简介本资源为风筝检测数据集面向计算机视觉初学者、目标检测算法练习者及需要快速验证模型效果的研究人员可用于训练与测试单类别目标检测模型。数据集同时提供Pascal VOC与YOLO两种标注格式包含jpg图片、对应的VOC格式xml文件以及YOLO格式txt文件方便直接接入常见检测框架。压缩包内共约2000个文件以1998个xml标注文件和2个txt说明文件为主整体大小约268.01MB标注工具为labelImg采用矩形框方式对kite类别进行标注共8790个标注框。目前已有75人学习下载适合作为单类别检测任务的练手数据。读者可据此完成数据读取、格式转换、模型训练与评估等流程快速搭建风筝目标检测实验省去自行采集与标注的成本。1. 风筝检测数据集2260 张图、8790 个框单类别检测的干净起点如果你正在找一个单类别、标注干净、拿来就能跑通 YOLO 全流程的小型数据集风筝检测这个包值得先看一眼。它一共 2260 张 jpg 图片配套 2260 个 Pascal VOC 格式的 xml 和 2260 个 YOLO 格式的 txt标注类别只有一个kite总框数 8790平均每张图约 3.9 个目标。标注工具是 labelImg规则就是对类别画矩形框没有分割掩码也没有关键点。这个体量放在目标检测里属于「小而完整」小到单卡几十分钟能跑完一轮完整到能覆盖数据校验、格式转换、训练、验证、推理的整条链路。适合两类人——刚接触 YOLO 想跑通自己第一个检测项目的新手以及需要快速验证某个改动比如损失函数、数据增强策略是否有效的老手。它不保证任何模型精度这点原文写得很清楚所以别指望直接拿权重去交差它的价值在于流程和基线。2. VOC 与 YOLO 双格式并存先搞懂两套标注的对应关系2.1 为什么同一个数据集要同时给 xml 和 txtPascal VOC 用 xml 存标注结构是树形的一张图一个文件里面记录了图片尺寸、每个目标的类别名和矩形框的左上角、右下角坐标。YOLO 用 txt一张图一个文件每行一个目标格式是类别索引 中心x 中心y 宽 高四个坐标全部归一化到 0 到 1 之间。这个数据集两套都给好处很直接xml 方便人看、方便用 labelImg 继续改txt 可以直接喂给 YOLO 训练脚本省掉一次转换。但要注意两套文件必须严格对应图片数量、xml 数量、txt 数量都是 2260任何一个对不上训练时就会报找不到标签或者标签错位。常见做法是先用 xml 做一次完整性校验因为 xml 里带图片宽高能反推出归一化坐标是否正确txt 是转换结果出问题往往源头在 xml。我一般会先跑一遍校验脚本确认三套文件一一对应再动训练。2.2 用脚本核对三套文件是否一一对应下面这段脚本做三件事统计 jpg、xml、txt 的数量找出只有图片没有标注的「漏标」文件以及只有标注没有图片的「孤儿」文件。放在数据集根目录运行即可。import os root . # 数据集根目录按实际路径改 img_dir os.path.join(root, images) xml_dir os.path.join(root, annotations) txt_dir os.path.join(root, labels) # 收集三类文件的 stem不含扩展名的文件名 imgs {os.path.splitext(f)[0] for f in os.listdir(img_dir) if f.endswith(.jpg)} xmls {os.path.splitext(f)[0] for f in os.listdir(xml_dir) if f.endswith(.xml)} txts {os.path.splitext(f)[0] for f in os.listdir(txt_dir) if f.endswith(.txt)} print(jpg:, len(imgs), xml:, len(xmls), txt:, len(txts)) # 漏标有图无 xml missing_xml imgs - xmls # 孤儿有 xml 无图 orphan_xml xmls - imgs # txt 与 xml 不一致 diff_txt xmls ^ txts print(有图无xml:, len(missing_xml), list(missing_xml)[:5]) print(有xml无图:, len(orphan_xml), list(orphan_xml)[:5]) print(xml与txt不一致:, len(diff_txt), list(diff_txt)[:5])逻辑说明用集合差集找漏标和孤儿用对称差集找 xml 与 txt 的不一致。参数上img_dir、xml_dir、txt_dir三个路径要按你解压后的实际目录结构改有的包会把 xml 和 jpg 放同一层那就把两个路径指到同一目录。跑完如果三个数量都是 2260 且差集为空说明文件层面没问题可以进入下一步。2.3 从 xml 反查标注框是否越界文件对得上不代表框画得对。xml 里存的是绝对坐标如果右下角坐标超过图片宽高转成 YOLO 归一化坐标后就会出现大于 1 的值训练时可能被静默截断也可能直接报错。下面这段校验每个框是否越界并统计每类的框数。import os import xml.etree.ElementTree as ET xml_dir annotations bad_boxes [] class_count {} for f in os.listdir(xml_dir): if not f.endswith(.xml): continue tree ET.parse(os.path.join(xml_dir, f)) root tree.getroot() size root.find(size) w int(size.find(width).text) h int(size.find(height).text) for obj in root.findall(object): name obj.find(name).text class_count[name] class_count.get(name, 0) 1 bnd obj.find(bndbox) xmin int(float(bnd.find(xmin).text)) ymin int(float(bnd.find(ymin).text)) xmax int(float(bnd.find(xmax).text)) ymax int(float(bnd.find(ymax).text)) # 越界判断坐标超出图片范围或框宽高非正 if xmin 0 or ymin 0 or xmax w or ymax h or xmax xmin or ymax ymin: bad_boxes.append((f, name, xmin, ymin, xmax, ymax, w, h)) print(类别框数:, class_count) print(越界或非法框数:, len(bad_boxes)) for b in bad_boxes[:10]: print(b)逻辑说明遍历每个 xml读图片宽高再逐个 object 读 bndbox判断坐标是否越界、框是否退化。class_count应该输出{kite: 8790}如果数字对不上说明有 xml 被改过或者有重复标注。bad_boxes为空最理想非空就要决定是修正还是丢弃这些框别带着脏数据直接训练。3. 从 VOC 转 YOLO 并切分训练集坐标归一化与目录组织3.1 归一化公式和类别索引的坑VOC 转 YOLO 的核心就一个公式中心点(xminxmax)/2/w、(yminymax)/2/h宽高(xmax-xmin)/w、(ymax-ymin)/h。看起来简单但有两个高频翻车点。第一类别索引。YOLO 的 txt 里第一列是类别序号从 0 开始。这个数据集只有 kite 一个类所以所有行的第一列都应该是 0。如果你后面自己加了类别索引顺序必须和训练时的names列表严格一致否则模型学到的就是错位的类别。第二坐标精度。归一化后建议保留 6 位小数太短会累积误差太长没必要。另外 xmax 等于图片宽度时归一化结果是 1.0有些框架对边界值敏感稳妥做法是把它压到 0.999 以内。3.2 转换脚本与数据集切分下面这段脚本把 xml 转成 YOLO txt同时按 8:1:1 切分训练、验证、测试集并生成data.yaml。运行前把xml_dir、img_dir改成实际路径。import os import shutil import random import xml.etree.ElementTree as ET xml_dir annotations img_dir images out_root kite_dataset classes [kite] # 类别顺序必须与训练配置一致 random.seed(42) # 固定随机种子保证切分可复现 def convert(xml_path): tree ET.parse(xml_path) root tree.getroot() size root.find(size) w int(size.find(width).text) h int(size.find(height).text) lines [] for obj in root.findall(object): name obj.find(name).text cid classes.index(name) bnd obj.find(bndbox) xmin float(bnd.find(xmin).text) ymin float(bnd.find(ymin).text) xmax float(bnd.find(xmax).text) ymax float(bnd.find(ymax).text) # 归一化并限制在 (0,1) 开区间内 cx min(max((xmin xmax) / 2 / w, 0.0), 0.999999) cy min(max((ymin ymax) / 2 / h, 0.0), 0.999999) bw min(max((xmax - xmin) / w, 0.0), 0.999999) bh min(max((ymax - ymin) / h, 0.0), 0.999999) lines.append(f{cid} {cx:.6f} {cy:.6f} {bw:.6f} {bh:.6f}) return lines # 建立输出目录 for split in [train, val, test]: os.makedirs(os.path.join(out_root, images, split), exist_okTrue) os.makedirs(os.path.join(out_root, labels, split), exist_okTrue) stems [os.path.splitext(f)[0] for f in os.listdir(xml_dir) if f.endswith(.xml)] random.shuffle(stems) n len(stems) n_train int(n * 0.8) n_val int(n * 0.1) splits { train: stems[:n_train], val: stems[n_train:n_train n_val], test: stems[n_train n_val:], } for split, names in splits.items(): for stem in names: # 拷贝图片 shutil.copy(os.path.join(img_dir, stem .jpg), os.path.join(out_root, images, split, stem .jpg)) # 写 YOLO 标签 lines convert(os.path.join(xml_dir, stem .xml)) with open(os.path.join(out_root, labels, split, stem .txt), w) as f: f.write(\n.join(lines)) # 生成 data.yaml with open(os.path.join(out_root, data.yaml), w) as f: f.write(fpath: {os.path.abspath(out_root)}\n) f.write(train: images/train\n) f.write(val: images/val\n) f.write(test: images/test\n) f.write(fnc: {len(classes)}\n) f.write(fnames: {classes}\n) print(done, train/val/test , len(splits[train]), len(splits[val]), len(splits[test]))逻辑说明convert负责单文件转换classes.index(name)把类别名映射成索引归一化时用min/max把值夹在 0 到 0.999999 之间避免边界值问题。切分用固定种子 42保证每次跑结果一致方便复现。data.yaml里的path用绝对路径train/val/test用相对路径这是 YOLO 系列常见的配置写法。参数上切分比例 8:1:1 可以按需改成 7:2:1但验证集别少于 100 张否则指标波动会很大。3.3 转换后的自检转完别急着训练先抽查几个 txt。随便打开一个确认每行是 5 个字段、第一列是 0、后四列都在 0 到 1 之间。再统计一下总行数应该等于 8790。如果行数对不上多半是某些 xml 里有 object 没被读到或者类别名拼写不一致导致index抛异常被跳过。# 统计所有 YOLO 标签的总行数应等于 8790 find kite_dataset/labels -name *.txt -exec cat {} | wc -l # 检查是否有字段数不为 5 的行 find kite_dataset/labels -name *.txt -exec awk NF!5 {} | head这两条命令一个数总框数一个找格式异常行。正常情况第一条输出 8790第二条无输出。有输出就说明转换环节有问题回去查对应的 xml。4. 训练与验证单类别检测的配置和指标怎么看4.1 训练配置的关键参数单类别检测的配置比多类别简单但有几个参数值得单独说。以常见的 YOLO 训练脚本为例nc必须等于 1names必须是[kite]这两个和data.yaml保持一致。输入尺寸我一般先用 640风筝在画面里占比通常不小640 够用如果小目标多再上 1280但显存和速度要重新评估。batch size 取决于显存单卡 8G 可以先用 16不够就降到 8。学习率用默认的 0.01 起步单类别数据量不大容易过拟合可以配合早停。训练轮数先跑 100 轮看曲线如果验证损失还在降就继续平了就停。# 以 YOLO 系列常见训练入口为例按你实际用的版本调整 yolo detect train \ datakite_dataset/data.yaml \ modelyolov8n.pt \ epochs100 \ imgsz640 \ batch16 \ lr00.01 \ patience20 \ projectruns/kite \ nameexp1参数说明data指向生成的 yamlmodel用预训练权重做迁移学习单类别小数据从零训练很难收敛。patience20表示 20 轮验证指标不提升就早停省时间。project和name决定结果保存路径方便对比多次实验。4.2 指标解读与常见误判训练完看三个指标precision、recall、mAP0.5。单类别任务里mAP0.5 是最直观的0.9 以上说明框得比较准。但要注意如果验证集里风筝都很清晰、背景单一指标会虚高换到复杂场景就掉。所以别只看数字要抽几张验证集的预测图肉眼过一遍。另一个容易误判的是混淆矩阵。单类别没有类别混淆的问题但会出现「背景被误检成 kite」或者「kite 漏检」。前者看假阳性后者看假阴性。如果假阳性多可能是背景里有类似风筝形状的物体如果假阴性多可能是小目标或者遮挡目标没学好这时候要考虑加数据增强或者提高输入分辨率。4.3 推理与结果导出训练完拿测试集跑推理确认模型在没见过的图上表现正常。下面这条命令把测试集图片跑一遍结果存到指定目录。yolo detect predict \ modelruns/kite/exp1/weights/best.pt \ sourcekite_dataset/images/test \ conf0.25 \ saveTrue \ projectruns/kite \ namepred_test参数说明conf0.25是置信度阈值低于它的框不输出。这个值调高会减少误检但增加漏检调低反之。测试阶段可以先用 0.25 看整体再根据实际需求微调。saveTrue会把画了框的图存下来方便肉眼检查。5. 避坑与排查这份数据集最容易翻车的五个地方5.1 现象训练报「No labels found」原因YOLO 找标签的路径和图片路径不匹配。常见情况是图片在images/train标签却在labels/train之外的目录或者 txt 文件名和 jpg 文件名不一致。解决确认目录结构是images/{split}和labels/{split}平行且同名文件成对出现。用第 2 章的校验脚本先过一遍确保 2260 对文件都在。5.2 现象loss 变成 nan 或者不下降原因标签里有非法值比如归一化坐标大于 1、宽高为 0 或负数。这类脏数据在转换时如果没夹紧就会进到训练里。解决回到第 2 章的越界校验把bad_boxes里的框修掉或删掉对应图片。转换脚本里的min/max夹紧只能兜底源头还是 xml 要干净。5.3 现象mAP 很高但实际推理一塌糊涂原因训练集和验证集切分时没有打乱或者同一张图的增强版本同时进了训练和验证造成数据泄漏。另一种可能是验证集太小指标不具代表性。解决切分前random.shuffle并固定种子。验证集至少留 10%绝对数量别少于 100 张。如果数据本身有连续帧要按场景切分而不是随机切分。5.4 现象显存爆了batch 降了还是爆原因输入分辨率设太高或者imgsz和模型不匹配。640 的输入在 8G 卡上 batch 16 一般没问题但如果改成 1280显存占用会翻好几倍。解决先降imgsz到 640再降 batch。也可以用混合精度训练显存能省不少。别一上来就拉满分辨率单类别任务 640 通常够用。5.5 现象xml 能打开但解析报错原因xml 文件编码不是 UTF-8或者有非法字符。labelImg 保存时偶尔会出这种问题尤其是路径里有中文的时候。解决用ET.parse报错时先确认文件编码必要时用lxml的recoverTrue模式容错解析或者用文本编辑器打开检查有没有乱码。批量处理前先抽几个文件试解析。6. 进阶技巧用这份数据集验证数据增强和损失函数改动单类别、标注干净的数据集最大的价值不是训一个能用的模型而是当「实验台」。你想验证某个数据增强策略有没有用、某个损失函数改动是否有效用这份数据跑对照实验变量少、结论清晰。具体做法固定随机种子和切分跑一个基线记录 mAP0.5 和 mAP0.5:0.95。然后只改一个变量比如把 mosaic 关掉、把 HSV 增强幅度调大、或者换一个边界框回归损失其他全部不动再跑一次。两次结果对比差异就归因到那个变量上。实验变量基线配置改动配置观察指标mosaic 增强开启关闭mAP0.5 变化输入分辨率6401280mAP 与显存占用边界框损失CIoU其他 IoU 变体收敛速度与最终 mAP学习率0.010.001是否欠拟合做对照实验有个血泪经验一次只改一个变量且每次都要用同一个验证集。我见过有人同时改了三四个参数结果指标涨了也不知道是哪个起的作用跌了更不知道回退哪个。另外单类别数据量不大跑一次实验很快但别因为快就频繁改配置先把基线跑稳再动变量。验证改动是否真的有效除了看 mAP还要看训练曲线的稳定性。如果改动后 loss 震荡明显即使最终 mAP 略高也未必是好事可能只是运气好。我一般会跑三次不同种子取平均差异在 1 个点以内才认为是真实提升。从那以后我每次拿到新数据集都强制先跑一遍文件校验和越界检查再切分、再训练绝不跳过。这套流程帮我省了很多返工的时间。希望帮到你。本文还有配套的精品资源点击获取