简介这份室内场景实例分割数据集面向计算机视觉开发者与研究人员基于YOLO格式提供椅子、沙发、餐桌、长椅、笔记本电脑、人物6类常见室内物体的实例分割标注可用于训练与评估实例分割和目标检测模型覆盖机器人视觉、智能家居、安防监控等应用场景。资源包共1700个文件含849张jpg原图与849个txt标注文件另附yaml配置文档和docx说明文件压缩包约56.17MB数据已按训练、验证、测试集合理划分。目前已有70人学习下载借助该数据集可省去数据采集与人工标注成本直接开展YOLO系列模型训练与算法验证。txt格式与主流深度学习框架天然兼容类别覆盖室内典型家具与人物标注边界清晰适合作为学术研究、课程实验或工程项目开发的数据支撑。1. 室内场景实例分割数据集拿到 zip 后先想清楚三件事拿到一个文件名“室内场景实例分割数据集_20251116_122654.zip”第一反应大多是解压、直接扔进训练脚本。但在动手之前先想清楚三件事能省下后面很多排错时间。第一这个zip里到底是「图像掩码PNG」还是「图像COCO JSON」或「YOLO txt标注」不同格式决定了数据加载器怎么写。第二室内场景和自动驾驶、航拍场景在目标尺度、遮挡和类别分布上很不一样直接套用公开COCO预训练参数经常出现小目标漏检。第三zip文件本身可能不含划分好的train/val目录需要先确认哪些图片参与训练、哪些用于验证否则训练过程会把验证样本也喂进去导致指标虚高。这类数据集的典型用途是让模型学会区分同一类别下的不同个体例如同时识别出桌面上三个杯子各自的轮廓而不是只把“杯子”整体像素涂成一个类别。它比语义分割多一层实例编号比目标检测多一层形状所以在机器人抓取、AR遮挡、安防结构化描述和室内建模里都常用。先解决格式、划分、尺度这三个问题后面无论用YOLOv8-seg还是Mask R-CNN都能走得通。2. 解压与识别用命令快速看清 zip 里的数据集结构和标注格式2.1 解压前先看清单避免直接出一个乱摊子先说解压。我一般先不直接unzip而是用以下命令列出zip包内文件清单观察顶层目录和文件数量unzip -l 室内场景实例分割数据集_20251116_122654.zip | head -60unzip -l只读取zip目录而不解压head -60限制输出前60行避免文件多时刷屏。如果这个zip包含几千张图输出末尾会出现压缩包内文件总数。看清单时重点注意三点有没有明显分层的images和annotations目录是否只有图片没有标注有没有train.txt/val.txt这类划分列表。常见结构类似室内场景_122654/ ├── images/ │ ├── train/ │ │ ├── room_001.jpg │ │ └── ... │ └── val/ ├── annotations/ │ ├── instances_train.json │ └── instances_val.json看到这种目录结构基本可以判定是COCO格式。如果只有一个annotations目录且里面全是与图片同名的txt大概率是YOLO分割格式。如果每张图片旁边带一个同名的mask png则是掩码文件。确认清单后解压unzip -q 室内场景实例分割数据集_20251116_122654.zip -d indoor_seg-q让解压过程安静-d指定输出目录。解压完成后再用find查看实际目录深度防止实际结构和预期不一致find indoor_seg -maxdepth 3 -type f | sed -n 1,30p2.2 三种常见标注格式的判断方法与参数差异室内场景实例分割数据集在业界常见的标注格式有三类我用下表做快速判断格式文件特征每个实例的表达常见配套训练方式COCO JSONannotations/*.json images/segmentation中存储多边形坐标每个标注包含bbox、area、iscrowdDetectron2、MMDetection、YOLOv8-seg需转换YOLO seg txtlabels/*.txt images/第一列类别ID后续是归一化多边形x,y交替YOLOv8-seg、YOLOv5-seg彩色掩码PNGimages/.jpg masks/.png像素值代表实例编号或类别ID可再用连通域转多边形UNet、需要RLE的框架判断时取一个json文件看前几行head -100 indoor_seg/annotations/instances_train.json如果看到segmentation: [[564.7, 378.2, ...]]说明是COCO多边形坐标如果是segmentation: {counts: ..., size: [...]}则是COCO的RLE编码多用于全景分割或大面积区域。RLE格式转化成YOLO时需要解码成多边形不要直接读counts。如果看到txt看一下内容head -5 indoor_seg/labels/train/room_001.txt每行类似0 0.492 0.311 0.503 0.325 ...说明是YOLO格式类别ID在前。注意这里不需要额外写入类别名称类别名单独在data.yaml中维护。很多室内数据集常见类别是床、桌、椅、沙发、柜子类别数量从几类到几十类不等。2.3 zip 损坏或内容不完整时的处理路径最常遇到的第一个坑是解压时报End-of-central-directory signature not found。这通常说明zip文件下载不完整而不是密码问题。可以先校验文件大小与下载页面标记是否一致再用zip自带的修复开关处理临时读错误zip -FF 室内场景实例分割数据集_20251116_122654.zip --out indoor_fixed.zip-FF会尝试扫描并恢复损坏的中央目录但恢复后必须重新读取文件清单确认标注json没有被截断。更可靠的做法是重新下载后再次解压因为任何恢复都可能丢尾部数据而COCO JSON恰恰把关键信息放在最后。对已经部分解压出来的图片用Python检查jpg/png是否能正常打开import glob import cv2 for p in glob.glob(indoor_seg/images/**/*.jpg, recursiveTrue): img cv2.imread(p) if img is None: print(broken:, p)这个检查一次能找出解码失败的文件避免训练到一半报cv2.error。3. 标注格式转换把室内场景数据集整理成训练需要的 COCO / YOLO 组合3.1 COCO JSON 转 YOLO 多边形标注的最小脚本YOLOv8-seg是目前跑室内实例分割最快上手的方案但它不直接吃COCO JSON需要把每个实例的segmentation坐标转成归一化多边形txt。常见做法是先用pycocotools把标注解析出来再按图片维度输出。下面是一个最小转换脚本假设数据是COCO风格并且segmentation是第一层多边形列表。import json import os from pycocotools.coco import COCO # 也可以直接用json解析这里用库更稳 coco_json indoor_seg/annotations/instances_train.json image_root indoor_seg/images/train label_root indoor_seg/labels/train os.makedirs(label_root, exist_okTrue) coco COCO(coco_json) cat_id2train {cat[id]: idx for idx, cat in enumerate(coco.cats.values())} for img_id in coco.imgs: img coco.imgs[img_id] ann_ids coco.getAnnIds(imgIdsimg_id) anns coco.loadAnns(ann_ids) lines [] for ann in anns: if ann[iscrowd]: continue if not ann[segmentation]: continue # COCO中segmentation可能有多边形取第一个 poly ann[segmentation][0] norm [] for i in range(0, len(poly), 2): nx max(0.0, min(poly[i] / img[width], 1.0)) ny max(0.0, min(poly[i 1] / img[height], 1.0)) norm [f{nx:.6f}, f{ny:.6f}] lines.append(f{cat_id2train[ann[category_id]]} .join(norm)) if lines: base os.path.splitext(img[file_name])[0] .txt with open(os.path.join(label_root, base), w) as f: f.write(\n.join(lines))转换逻辑并不复杂用COCO库把json映射成图片对象和标注对象按图片聚合后把多边形坐标除以图片宽高并限制在[0,1]写入单独txt。这样YOLO训练时只要用图片对应文件名的txt即可。需要注意几个参数iscrowd1的标注在实例分割里通常是密集人群或背景YOLO seg无法表达空洞和多个掩码直接跳过segmentation有的标注是多个多边形说明掩码有洞或分离区域这里只取第一个区域会让模型丢失细节。如果原始标注是RLE压缩格式转换前需要先解码。pycocotools的mask.decode可以把RLE还原成二值掩码再用cv2.findContours提取轮廓。这种情况下代码会复杂一些但处理逻辑一致最重要的一点是轮廓坐标需要按图像宽高归一化并过滤掉面积小于10像素的碎轮廓。3.2 同时生成 data.yaml 和训练/验证划分转换完标签后目录需要按YOLO约定排好。建议直接排成如下形式不需要再嵌套多层indoor_dataset/ ├── images/ │ ├── train/ │ └── val/ ├── labels/ │ ├── train/ │ └── val/ └── data.yaml很多室内场景数据源没有划分目录只有全量图像和标注。我一般用Python按比例切分并尽量保证同一个场景的文件不散落到两边import os import random import shutil random.seed(42) images sorted(os.listdir(indoor_seg/images)) random.shuffle(images) val_idx int(len(images) * 0.2) val_files, train_files images[:val_idx], images[val_idx:] for phase, files in [(train, train_files), (val, val_files)]: os.makedirs(findoor_dataset/images/{phase}, exist_okTrue) os.makedirs(findoor_dataset/labels/{phase}, exist_okTrue) for fname in files: shutil.copy(findoor_seg/images/{fname}, findoor_dataset/images/{phase}/{fname}) label findoor_seg/labels/{os.path.splitext(fname)[0]}.txt if os.path.exists(label): shutil.copy(label, findoor_dataset/labels/{phase}/{os.path.basename(label)})按文件名排序后随机切分不会考虑场景连续性在缺少scene id时也算能用。切分后写data.yamltrain: /local-data/indoor_dataset/images/train val: /local-data/indoor_dataset/images/val nc: 6 names: 0: bed 1: chair 2: desk 3: sofa 4: table 5: doortrain和val建议写绝对路径避免运行时因为工作目录变化找不到图片。如果最后还要在另一台机器跑可以把data.yaml拷到数据集根目录再用相对路径表达但YOLO会基于当前运行时解析相对路径容易踩坑。names的顺序必须和txt里第一列索引一致否则训练结果会驴头不对马嘴。3.3 转换后必须做的自查项转完不能直接训练我会先检查三件事。第一是labels目录里的txt数量是否与images数量匹配不匹配往往是有标注文件缺失或空标注。空txt表示该图片没有可训练的目标在实例分割里允许出现但比例高于30%会拉低训练效率。第二是检查txt内容里是否存在大量0坐标或多个重复点这通常是多边形面积太小或标注退化导致。第三是随机抽5张图用图形化方式把txt里的多边形画回图像肉眼确认坐标是否压到正确物体上。对应检查表如下检查项操作通过标准标签文件缺失find labels/train -name *.txt标签数与图像数差距小于5%坐标越界检查txt每行坐标值所有值都在[0,1]区间面积过小用脚本计算归一化多边形面积最小面积大于0.0014. 训练实例分割模型用 YOLOv8-seg 在室内场景数据上跑通一套流程4.1 目录与配置文件训练前把数据固定成三种路径先安装ultralytics启动训练前必须把上面整理的indoor_dataset目录固定有三种路径图像路径、标注路径、配置文件路径。YOLOv8-seg默认会从data.yaml读取train和val指向的图片目录并自动在相同根目录下找labels目录。也就是说如果图片在images/trainYOLO默认查labels/train不会额外看其他名字。安装命令pip install -U ultralytics训练时指定使用官方预训练权重做迁移学习yolo segment train data/local-data/indoor_dataset/data.yaml modelyolov8s-seg.pt epochs100 imgsz640 batch8 device0逻辑上这会从yolov8s-seg.pt加载COCO实例分割权重再用室内数据微调。imgsz640对室内场景足够如果希望小目标检测更稳可以到768或960但显存占用会明显上涨。batch8在8GB显存左右能跑通如果OOM先降到4或2再看是否需要缩小imgsz。验证用的权重会在训练结束时自动保存在runs/segment/train/weights/best.pt。4.2 训练命令与核心超参数选值训练时我常用的核心参数表如下已按室内场景做取舍参数建议值说明imgsz640需要识别小物体可提到768epochs200室内数据量少配合早停可适当加长batch8按显存调OOM时先降此值lr00.01预训练权重可保持默认optimizerSGD小数据量SGD更稳AdamW看情况cos_lrTrue后段降低学习率对mask收敛有改善mosaic1.0室内大物体较多可保留patience30验证指标不再提升时停止超过100类的复杂场景常提高mosaic但室内场景物体边缘精细mosaic拼接会把沙发、椅子截断所以训练中期可以关掉。我在小数据集上一般用如下Python训练脚本便于动态调整参数from ultralytics import YOLO model YOLO(yolov8s-seg.pt) model.train( data/local-data/indoor_dataset/data.yaml, epochs200, imgsz640, batch8, lr00.01, cos_lrTrue, patience30, device0, workers4 )workers4控制数据预取线程数如果系统内存只有8GB降到2或0。训练过程中关注loss曲线时不必追求box_loss和seg_loss同时收敛因为seg_loss下降通常会比box_loss慢一些。如果发现精确率P和召回率R不均衡先检查各类别样本量再去调loss权重。4.3 用验证集评估 mAP 并定位困难样本训练完成后跑验证命令yolo segment val data/local-data/indoor_dataset/data.yaml modelruns/segment/train/weights/best.pt输出里重点看mAP50-95、mAP50和mask_mAP。室内场景常见现象是mAP50很高但mAP50-95偏低原因多半是掩码边缘不够贴合或标注多边形本身很粗糙。可以用下面脚本显示每个类别的AP方便定位是哪个类拖后腿import pandas as pd path runs/segment/val/results.csv df pd.read_csv(path) mask_cols [c for c in df.columns if mask in c and mAP50-95 in c] print(df[[class] mask_cols])验证结果中class列会显示类别ID和名称。评估时如果发现有类别mAP为0原因通常是该类别在val集中样本数太少或训练类别索引与data.yaml不一致。5. 验证可视化和失败恢复让室内场景实例分割数据集真正“跑起来”的技巧5.1 可视化预测与标注重叠对比验证模型不一定只能看指标更直观的是把预测掩码和原图半透明叠加和COCO标注多边形放一起对比。常见做法是from ultralytics import YOLO model YOLO(runs/segment/train/weights/best.pt) results model.predict(indoor_seg/images/val/room_023.jpg, conf0.25, saveTrue, save_txtTrue, show_labelsTrue)save_txtTrue会把每个实例的归一化坐标写入预测txt方便和标注txt做IoU对比。若发现预测结果中桌椅腿附近出现很多不连续的小块掩码说明mask分支把细节切碎了下一轮训练可以把imgsz提高到768同时调高label_smoothing到0.1试一下。5.2 标注脏数据的自动过滤思路最后一个技巧也是最有用的训练前先过滤异常标注。室内场景数据集中经常出现多边形坐标超出图像边界、多边形面积小于100像素、bbox与多边形完全不重叠等情况。可以写一个快速扫描import glob for txt in glob.glob(indoor_dataset/labels/train/*.txt): with open(txt) as f: for line in f: parts list(map(float, line.split())) coords parts[1:] xs coords[0::2] ys coords[1::2] area 0.5 * abs( sum(xs[i] * ys[i 1] - xs[i 1] * ys[i] for i in range(len(xs) - 1)) ) if area 0.001: print(f{txt}: area too small {area})面积阈值0.001对应640x640下约409.6像素这类小标注在训练时基本学不出来。如果只是个别文件直接删除该实例行如果大面积存在需要回到转换步骤检查json里的polygon顺序确认是不是坐标没归一化导致所有面积都异常大。把这个检查放在训练前能少返工好几轮。本文还有配套的精品资源点击获取