 帧存一张再拿抽帧结果和标注工具里的真实框对照。这个步骤被很多人跳过但实际每次都能发现新问题可能是模型把水中浮游生物高频误判成 debris也可能是在强光反射区域丢失目标。透过这些案例你会理解你训练的这个水下检测模型真正适合的水质条件和光线环境是什么范围。我自己有一个教训有次训练时只看 mAP50 达标就部署到实拍视频结果真实水下环境的色偏和训练集差距太大检测框在画面上跳个不停最后靠抽帧人工核查才发现问题。所以从那以后任何数据集训练出来的模型我都坚持“验证集指标只能作参考视频里跑过才算数”这条规矩。这份水下物体检测数据集.zip 能有多大价值取决于你从压缩包里挖出的数据质量以及你愿不愿意在训练之后再做一次真实场景的验证。希望帮到你。本文还有配套的精品资源点击获取