简介这是一份面向目标检测初学者与算法工程师的鹿类识别数据集采用Pascal VOC与YOLO双格式标注可直接用于训练和验证单类别检测模型。压缩包共1514个文件包含504张jpg原图、504个VOC格式xml标注文件、504个YOLO格式txt标签文件另有少量说明类txt整体约177.8MB图片与标注一一对应省去格式转换的繁琐步骤。标注由labelImg完成统一采用矩形框类别为Deer共664个标注框样本覆盖多种姿态与场景适合作为课程设计、毕业项目或小样本检测实验的数据基础。目前已有125人学习下载读者可快速搭建训练流程验证模型在单类别任务上的表现并借助双格式标注灵活适配不同框架减少数据预处理时间。1. 鹿数据集 VOC 与 YOLO 双格式504 张单类别标注到底能训出什么拿到一个 504 张、单类别、同时提供 VOC 和 YOLO 两种标注格式的鹿数据集第一反应不该是“数据量太小”而是先判断它适合什么任务。504 张图在目标检测里属于小样本量级单类别意味着模型只需要学“鹿”和“背景”的边界这反而降低了标注噪声带来的干扰。VOC 格式给的是 XMLYOLO 格式给的是归一化后的 txt两者描述的是同一批标注框只是坐标系和文件组织不同。这个数据集最典型的用途是跑通 YOLO 训练全流程、验证数据增强策略、做小样本迁移学习实验或者作为更大型鹿类检测项目的冷启动数据。如果你手头正好有红外相机、保护区监控或野生动物视频抽帧的素材这 504 张可以直接当种子集先训一个基线模型再拿它去半自动标注新数据。适合谁适合刚接触 YOLO 训练、想找一个干净单类别数据集练手的人也适合需要快速验证某个改进模块是否有效的算法工程师。别指望它直接产出工业级精度但它能让你在半天内看到 loss 下降和 mAP 爬升这种正反馈对调试链路很重要。2. 鹿数据集 VOC 与 YOLO 格式拆解504 张图里到底存了什么2.1 VOC XML 与 YOLO txt 的字段对照VOC 格式每张图对应一个 XML 文件核心字段是size里的宽高和object里的name、bndbox。YOLO 格式每张图对应一个 txt每行五个值class_id x_center y_center width height全部归一化到 0 到 1。单类别时class_id恒为 0。很多人拿到双格式数据集后直接混用结果训练时框全飘了原因就是没搞清 VOC 的xmin, ymin, xmax, ymax是绝对像素坐标而 YOLO 的x_center, y_center是相对于图像宽高的中心点比例。下面这段 Python 可以帮你快速核对两种格式是否一一对应。import os import xml.etree.ElementTree as ET from PIL import Image def voc_to_yolo_check(xml_path, img_path): tree ET.parse(xml_path) root tree.getroot() size root.find(size) img_w int(size.find(width).text) img_h int(size.find(height).text) # 用 PIL 再读一次实际尺寸防止 XML 里写错 real_w, real_h Image.open(img_path).size if (img_w, img_h) ! (real_w, real_h): print(f尺寸不一致: {xml_path} xml({img_w},{img_h}) real({real_w},{real_h})) for obj in root.findall(object): name obj.find(name).text bbox obj.find(bndbox) xmin float(bbox.find(xmin).text) ymin float(bbox.find(ymin).text) xmax float(bbox.find(xmax).text) ymax float(bbox.find(ymax).text) # 转 YOLO 归一化 x_center (xmin xmax) / 2.0 / img_w y_center (ymin ymax) / 2.0 / img_h w (xmax - xmin) / img_w h (ymax - ymin) / img_h print(f{name} - {x_center:.6f} {y_center:.6f} {w:.6f} {h:.6f}) # 示例调用 voc_to_yolo_check(dataset/Annotations/deer_001.xml, dataset/JPEGImages/deer_001.jpg)这段代码的逻辑是先读 XML 里的尺寸再用 PIL 读实际图片尺寸做交叉验证。如果两者不一致说明标注时可能用了缩略图或裁剪图直接转 YOLO 会导致框偏移。参数上x_center和y_center必须除以原图宽高不能除以 XML 里的尺寸除非你确认两者一致。常见坑是 XML 里size写的是 640x480但实际图片是 1920x1080这种数据不修正的话YOLO 训练时框会缩到左上角一小块。2.2 504 张单类别数据集的分布检查与清洗504 张图不算多但足够暴露分布问题。先统计每张图的标注框数量如果某些图有几十个框某些图一个框都没有训练时正负样本会严重失衡。单类别数据集里空标注图只有背景没有鹿其实有价值但比例不能太高一般控制在 10% 以内。另外要检查框的宽高比鹿的形态在不同角度下差异很大如果全是站立侧身模型对卧姿或正面会表现很差。下面这个脚本可以输出框数量分布和宽高比直方图。import os import glob import xml.etree.ElementTree as ET import matplotlib.pyplot as plt xml_files glob.glob(dataset/Annotations/*.xml) box_counts [] aspect_ratios [] for xml in xml_files: tree ET.parse(xml) root tree.getroot() objs root.findall(object) box_counts.append(len(objs)) for obj in objs: bbox obj.find(bndbox) w float(bbox.find(xmax).text) - float(bbox.find(xmin).text) h float(bbox.find(ymax).text) - float(bbox.find(ymin).text) if h 0: aspect_ratios.append(w / h) print(f总图数: {len(xml_files)}) print(f空标注图数: {box_counts.count(0)}) print(f平均框数: {sum(box_counts)/len(box_counts):.2f}) print(f最大框数: {max(box_counts)}) print(f宽高比中位数: {sorted(aspect_ratios)[len(aspect_ratios)//2]:.2f}) plt.hist(box_counts, binsrange(0, max(box_counts)2), alignleft, rwidth0.8) plt.xlabel(每图框数) plt.ylabel(图片数量) plt.title(鹿数据集标注框数量分布) plt.show()逻辑说明遍历所有 XML统计每张图的object数量同时收集宽高比。参数上box_counts.count(0)给出空标注图数量如果超过 50 张建议单独拿出来做背景负样本不要直接混在训练集里。宽高比中位数接近 1 说明鹿的形态比较多样接近 2 或 0.5 说明以侧身为主。清洗策略删除框面积小于图像面积 0.1% 的极小框这种框在 504 张规模下大概率是误标合并高度重叠的同类框单类别里同一只鹿被标两次会拉低定位精度。2.3 从 VOC 到 YOLO 的目录结构转换脚本YOLO 训练要求特定的目录结构images/train、images/val、labels/train、labels/val以及一个data.yaml描述类别数和路径。VOC 数据集通常只有JPEGImages和Annotations需要自己划分并转换。下面这个脚本完成划分、转换和生成 yaml 三件事。import os import random import shutil import xml.etree.ElementTree as ET from PIL import Image random.seed(42) src_img_dir dataset/JPEGImages src_xml_dir dataset/Annotations dst_root deer_yolo train_ratio 0.8 for split in [train, val]: os.makedirs(f{dst_root}/images/{split}, exist_okTrue) os.makedirs(f{dst_root}/labels/{split}, exist_okTrue) xml_list [f for f in os.listdir(src_xml_dir) if f.endswith(.xml)] random.shuffle(xml_list) split_idx int(len(xml_list) * train_ratio) train_xmls xml_list[:split_idx] val_xmls xml_list[split_idx:] def convert(xml_name, split): xml_path os.path.join(src_xml_dir, xml_name) img_name xml_name.replace(.xml, .jpg) img_path os.path.join(src_img_dir, img_name) if not os.path.exists(img_path): return tree ET.parse(xml_path) root tree.getroot() size root.find(size) img_w int(size.find(width).text) img_h int(size.find(height).text) lines [] for obj in root.findall(object): bbox obj.find(bndbox) xmin float(bbox.find(xmin).text) ymin float(bbox.find(ymin).text) xmax float(bbox.find(xmax).text) ymax float(bbox.find(ymax).text) x_center (xmin xmax) / 2.0 / img_w y_center (ymin ymax) / 2.0 / img_h w (xmax - xmin) / img_w h (ymax - ymin) / img_h lines.append(f0 {x_center:.6f} {y_center:.6f} {w:.6f} {h:.6f}) shutil.copy(img_path, f{dst_root}/images/{split}/{img_name}) with open(f{dst_root}/labels/{split}/{xml_name.replace(.xml, .txt)}, w) as f: f.write(\n.join(lines)) for xml in train_xmls: convert(xml, train) for xml in val_xmls: convert(xml, val) with open(f{dst_root}/data.yaml, w) as f: f.write(fpath: {os.path.abspath(dst_root)}\n) f.write(train: images/train\n) f.write(val: images/val\n) f.write(nc: 1\n) f.write(names: [deer]\n)逻辑说明先按 8:2 随机划分random.seed(42)保证可复现。转换时用 XML 里的尺寸做归一化如果前面检查发现尺寸不一致这里应该改用 PIL 读实际尺寸。data.yaml里的path写绝对路径避免训练时找不到文件。参数上train_ratio可以调到 0.85 如果验证集表现波动大但 504 张里验证集少于 80 张时 mAP 会很不稳定。常见坑是图片扩展名不全是.jpg有.JPG或.png脚本里要加判断或统一重命名。3. 用 YOLOv8 在 504 张鹿数据集上跑通训练参数怎么设、结果怎么看3.1 环境配置与预训练模型选择YOLOv8 对环境要求不算苛刻但版本对不上会出各种玄学错误。我一般用 Python 3.9 或 3.10PyTorch 2.0 以上CUDA 11.8 或 12.1。安装命令就一行但要注意ultralytics包会自动拉取匹配的 torch 版本如果机器上已有 torch最好先建虚拟环境。conda create -n deer_yolo python3.10 -y conda activate deer_yolo pip install ultralytics yolo checksyolo checks会输出环境摘要重点看 CUDA 是否可用。如果显示CPU训练会慢到无法接受。预训练模型选yolov8n.pt或yolov8s.pt504 张图用 n 就够了s 可能会过拟合。不要用yolov8x参数量太大小数据集上收敛反而差。下载预训练模型时注意yolov8n.pt是在 COCO 上训的包含“鹿”这个类吗COCO 里没有单独的 deer 类但有horse、sheep、cow等类似四足动物迁移过来特征还是有用的。如果找不到下载入口直接跑训练命令ultralytics会自动下载。3.2 训练命令与关键参数逐项说明训练命令可以写得很短但关键参数不设对504 张图很容易训崩。下面是我在单类别小数据集上常用的配置。yolo detect train \ datadeer_yolo/data.yaml \ modelyolov8n.pt \ epochs200 \ imgsz640 \ batch16 \ lr00.01 \ lrf0.01 \ patience50 \ augmentTrue \ mosaic1.0 \ mixup0.1 \ copy_paste0.1 \ degrees10.0 \ translate0.1 \ scale0.5 \ fliplr0.5 \ hsv_h0.015 \ hsv_s0.7 \ hsv_v0.4 \ device0 \ workers4 \ projectdeer_runs \ nameexp1逐项说明epochs200配合patience50如果 50 轮验证 mAP 不升就早停避免过拟合。imgsz640是 YOLOv8 的默认值504 张图里如果鹿的尺寸偏小可以提到 1280但显存要够。batch16在 8G 显存上跑 640 没问题显存小就降到 8。lr00.01是初始学习率小数据集上可以降到 0.005防止初期震荡。lrf0.01是最终学习率因子配合余弦退火。mosaic1.0是 YOLOv8 的默认增强把四张图拼成一张对小数据集非常有效但最后 10 轮建议关掉让模型适应真实分布。mixup0.1和copy_paste0.1是额外增强单类别里 copy_paste 可能把鹿贴到奇怪位置建议先设 0 跑基线。degrees10.0旋转增强鹿的拍摄角度不会太离谱10 度够了。fliplr0.5水平翻转鹿的左右对称性高可以开。hsv_h/s/v是颜色抖动红外或夜间场景可以加大白天彩色图保持默认。3.3 训练过程监控与 mAP 解读训练启动后deer_runs/exp1/下会生成results.csv和weights/。results.csv每行一个 epoch关键列是train/box_loss、val/box_loss、metrics/mAP50、metrics/mAP50-95。单类别数据集看mAP50就够了mAP50-95对框的精度要求更高504 张图很难做高。正常情况前 20 轮 loss 快速下降mAP50 从 0 爬到 0.5 左右50 到 100 轮 mAP50 到 0.7 到 0.8之后缓慢爬升如果超过 150 轮还在涨说明数据还有潜力但要注意验证集是否过拟合。如果train/box_loss持续下降而val/box_loss开始上升就是过拟合信号早停会救你。confusion_matrix.png在deer_runs/exp1/下单类别只有鹿和背景两行两列看背景被误判为鹿的比例如果超过 20%说明模型太激进可以调低推理时的conf阈值。import pandas as pd import matplotlib.pyplot as plt df pd.read_csv(deer_runs/exp1/results.csv) df.columns df.columns.str.strip() plt.plot(df[epoch], df[train/box_loss], labeltrain_box_loss) plt.plot(df[epoch], df[val/box_loss], labelval_box_loss) plt.plot(df[epoch], df[metrics/mAP50], labelmAP50) plt.legend() plt.xlabel(epoch) plt.show()这段代码把 loss 和 mAP 画在一张图上方便判断过拟合点。参数上results.csv的列名可能有空格用strip()清理。如果mAP50曲线在某个 epoch 突然掉下去检查那轮是否开了 mosaic 关闭或学习率突变。4. 鹿数据集训练避坑504 张单类别最容易翻车的 5 个地方4.1 现象训练 loss 正常下降但 mAP 始终为 0原因YOLO 的 label 文件路径或格式不对模型实际上在学空标注。最常见的是data.yaml里train和val路径写成了绝对路径但少了images层级或者 txt 文件里类别 id 不是 0 而是 1。单类别数据集里如果转换脚本把name映射成了1而nc1模型会认为所有框都是无效类。解决跑一遍yolo detect train前先用yolo detect val加载一个随机权重看能否读到标注。更直接的方法是打开一个 label txt确认每行第一个数字是 0且五个值都在 0 到 1 之间。4.2 现象验证集 mAP 波动极大相邻 epoch 差 0.3原因验证集太小。504 张按 8:2 划分只有约 100 张验证图如果某些图标注质量差或鹿特别小mAP 会剧烈波动。另外batch16时验证集只有 6 到 7 个 batch统计噪声大。解决把train_ratio调到 0.9验证集只留 50 张但固定随机种子并且用yolo detect val多次评估取平均。或者做 5 折交叉验证但 504 张做 5 折每折只有 400 张训练时间成本高。我一般先按 8:2 跑如果波动大再合并验证集到训练集用patience早停。4.3 现象模型对卧姿或遮挡鹿漏检严重原因504 张里如果大部分是站立侧身模型学到的特征偏向特定轮廓。单类别数据集没有其他类来分散注意力模型会过度拟合训练集里的姿态分布。解决在增强里加大degrees到 20开mosaic1.0和copy_paste0.3但 copy_paste 要小心鹿被贴到天空或树上会引入噪声。更有效的是手动收集几十张卧姿或遮挡图加进去哪怕只有 20 张对 mAP 提升也很明显。如果没法加数据推理时把conf降到 0.15用iou0.5做 NMS能召回一些低置信度框。4.4 现象训练到一半 CUDA out of memory原因imgsz640配batch16在 4G 显存卡上会爆。YOLOv8 的 mosaic 增强会把四张图拼成 1280x1280 再缩放到 640峰值显存比单图高。解决降batch到 8或者开ampTrue默认开或者把imgsz降到 512。如果还爆检查workers是否设太高workers4在 Windows 上有时会内存泄漏设 0 用主进程加载。另外cacheTrue会把所有图缓存到内存504 张 640x640 约 1.5G显存不够时别开。4.5 现象推理时框位置偏移尤其是图像边缘的鹿原因VOC 转 YOLO 时归一化用了 XML 里的尺寸但实际图片被 resize 过。或者推理时imgsz和训练时不一致YOLO 会做 letterbox 填充如果后处理没还原框会偏。解决训练和推理用同一个imgsz。如果必须改用yolo detect predict的save_txt输出归一化坐标再自己映射回原图。检查 XML 的size和 PIL 读出的尺寸是否一致不一致的图要么重新标注要么在转换时用 PIL 尺寸覆盖。5. 从 504 张到可用模型半自动标注与增量训练的具体技巧504 张训出的模型mAP50 大概在 0.75 到 0.85 之间取决于鹿的姿态多样性和背景复杂度。这个精度直接上生产不够但拿来做预标注绰绰有余。我一般会用它跑一批新视频抽帧把置信度高于 0.6 的框自动存成 YOLO txt低于 0.6 的留给人工修。这样标注效率能提 3 到 5 倍。具体操作用yolo detect predict的save_txtTrue和save_confTrue输出格式是class_id x_center y_center w h conf写个脚本过滤 conf 并去掉最后一列直接变成训练 label。import os import glob def filter_pseudo_labels(txt_dir, conf_thres0.6): for txt_path in glob.glob(os.path.join(txt_dir, *.txt)): with open(txt_path, r) as f: lines f.readlines() kept [] for line in lines: parts line.strip().split() if len(parts) 6 and float(parts[5]) conf_thres: kept.append( .join(parts[:5])) if kept: with open(txt_path, w) as f: f.write(\n.join(kept)) else: os.remove(txt_path) # 没有高置信框的图label 删掉图保留做背景 filter_pseudo_labels(pseudo_labels, conf_thres0.6)逻辑说明save_confTrue时每行六个值前五个是 YOLO 格式第六个是置信度。过滤后只保留前五个。如果某张图所有框都低于阈值删掉 label 文件图片留在images里当背景负样本。参数上conf_thres设 0.6 比较稳设 0.4 会引入太多误标人工修起来更累。增量训练时把新标注数据和原始 504 张混在一起用同样的data.yaml但epochs可以降到 100lr0降到 0.001避免新数据把旧知识冲掉。如果新数据分布差异大比如从白天换到夜间先冻结 backbone 训 20 轮再解冻全量微调。我自己的习惯是每加 200 张新图就重训一次保留三个版本的权重用验证集 mAP 选最好的。这个方向值不值得做如果你有持续的数据来源比如固定点位的红外相机504 张只是起点半自动标注加增量训练能把模型迭代周期压到一周以内。希望帮到你。本文还有配套的精品资源点击获取