简介YOLO肺结节目标检测数据集专为医学影像目标检测场景设计面向需要使用YOLO系列算法训练肺结节检测模型的开发者与研究者数据来自真实场景且场景丰富可支撑模型训练与效果验证。压缩包共2000个文件其中xml标签文件占1986个同时包含coco(json)与yolo(txt)两种常用格式标签并附带Python划分脚本及HTML格式的YOLO环境搭建、训练教程文档整体约77.56MB。教程覆盖Linux与Windows双平台从环境安装到修改案例训练自有数据集均有说明划分脚本支持自动生成训练集、验证集和测试集免去手动整理标签的繁琐工作。目前已有403人浏览学习适合医学影像入门及进阶学习者直接下载使用按文档逐步操作即可完成从数据处理到模型训练的完整流程。1. YOLO肺结节目标检测数据集三种标签格式与可直接跑的起点肺结节目标检测最磨人的不是模型选型而是拿到一批图片之后还得折腾标注格式和数据集划分。这份压缩包解决的就是这个中间段图片约5000张LabelImg标注同一条数据给你VOC的XML、COCO的JSON、YOLO的TXT三种标签分别放在不同文件夹还附带了三个划分脚本和Linux/Windows两套环境搭建与训练教程。对想跑通YOLO目标检测全流程、又不想把时间耗在格式转换上的从业者来说这是一个可以拆开直接用的起点。下面从标签结构讲起再落到划分脚本、环境搭建和训练参数最后给你几条写了前面省略一万字的踩坑记录。2. 标注格式是黑匣子VOC、COCO、YOLO三种标签的差异与互换很多人拿到一份数据集习惯性先看图片但目标检测项目真正的信息密度在标注文件里。同样的目标VOC格式用左上角和右下角两个像素点描述COCO格式用左上角加宽高描述YOLO格式把中心点坐标和宽高全部归一化到0到1之间。三种写法看着只是数学变换不同落到脚本上却各有一套解析规则不搞清楚就训练最常见的翻车表现是Loss在降验证集mAP却是0。2.1 三种格式的字段与坐标差异先看一份简洁对比表格式文件类型坐标写法单位典型使用场景VOC.xmlxmin, ymin, xmax, ymax像素Pascal VOC、LabelImg默认输出COCO.jsonbbox: [x, y, width, height]像素COCO数据集、Detectron2YOLO.txtclass_id, center_x, center_y, width, height归一化YOLO系列训练VOC的XML以标签图像名为主键每个object节点下挂着类别名和bndbox四个角点文件可读性最好人眼能直接看出这个框在画面哪个位置。LabelImg默认就是这种输出这也解释了为什么很多标注流水线最后都要经过一次“XML转TXT”的步骤。COCO格式的问题在于它把图片信息和标注信息拆成了两个大数组图片列表里有宽高标注列表里只存图片IDjson文件一大以后肉眼几乎没法找错。YOLO格式则最简洁一行一个目标读起来像“0 0.512345 0.678901 0.123456 0.098765”但代价是坐标完全脱离了图片尺寸必须在知道宽高的情况下才能转换回像素点。三种格式之间不是简单改后缀的关系字段含义和单位都不同。这份数据集把三种格式都备齐本质上替你省掉了最常见的一道转换工序。2.2 从VOC XML到YOLO TXT坐标换算与一段可用的转换脚本如果你手里的数据只有XML或者你需要在两种格式之间来回切换常见的做法是自己写转换脚本。下面这段Python脚本可以把VOC的XML批量转成YOLO的TXTimport xml.etree.ElementTree as ET import os # 类别表必须和训练时data.yaml里的classes顺序完全一致 classes [nodule] def xml_to_yolo(xml_path, out_dir): tree ET.parse(xml_path) root tree.getroot() # 原始尺寸必须来自XML不能用训练时resize后的尺寸 width int(root.findtext(size/width)) height int(root.findtext(size/height)) lines [] for obj in root.iter(object): cls_name obj.findtext(name) if cls_name not in classes: continue cls_id classes.index(cls_name) box obj.find(bndbox) x1 float(box.findtext(xmin)) y1 float(box.findtext(ymin)) x2 float(box.findtext(xmax)) y2 float(box.findtext(ymax)) # 角点坐标转中心点坐标再除以原始宽高完成归一化 cx (x1 x2) / 2.0 / width cy (y1 y2) / 2.0 / height w (x2 - x1) / width h (y2 - y1) / height lines.append(f{cls_id} {cx:.6f} {cy:.6f} {w:.6f} {h:.6f}) if not lines: return base_name os.path.splitext(os.path.basename(xml_path))[0] out_path os.path.join(out_dir, base_name .txt) with open(out_path, w) as f: f.write(\n.join(lines))这里的逻辑核心是XML里的宽度和高度是图片原始像素值标签框也是像素值YOLO要求中心点坐标和宽高都除以原始宽高。只要比例关系写对YOLO训练时内部怎么resize都和你无关。参数方面classes列表必须和训练时的data.yaml里的names列表保持同一个顺序否则会出现“框的位置对但类别解析错”的诡异问题。2.3 COCO JSON转YOLO的四个关键字段COCO JSON转YOLO格式比VOC多几个细节。最容易被忽略的是annotation里的bbox字段是[x, y, width, height]不是两个角点直接用x除以宽度得到的不是中心点坐标。正确做法是先算出中心点# coco_bbox [x, y, width, height]像素单位 cx (coco_bbox[0] coco_bbox[2] / 2.0) / img_width cy (coco_bbox[1] coco_bbox[3] / 2.0) / img_height nw coco_bbox[2] / img_width nh coco_bbox[3] / img_height yolo_line f{category_id} {cx:.6f} {cy:.6f} {nw:.6f} {nh:.6f}COCO的category_id经常不是从0开始的连续整数它可能从1开始中间还有跳号。转到YOLO之前你需要先查一下JSON的categories列表把原始ID映射到一个从0开始的连续ID。这个映射关系写错训练时就会出现有的类别永远学不出来因为模型根本不知道那个ID对应哪个类别。另一个常见坑是COCO的标注框可能出现越界值比如xw大于图片宽度转换前最好做一次clip或跳过异常框。2.4 用可视化脚本校验标签别等训练完才发现格式转换完之后最重要的一步是在图片上把框画出来看一眼。写训练脚本之前画框和你训了一百个epoch再发现标签错位花费的时间成本完全不是一个量级。常见做法是用OpenCV快速读一张图和它的TXT按比例还原坐标import cv2 img_path images/000001.jpg label_path labels/000001.txt img cv2.imread(img_path) h, w img.shape[:2] with open(label_path) as f: for line in f: parts line.strip().split() cls_id, cx, cy, bw, bh int(parts[0]), float(parts[1]), float(parts[2]), float(parts[3]), float(parts[4]) x1 int((cx - bw / 2) * w) y1 int((cy - bh / 2) * h) x2 int((cx bw / 2) * w) y2 int((cy bh / 2) * h) cv2.rectangle(img, (x1, y1), (x2, y2), (0, 255, 0), 2) cv2.putText(img, str(cls_id), (x1, y1 - 5), cv2.FONT_HERSHEY_SIMPLEX, 0.6, (0, 255, 0), 2) cv2.imwrite(check.jpg, img)肺结节这类目标通常只占整张图很小一块如果框画出来明显偏离目标区域十有八九是转换时宽高取错了。这种错误最可怕的不是不能跑而是训练时Loss正常下降但精度上不去查了一圈最后发现是标签错位典型的白费算力。所以这个校验步骤我一般放在任何格式转换之后强制执行不跳。3. 数据集划分不是随机切train_list.txt与三个划分脚本的使用边界拿到一份整理好的数据集很多人第一反应是直接开训。但目标检测里数据集的划分方式直接影响你最后看到的精度数字是否真实。这份资源里带了三个不同的划分脚本压缩包说明文档里也单独说了使用方法。它们的差异并不是复制文件方式不同而是使用场景完全不同。3.1 三种集合各管什么训练集用于更新模型权重验证集用于在训练过程中挑模型、调超参数测试集用于评估最终模型的实际水平。三者之间严格隔离训练完以后就不能再用测试集去调任何参数否则测试集就变成了变相的验证集精度数字不再可信。很多检测任务里还存在更隐蔽的数据泄漏如果同一个来源的图片既出现在训练集又出现在验证集模型看到的验证集样本其实在训练集里见过相似画面验证指标虚高部署到新场景立刻现原形。因此做划分时不要只看文件是否被放到不同文件夹还要尽量保证同一场景或同一来源的样本不跨集合。真实的肺结节数据通常来自不同机构、不同扫描条件切分时稍微留意一下文件名前缀或目录来源能省掉后续大量争议。3.2 train_list.txt到底记录什么train_list.txt这类文件在YOLO生态里很常见它存的不是图片数据而是图片路径的清单通常一行一个相对路径。它的好处是训练时可以直接读list去加载图片不用手动把训练图片复制到一个大目录里。部分脚本会基于它生成Imagenet风格的数据划分也就是你会在压缩包里看到的split_train_val生成ImageSets下txt文件那种流程。压缩包里同时存在train_list.txt和多个脚本恰恰说明了这个数据集在整理时走的是“先生成路径清单再按清单划分目录”的思路。建议不要把train_list.txt和脚本里的输出混用train_list.txt可能是已经整理好的一份全量清单脚本又会生成新的划分结果你要确认以哪个为准再开始训练。3.3 三个划分脚本怎么选、怎么调先说split_train_val生成ImageSets下txt文件划分脚本.py。这个脚本只生成txt清单文件不复制图片。它的适用场景是数据集体量很大磁盘空间吃紧你只想记录哪些图片分给哪个集合不希望在磁盘上出现多份图片副本。使用方式和参数一般长这样python split_train_val生成ImageSets下txt文件划分脚本.py \ --images ./images \ --output ./ImageSets \ --train_ratio 0.8 \ --val_ratio 0.2 \ --seed 42再说训练集、验证集、测试集划分脚本图片标签划分写入新文件夹.py。这个脚本会把图片和对应的标签文件一起复制到train、val、test三个新目录。它的价值在于划分完的目录结构是干净的可以直接扔给训练脚本不用再写路径解析逻辑。实际使用中我一般会先打开脚本看看它顶部定义的input_dir和output_dir然后按自己的目录名改一下python 训练集、验证集、测试集划分脚本图片标签划分写入新文件夹.py \ --input ./all_images \ --labels ./all_labels \ --output ./split_dataset \ --ratio 0.7 0.2 0.1第三个训练集、验证集划分脚本图片标签划分写入新文件夹.py和上面逻辑一样只是不切测试集适合那种你只想快速迭代验证、不关心最终测试精度的场景。无论用哪个脚本最关键的一步是固定随机种子。脚本里如果没有写random.seed(42)这种语句你自己加一行否则每次运行划分出的集合不一样模型结果就无法复现。3.4 划分后目录结构要跟data.yaml对齐YOLO训练时要求的目录结构并不复杂但很刻板。划分脚本复制出来的目录一般长这样split_dataset/ ├── images/ │ ├── train/ │ ├── val/ │ └── test/ ├── labels/ │ ├── train/ │ ├── val/ │ └── test/ └── data.yamldata.yaml文件里path字段指向项目根目录train、val字段用相对路径指到images下的对应子目录names字段列出类别名列表。它和YOLO标签里的类别ID必须一一对应这个对齐关系是新手最容易忽略的细节。第2章里XML转TXT时指定了classes顺序这里data.yaml的names必定要有同样的顺序和内容两边错一个位置mAP直接崩。4. YOLO环境搭建是劝退重灾区Linux与Windows两条路的实测细节数据集本身再干净环境搭不起来也跑不了训练。压缩包里给了“YOLO环境搭建Linux版本.html”“YOLO环境搭建Windows版本.html”和两份对应的训练教程还有一个Ubuntu环境安装教程基本覆盖了主流开发机。下面的内容以Ultralytics YOLO为例说明因为它是目前yolo系列里最常用的训练框架流程通用。4.1 环境版本搭配先定Python再定PyTorch环境搭建里的血泪经验大半来自版本错配。我习惯先把版本矩阵定下来再动手装东西。一份常见的稳妥搭配是组件推荐版本说明Anaconda2023.09以上自带conda方便虚拟环境管理Python3.9或3.10太新容易碰到依赖还没适配PyTorch2.0以上需要先匹配CUDA版本CUDA Toolkit11.8或12.1和PyTorch配套不是越新越好Ultralytics8.x对应YOLOv5到YOLOv11常用版本CUDA版本和PyTorch版本错配是环境搭建里最常见的坑。安装前先去PyTorch官网选择对应的pip命令不要随手装最新版。装完后用下面这条命令确认GPU可用python -c import torch; print(torch.__version__, torch.cuda.is_available())如果输出True表示PyTorch能看到显卡可以继续如果输出False说明版本没对上检测不到CUDA驱动再往后装什么都没有意义。4.2 Linux环境下从零搭好YOLO环境Linux下环境搭建最顺的路径是先安装Anaconda再建虚拟环境然后装Ultralytics。Ubuntu下如果系统里还没有conda需要先装Minicondawget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh bash Miniconda3-latest-Linux-x86_64.sh source ~/.bashrc然后创建虚拟环境并安装依赖conda create -n yolo python3.9 -y conda activate yolo pip install ultralytics这里有一个细节Ultralytics装完会自动拉起其他依赖比如torch和torchvision但这样装的通常是CPU版本。如果你确认机器有NVIDIA显卡建议单独安装对应CUDA的PyTorch版本再装ultralytics。在Linux服务器上执行nvidia-smi可以看到显卡驱动版本再对应选择CUDA版本。4.3 Windows环境搭建容易翻车的三件事Windows路径里带中文或空格会造成难以理解的错误。比如git clone下来的项目放在“D:\我的资料\yolo project”下很多底层工具解析路径时就会出错。Windows环境搭建教程里之所以要单独写就是因为这三个问题在被反复踩。Anaconda命令提示符装完环境后还需要安装Microsoft C Build Tools否则某些依赖包会编译失败。最后是文件路径分隔符YOLO训练时如果自定义脚本里用了路径拼接最好统一用os.path.join。4.4 训练命令与参数调整环境搭好以后用YOLO训练自己的数据集只需要一条命令。关键是把data.yaml的路径和内容改对yolo train \ data./split_dataset/data.yaml \ modelyolov8n.pt \ epochs100 \ imgsz640 \ batch16model参数换成你想要的基础模型常见的选择是yolov8n.pt轻量或yolov8s.pt精度更好。epochs决定模型看几轮完整数据初学者经常设太大反而过拟合。对肺结节这类小目标检测一个值得试的调整是把imgsz从默认的640提高到1280因为图片里结节区域通常占比很小过大的缩放比例会把目标压缩到只有几个像素检测器很难学到有效特征。5. 避坑清单标注、坐标、划分与训练中常见的五条排查经验数据集和脚本都齐了训练跑起来之后才是真正的开始。下面这五条经验是我在类似项目里实际踩过的坑每一条都按现象、原因、解决方式整理好。5.1 训练Loss正常下降验证集mAP却是0现象训练日志里box_loss和cls_loss都在降训练集上的mAP也不差但验证集上mAP始终为0或极低。原因验证集的标签路径不对。YOLO训练时data.yaml里val字段指向了images/val目录但框架会默认在相邻的labels目录找标签文件。如果划分脚本没有把labels/val一起复制过去或者val目录里的txt文件名与jpg文件名不匹配验证时就找不到任何标注mAP自然为0。解决检查labels/val是否存在于磁盘上再检查里面文件名和images/val是否一一对应。文件名配不上这种情况经常是因为划分脚本复制了图片但没有复制同名标签写个脚本对两边文件取交集就能查出来。5.2 图片上画不出标注框现象用OpenCV或labelImg打开图片看不到任何框但标签文件里明明有内容。原因YOLO标签文件里的class_id超出了训练配置里names列表长度。比如训练时names只有[nodule]一个类别但标签文件第一行写的是“1 0.5 0.5 0.2 0.2”框架解析时发现类别1不存在就把这个框丢弃了表现为没有检测框。解决写脚本扫描全部标签文件统计所有class_id的最大值和data.yaml里的names长度做对比。只要最大值大于等于names长度就要回头检查转换脚本里的classes顺序或COCO转YOLO时的ID映射。5.3 检测框位置整体偏移现象训练完成之后跑测试图框确实画出来了但位置明显偏离目标而且偏移方向一致。原因标签转换时用的图片宽高和实际图片宽高不一致。常见场景是XML里记录的是原始图片尺寸但脚本读的是另外一张缩略图的尺寸导致归一化结果整体偏差。也有一种情况是标注工具的坐标系原点不同。解决转换时始终从XML或JSON里读取size字段不要自己猜测。检查代码里width、height两个变量是从哪里来的如果是硬编码就要改成从图片文件读取。用第2章的可视化脚本逐一核对前100张图偏移问题几个样本就能暴露。5.4 划分后训练集数量突然变少或出现重复现象划分脚本跑完以后统计输出目录里的文件数量发现比原来少了一大截或者验证集里出现了和训练集完全相同的文件名。原因随机种子没有固定脚本每次运行都会重新洗牌两次运行结果不一致。还有部分脚本是按文件名前缀或正则来匹配的如果名称里带有特殊字符匹配就会漏掉一批图片。解决在划分脚本里显式设置random.seed(42)或numpy.random.seed(42)并在运行前把脚本需要匹配的文件名规则先跑一遍看看是否能覆盖全部图片。输出目录生成后再做一次数量校验保证“原图数 train数 val数 test数”这三者分完不能少也不能重。5.5 小目标漏检严重调低置信度阈值也没用现象肺结节目标小测试时单张图里较小的目标检测不到。将置信度阈值降到0.05之后能多检出一些框但伴随大量误检。原因训练时的imgsz把图片缩得过小小目标对应的像素区域只剩几个点特征信息被压缩殆尽。另一个相关因素是anchors尺寸与目标真实尺寸分布不匹配如果训练时使用的是默认anchor而数据集中大部分框都小于32x32像素默认设置无法覆盖。解决提高imgsz到1280再训练一轮同时打开YOLO训练日志里的anchor统计信息查看anchor宽高与实际标注框的分布差异。对数据集中目标普遍偏小的场景还可以尝试关闭Mosaic增强或降低它的启用概率因为小目标经过Mosaic拼接后会被进一步缩小学起来更困难。6. 进阶验证从一张测试图看置信度阈值、NMS与训练质量的联动跑完训练拿到best.pt只是第一步部署前要回答的问题是这个模型在真实图片上表现如何置信度阈值怎么定。实际部署时置信度阈值需要在误检和漏检之间做权衡阈值定高了肺结节这类小目标很容易被滤掉漏检风险上升阈值定低了噪声和背景区域可能框出一堆假阳性。常见做法是先跑推理再根据结果调整阈值。6.1 推理脚本与置信度阈值参数用训练好的权重对单张测试图推理一条命令加一个脚本就够python -c from ultralytics import YOLO model YOLO(runs/detect/train/weights/best.pt) results model.predict( sourcedataset/images/test/000001.jpg, conf0.05, iou0.5, saveTrue ) conf参数控制置信度门限设为0.05是为了先看看模型在低门限下能检出哪些目标再据此判断目标本身是否被正确学习。iou参数是NMS的IoU阈值控制两个重叠框是否合并。normal场景下conf默认0.25但小目标检测场景第一步先降到0.05观察再逐步上调。用低阈值跑一遍有两个作用一是验证标签和训练质量是否正常二是统计模型对每个类别的得分分布辅助选定最终门限。6.2 从推理结果判断训练质量如果低阈值下能检出目标但目标周围框了很多零散小框说明置信度分布不够集中可以适当提高conf到0.1、0.2观察结果。如果低阈值下依然检不出目标那就不是阈值问题而是训练阶段就没学好需要回头查损失曲线和训练集精度。判定训练质量时关注训练日志里最后一轮的指标即可mAP50和mAP50-95。mAP50衡量的是粗略定位的精度mAP50-95更严格对边框位置敏感。两者差距大说明定位不够精准两者都低说明类别区分没学好。之后再拿一张测试图对比一下ground truth和预测框的重叠率基本心里就有数了。6.3 把校验流程固定成习惯我在这类项目上吃过亏训练了十几个小时最后所有指标都正常部署时才发现val和test划分其实是同一批数据测试精度虚高。从那以后我每次拿到新数据集第一件事不是看图片而是先跑标签格式校验脚本和划分脚本确认fformat和集合边界没有问题再进训练流程。数据是输入的源头这里的坑最隐蔽排查成本最低的时期反而是项目刚开始的时候。希望这些整理好的细节能帮你少在同样的地方浪费一个通宵。本文还有配套的精品资源点击获取
简介YOLO肺结节目标检测数据集专为医学影像目标检测场景设计面向需要使用YOLO系列算法训练肺结节检测模型的开发者与研究者数据来自真实场景且场景丰富可支撑模型训练与效果验证。压缩包共2000个文件其中xml标签文件占1986个同时包含coco(json)与yolo(txt)两种常用格式标签并附带Python划分脚本及HTML格式的YOLO环境搭建、训练教程文档整体约77.56MB。教程覆盖Linux与Windows双平台从环境安装到修改案例训练自有数据集均有说明划分脚本支持自动生成训练集、验证集和测试集免去手动整理标签的繁琐工作。目前已有403人浏览学习适合医学影像入门及进阶学习者直接下载使用按文档逐步操作即可完成从数据处理到模型训练的完整流程。1. YOLO肺结节目标检测数据集三种标签格式与可直接跑的起点肺结节目标检测最磨人的不是模型选型而是拿到一批图片之后还得折腾标注格式和数据集划分。这份压缩包解决的就是这个中间段图片约5000张LabelImg标注同一条数据给你VOC的XML、COCO的JSON、YOLO的TXT三种标签分别放在不同文件夹还附带了三个划分脚本和Linux/Windows两套环境搭建与训练教程。对想跑通YOLO目标检测全流程、又不想把时间耗在格式转换上的从业者来说这是一个可以拆开直接用的起点。下面从标签结构讲起再落到划分脚本、环境搭建和训练参数最后给你几条写了前面省略一万字的踩坑记录。2. 标注格式是黑匣子VOC、COCO、YOLO三种标签的差异与互换很多人拿到一份数据集习惯性先看图片但目标检测项目真正的信息密度在标注文件里。同样的目标VOC格式用左上角和右下角两个像素点描述COCO格式用左上角加宽高描述YOLO格式把中心点坐标和宽高全部归一化到0到1之间。三种写法看着只是数学变换不同落到脚本上却各有一套解析规则不搞清楚就训练最常见的翻车表现是Loss在降验证集mAP却是0。2.1 三种格式的字段与坐标差异先看一份简洁对比表格式文件类型坐标写法单位典型使用场景VOC.xmlxmin, ymin, xmax, ymax像素Pascal VOC、LabelImg默认输出COCO.jsonbbox: [x, y, width, height]像素COCO数据集、Detectron2YOLO.txtclass_id, center_x, center_y, width, height归一化YOLO系列训练VOC的XML以标签图像名为主键每个object节点下挂着类别名和bndbox四个角点文件可读性最好人眼能直接看出这个框在画面哪个位置。LabelImg默认就是这种输出这也解释了为什么很多标注流水线最后都要经过一次“XML转TXT”的步骤。COCO格式的问题在于它把图片信息和标注信息拆成了两个大数组图片列表里有宽高标注列表里只存图片IDjson文件一大以后肉眼几乎没法找错。YOLO格式则最简洁一行一个目标读起来像“0 0.512345 0.678901 0.123456 0.098765”但代价是坐标完全脱离了图片尺寸必须在知道宽高的情况下才能转换回像素点。三种格式之间不是简单改后缀的关系字段含义和单位都不同。这份数据集把三种格式都备齐本质上替你省掉了最常见的一道转换工序。2.2 从VOC XML到YOLO TXT坐标换算与一段可用的转换脚本如果你手里的数据只有XML或者你需要在两种格式之间来回切换常见的做法是自己写转换脚本。下面这段Python脚本可以把VOC的XML批量转成YOLO的TXTimport xml.etree.ElementTree as ET import os # 类别表必须和训练时data.yaml里的classes顺序完全一致 classes [nodule] def xml_to_yolo(xml_path, out_dir): tree ET.parse(xml_path) root tree.getroot() # 原始尺寸必须来自XML不能用训练时resize后的尺寸 width int(root.findtext(size/width)) height int(root.findtext(size/height)) lines [] for obj in root.iter(object): cls_name obj.findtext(name) if cls_name not in classes: continue cls_id classes.index(cls_name) box obj.find(bndbox) x1 float(box.findtext(xmin)) y1 float(box.findtext(ymin)) x2 float(box.findtext(xmax)) y2 float(box.findtext(ymax)) # 角点坐标转中心点坐标再除以原始宽高完成归一化 cx (x1 x2) / 2.0 / width cy (y1 y2) / 2.0 / height w (x2 - x1) / width h (y2 - y1) / height lines.append(f{cls_id} {cx:.6f} {cy:.6f} {w:.6f} {h:.6f}) if not lines: return base_name os.path.splitext(os.path.basename(xml_path))[0] out_path os.path.join(out_dir, base_name .txt) with open(out_path, w) as f: f.write(\n.join(lines))这里的逻辑核心是XML里的宽度和高度是图片原始像素值标签框也是像素值YOLO要求中心点坐标和宽高都除以原始宽高。只要比例关系写对YOLO训练时内部怎么resize都和你无关。参数方面classes列表必须和训练时的data.yaml里的names列表保持同一个顺序否则会出现“框的位置对但类别解析错”的诡异问题。2.3 COCO JSON转YOLO的四个关键字段COCO JSON转YOLO格式比VOC多几个细节。最容易被忽略的是annotation里的bbox字段是[x, y, width, height]不是两个角点直接用x除以宽度得到的不是中心点坐标。正确做法是先算出中心点# coco_bbox [x, y, width, height]像素单位 cx (coco_bbox[0] coco_bbox[2] / 2.0) / img_width cy (coco_bbox[1] coco_bbox[3] / 2.0) / img_height nw coco_bbox[2] / img_width nh coco_bbox[3] / img_height yolo_line f{category_id} {cx:.6f} {cy:.6f} {nw:.6f} {nh:.6f}COCO的category_id经常不是从0开始的连续整数它可能从1开始中间还有跳号。转到YOLO之前你需要先查一下JSON的categories列表把原始ID映射到一个从0开始的连续ID。这个映射关系写错训练时就会出现有的类别永远学不出来因为模型根本不知道那个ID对应哪个类别。另一个常见坑是COCO的标注框可能出现越界值比如xw大于图片宽度转换前最好做一次clip或跳过异常框。2.4 用可视化脚本校验标签别等训练完才发现格式转换完之后最重要的一步是在图片上把框画出来看一眼。写训练脚本之前画框和你训了一百个epoch再发现标签错位花费的时间成本完全不是一个量级。常见做法是用OpenCV快速读一张图和它的TXT按比例还原坐标import cv2 img_path images/000001.jpg label_path labels/000001.txt img cv2.imread(img_path) h, w img.shape[:2] with open(label_path) as f: for line in f: parts line.strip().split() cls_id, cx, cy, bw, bh int(parts[0]), float(parts[1]), float(parts[2]), float(parts[3]), float(parts[4]) x1 int((cx - bw / 2) * w) y1 int((cy - bh / 2) * h) x2 int((cx bw / 2) * w) y2 int((cy bh / 2) * h) cv2.rectangle(img, (x1, y1), (x2, y2), (0, 255, 0), 2) cv2.putText(img, str(cls_id), (x1, y1 - 5), cv2.FONT_HERSHEY_SIMPLEX, 0.6, (0, 255, 0), 2) cv2.imwrite(check.jpg, img)肺结节这类目标通常只占整张图很小一块如果框画出来明显偏离目标区域十有八九是转换时宽高取错了。这种错误最可怕的不是不能跑而是训练时Loss正常下降但精度上不去查了一圈最后发现是标签错位典型的白费算力。所以这个校验步骤我一般放在任何格式转换之后强制执行不跳。3. 数据集划分不是随机切train_list.txt与三个划分脚本的使用边界拿到一份整理好的数据集很多人第一反应是直接开训。但目标检测里数据集的划分方式直接影响你最后看到的精度数字是否真实。这份资源里带了三个不同的划分脚本压缩包说明文档里也单独说了使用方法。它们的差异并不是复制文件方式不同而是使用场景完全不同。3.1 三种集合各管什么训练集用于更新模型权重验证集用于在训练过程中挑模型、调超参数测试集用于评估最终模型的实际水平。三者之间严格隔离训练完以后就不能再用测试集去调任何参数否则测试集就变成了变相的验证集精度数字不再可信。很多检测任务里还存在更隐蔽的数据泄漏如果同一个来源的图片既出现在训练集又出现在验证集模型看到的验证集样本其实在训练集里见过相似画面验证指标虚高部署到新场景立刻现原形。因此做划分时不要只看文件是否被放到不同文件夹还要尽量保证同一场景或同一来源的样本不跨集合。真实的肺结节数据通常来自不同机构、不同扫描条件切分时稍微留意一下文件名前缀或目录来源能省掉后续大量争议。3.2 train_list.txt到底记录什么train_list.txt这类文件在YOLO生态里很常见它存的不是图片数据而是图片路径的清单通常一行一个相对路径。它的好处是训练时可以直接读list去加载图片不用手动把训练图片复制到一个大目录里。部分脚本会基于它生成Imagenet风格的数据划分也就是你会在压缩包里看到的split_train_val生成ImageSets下txt文件那种流程。压缩包里同时存在train_list.txt和多个脚本恰恰说明了这个数据集在整理时走的是“先生成路径清单再按清单划分目录”的思路。建议不要把train_list.txt和脚本里的输出混用train_list.txt可能是已经整理好的一份全量清单脚本又会生成新的划分结果你要确认以哪个为准再开始训练。3.3 三个划分脚本怎么选、怎么调先说split_train_val生成ImageSets下txt文件划分脚本.py。这个脚本只生成txt清单文件不复制图片。它的适用场景是数据集体量很大磁盘空间吃紧你只想记录哪些图片分给哪个集合不希望在磁盘上出现多份图片副本。使用方式和参数一般长这样python split_train_val生成ImageSets下txt文件划分脚本.py \ --images ./images \ --output ./ImageSets \ --train_ratio 0.8 \ --val_ratio 0.2 \ --seed 42再说训练集、验证集、测试集划分脚本图片标签划分写入新文件夹.py。这个脚本会把图片和对应的标签文件一起复制到train、val、test三个新目录。它的价值在于划分完的目录结构是干净的可以直接扔给训练脚本不用再写路径解析逻辑。实际使用中我一般会先打开脚本看看它顶部定义的input_dir和output_dir然后按自己的目录名改一下python 训练集、验证集、测试集划分脚本图片标签划分写入新文件夹.py \ --input ./all_images \ --labels ./all_labels \ --output ./split_dataset \ --ratio 0.7 0.2 0.1第三个训练集、验证集划分脚本图片标签划分写入新文件夹.py和上面逻辑一样只是不切测试集适合那种你只想快速迭代验证、不关心最终测试精度的场景。无论用哪个脚本最关键的一步是固定随机种子。脚本里如果没有写random.seed(42)这种语句你自己加一行否则每次运行划分出的集合不一样模型结果就无法复现。3.4 划分后目录结构要跟data.yaml对齐YOLO训练时要求的目录结构并不复杂但很刻板。划分脚本复制出来的目录一般长这样split_dataset/ ├── images/ │ ├── train/ │ ├── val/ │ └── test/ ├── labels/ │ ├── train/ │ ├── val/ │ └── test/ └── data.yamldata.yaml文件里path字段指向项目根目录train、val字段用相对路径指到images下的对应子目录names字段列出类别名列表。它和YOLO标签里的类别ID必须一一对应这个对齐关系是新手最容易忽略的细节。第2章里XML转TXT时指定了classes顺序这里data.yaml的names必定要有同样的顺序和内容两边错一个位置mAP直接崩。4. YOLO环境搭建是劝退重灾区Linux与Windows两条路的实测细节数据集本身再干净环境搭不起来也跑不了训练。压缩包里给了“YOLO环境搭建Linux版本.html”“YOLO环境搭建Windows版本.html”和两份对应的训练教程还有一个Ubuntu环境安装教程基本覆盖了主流开发机。下面的内容以Ultralytics YOLO为例说明因为它是目前yolo系列里最常用的训练框架流程通用。4.1 环境版本搭配先定Python再定PyTorch环境搭建里的血泪经验大半来自版本错配。我习惯先把版本矩阵定下来再动手装东西。一份常见的稳妥搭配是组件推荐版本说明Anaconda2023.09以上自带conda方便虚拟环境管理Python3.9或3.10太新容易碰到依赖还没适配PyTorch2.0以上需要先匹配CUDA版本CUDA Toolkit11.8或12.1和PyTorch配套不是越新越好Ultralytics8.x对应YOLOv5到YOLOv11常用版本CUDA版本和PyTorch版本错配是环境搭建里最常见的坑。安装前先去PyTorch官网选择对应的pip命令不要随手装最新版。装完后用下面这条命令确认GPU可用python -c import torch; print(torch.__version__, torch.cuda.is_available())如果输出True表示PyTorch能看到显卡可以继续如果输出False说明版本没对上检测不到CUDA驱动再往后装什么都没有意义。4.2 Linux环境下从零搭好YOLO环境Linux下环境搭建最顺的路径是先安装Anaconda再建虚拟环境然后装Ultralytics。Ubuntu下如果系统里还没有conda需要先装Minicondawget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh bash Miniconda3-latest-Linux-x86_64.sh source ~/.bashrc然后创建虚拟环境并安装依赖conda create -n yolo python3.9 -y conda activate yolo pip install ultralytics这里有一个细节Ultralytics装完会自动拉起其他依赖比如torch和torchvision但这样装的通常是CPU版本。如果你确认机器有NVIDIA显卡建议单独安装对应CUDA的PyTorch版本再装ultralytics。在Linux服务器上执行nvidia-smi可以看到显卡驱动版本再对应选择CUDA版本。4.3 Windows环境搭建容易翻车的三件事Windows路径里带中文或空格会造成难以理解的错误。比如git clone下来的项目放在“D:\我的资料\yolo project”下很多底层工具解析路径时就会出错。Windows环境搭建教程里之所以要单独写就是因为这三个问题在被反复踩。Anaconda命令提示符装完环境后还需要安装Microsoft C Build Tools否则某些依赖包会编译失败。最后是文件路径分隔符YOLO训练时如果自定义脚本里用了路径拼接最好统一用os.path.join。4.4 训练命令与参数调整环境搭好以后用YOLO训练自己的数据集只需要一条命令。关键是把data.yaml的路径和内容改对yolo train \ data./split_dataset/data.yaml \ modelyolov8n.pt \ epochs100 \ imgsz640 \ batch16model参数换成你想要的基础模型常见的选择是yolov8n.pt轻量或yolov8s.pt精度更好。epochs决定模型看几轮完整数据初学者经常设太大反而过拟合。对肺结节这类小目标检测一个值得试的调整是把imgsz从默认的640提高到1280因为图片里结节区域通常占比很小过大的缩放比例会把目标压缩到只有几个像素检测器很难学到有效特征。5. 避坑清单标注、坐标、划分与训练中常见的五条排查经验数据集和脚本都齐了训练跑起来之后才是真正的开始。下面这五条经验是我在类似项目里实际踩过的坑每一条都按现象、原因、解决方式整理好。5.1 训练Loss正常下降验证集mAP却是0现象训练日志里box_loss和cls_loss都在降训练集上的mAP也不差但验证集上mAP始终为0或极低。原因验证集的标签路径不对。YOLO训练时data.yaml里val字段指向了images/val目录但框架会默认在相邻的labels目录找标签文件。如果划分脚本没有把labels/val一起复制过去或者val目录里的txt文件名与jpg文件名不匹配验证时就找不到任何标注mAP自然为0。解决检查labels/val是否存在于磁盘上再检查里面文件名和images/val是否一一对应。文件名配不上这种情况经常是因为划分脚本复制了图片但没有复制同名标签写个脚本对两边文件取交集就能查出来。5.2 图片上画不出标注框现象用OpenCV或labelImg打开图片看不到任何框但标签文件里明明有内容。原因YOLO标签文件里的class_id超出了训练配置里names列表长度。比如训练时names只有[nodule]一个类别但标签文件第一行写的是“1 0.5 0.5 0.2 0.2”框架解析时发现类别1不存在就把这个框丢弃了表现为没有检测框。解决写脚本扫描全部标签文件统计所有class_id的最大值和data.yaml里的names长度做对比。只要最大值大于等于names长度就要回头检查转换脚本里的classes顺序或COCO转YOLO时的ID映射。5.3 检测框位置整体偏移现象训练完成之后跑测试图框确实画出来了但位置明显偏离目标而且偏移方向一致。原因标签转换时用的图片宽高和实际图片宽高不一致。常见场景是XML里记录的是原始图片尺寸但脚本读的是另外一张缩略图的尺寸导致归一化结果整体偏差。也有一种情况是标注工具的坐标系原点不同。解决转换时始终从XML或JSON里读取size字段不要自己猜测。检查代码里width、height两个变量是从哪里来的如果是硬编码就要改成从图片文件读取。用第2章的可视化脚本逐一核对前100张图偏移问题几个样本就能暴露。5.4 划分后训练集数量突然变少或出现重复现象划分脚本跑完以后统计输出目录里的文件数量发现比原来少了一大截或者验证集里出现了和训练集完全相同的文件名。原因随机种子没有固定脚本每次运行都会重新洗牌两次运行结果不一致。还有部分脚本是按文件名前缀或正则来匹配的如果名称里带有特殊字符匹配就会漏掉一批图片。解决在划分脚本里显式设置random.seed(42)或numpy.random.seed(42)并在运行前把脚本需要匹配的文件名规则先跑一遍看看是否能覆盖全部图片。输出目录生成后再做一次数量校验保证“原图数 train数 val数 test数”这三者分完不能少也不能重。5.5 小目标漏检严重调低置信度阈值也没用现象肺结节目标小测试时单张图里较小的目标检测不到。将置信度阈值降到0.05之后能多检出一些框但伴随大量误检。原因训练时的imgsz把图片缩得过小小目标对应的像素区域只剩几个点特征信息被压缩殆尽。另一个相关因素是anchors尺寸与目标真实尺寸分布不匹配如果训练时使用的是默认anchor而数据集中大部分框都小于32x32像素默认设置无法覆盖。解决提高imgsz到1280再训练一轮同时打开YOLO训练日志里的anchor统计信息查看anchor宽高与实际标注框的分布差异。对数据集中目标普遍偏小的场景还可以尝试关闭Mosaic增强或降低它的启用概率因为小目标经过Mosaic拼接后会被进一步缩小学起来更困难。6. 进阶验证从一张测试图看置信度阈值、NMS与训练质量的联动跑完训练拿到best.pt只是第一步部署前要回答的问题是这个模型在真实图片上表现如何置信度阈值怎么定。实际部署时置信度阈值需要在误检和漏检之间做权衡阈值定高了肺结节这类小目标很容易被滤掉漏检风险上升阈值定低了噪声和背景区域可能框出一堆假阳性。常见做法是先跑推理再根据结果调整阈值。6.1 推理脚本与置信度阈值参数用训练好的权重对单张测试图推理一条命令加一个脚本就够python -c from ultralytics import YOLO model YOLO(runs/detect/train/weights/best.pt) results model.predict( sourcedataset/images/test/000001.jpg, conf0.05, iou0.5, saveTrue ) conf参数控制置信度门限设为0.05是为了先看看模型在低门限下能检出哪些目标再据此判断目标本身是否被正确学习。iou参数是NMS的IoU阈值控制两个重叠框是否合并。normal场景下conf默认0.25但小目标检测场景第一步先降到0.05观察再逐步上调。用低阈值跑一遍有两个作用一是验证标签和训练质量是否正常二是统计模型对每个类别的得分分布辅助选定最终门限。6.2 从推理结果判断训练质量如果低阈值下能检出目标但目标周围框了很多零散小框说明置信度分布不够集中可以适当提高conf到0.1、0.2观察结果。如果低阈值下依然检不出目标那就不是阈值问题而是训练阶段就没学好需要回头查损失曲线和训练集精度。判定训练质量时关注训练日志里最后一轮的指标即可mAP50和mAP50-95。mAP50衡量的是粗略定位的精度mAP50-95更严格对边框位置敏感。两者差距大说明定位不够精准两者都低说明类别区分没学好。之后再拿一张测试图对比一下ground truth和预测框的重叠率基本心里就有数了。6.3 把校验流程固定成习惯我在这类项目上吃过亏训练了十几个小时最后所有指标都正常部署时才发现val和test划分其实是同一批数据测试精度虚高。从那以后我每次拿到新数据集第一件事不是看图片而是先跑标签格式校验脚本和划分脚本确认fformat和集合边界没有问题再进训练流程。数据是输入的源头这里的坑最隐蔽排查成本最低的时期反而是项目刚开始的时候。希望这些整理好的细节能帮你少在同样的地方浪费一个通宵。本文还有配套的精品资源点击获取
