简介面向YOLO目标检测学习与实战的斑马线检测数据集包含1000张真实道路场景图片覆盖不同时段、光照、视角及遮挡情况场景多样适用于智慧交通、辅助驾驶等场景的研究与落地验证也适合目标检测初学者、课程设计与算法验证使用。图片经LabelImg人工标注标注框贴合目标提供VOC、COCO、YOLO三种格式标签无需额外转换即可直接接入YOLO系列模型训练。压缩包共2000个文件其中xml标签1000个、txt标签990个另附6个HTML教程、3个Python数据划分脚本和1个YAML配置文件整体约200.4MB。教程分别覆盖Linux与Windows环境下的YOLO环境搭建、训练案例修改与自定义数据集流程脚本可自动生成训练集、验证集和测试集方便快速搭建完整数据工作流显著减少数据预处理与格式转换时间。已有320人学习使用适合需要数据集、配套代码与上手教程一体化资源的开发者参考。1. 斑马线目标检测动工前先把1000张图和三种标签格式理清斑马线检测是辅助驾驶、智慧交通、盲人导航里绕不开的需求路口的人行横道、停止线、非机动车引导线在画面里都是一组白色条纹。很多人拿到一份 YOLO 斑马线目标检测数据集里面图片、标注、脚本齐全结果卡在第一步搞不清 VOC、COCO、YOLO 三种标签格式到底怎么对应划分脚本跑完也不知道对不对最后训练出来的模型 mAP 虚高或直接不收敛。这份数据集把 1000 张图、三种格式的标签、划分脚本和训练教程打包在一起价值不在于“有图可训”而在于它演示了数据标注标准化和划分可复现的完整链路。适合刚入门目标检测、想拿真实交通场景练手的同学也适合要在项目里快速验证斑马线检测效果的工程师。2. VOC、COCO、YOLO 三种格式的底细数据组织方式和适用场景拿到这个数据集第一件事不是解压后直接跑训练而是先把三种格式看清楚。很多项目翻车不是模型不行是标签格式理解错了。VOC、COCO、YOLO 三种格式的差异核心在两点文件怎么组织、坐标怎么表达。2.1 VOC 格式一张图一个 XML标注工具的默认输出Pascal VOC 是目标检测领域最老的标注格式它的组织方式是“一张图对应一个 XML 文件”XML 文件名和图片名保持一致。常见标注工具如 LabelImg 的默认导出格式就是它所以很多老数据集都是 VOC 打底。一个典型 VOC 的 XML 结构是这样的annotation folderJPEGImages/folder filename000001.jpg/filename size width1920/width height1080/height depth3/depth /size object namezebra_crossing/name bndbox xmin420/xmin ymin530/ymin xmax780/xmax ymax610/ymax /bndbox /object /annotation需要重点强调的是size里的宽高必须和图片真实尺寸一致。后面转 YOLO 格式时要做坐标归一化如果这里填错归一化出来的中心点全是偏的训练时框的位置全错这是 VOC 转码最常见的隐性坑。VOC 格式的缺点是显而易见的一个目标一个 XML1000 张图就是 1000 个 XML 文件文件数量多、拷贝慢、归档麻烦。而且 XML 解析比 JSON 慢现代训练框架基本不直接吃 VOC 格式。但它的优势是方便人读、方便手工修改做标注质检时用文本编辑器打开就能看懂。解析 VOC XML 的常用写法是import xml.etree.ElementTree as ET def parse_voc(xml_path): tree ET.parse(xml_path) root tree.getroot() width int(root.find(size/width).text) height int(root.find(size/height).text) objects [] for obj in root.iter(object): name obj.find(name).text box obj.find(bndbox) xmin int(box.find(xmin).text) ymin int(box.find(ymin).text) xmax int(box.find(xmax).text) ymax int(box.find(ymax).text) objects.append({name: name, bbox: [xmin, ymin, xmax, ymax]}) return width, height, objects逻辑说明用root.iter(object)而不是root.findall(object)是因为有些标注工具会在object节点下嵌套额外的子节点iter能遍历所有层级的同名节点容错性更好。宽高取出来后立刻转成 int后面做归一化运算时避免字符串拼接报错。2.2 COCO 格式一个 JSON 管理全部标注COCO 格式由微软提出核心思想是用一个 JSON 文件把整个数据集的图片信息、目标类别、标注框全部管起来。结构上分成三个顶层数组images、annotations、categories。{ images: [ {id: 1, file_name: 000001.jpg, width: 1920, height: 1080} ], annotations: [ { id: 1, image_id: 1, category_id: 1, bbox: [420, 530, 360, 80], area: 28800, iscrowd: 0 } ], categories: [ {id: 1, name: zebra_crossing} ] }这里最容易翻车的点是COCO 的bbox是[x, y, width, height]不是 VOC 的[xmin, ymin, xmax, ymax]。很多人从 VOC 转 COCO 时直接把四个坐标原样搬过去结果宽度变成了右边界减左边界再减掉 xmin框全是歪的。area一般填width * heightiscrowd填 0 表示这不是一个密集人群目标。COCO 格式的好处是文件集中一个 JSON 搞定所有标注Detectron2、MMDetection 这些主流检测框架原生支持它。Ultralytics YOLOv5/v8 也支持直接用 COCO JSON 做训练数据。缺点是人读不友好——想手动确认某张图里有什么目标得在几千行的 JSON 里检索效率很低。2.3 YOLO 格式每张图一个 txt训练框架的最爱YOLO 格式是 Darknet 和 Ultralytics YOLO 系列使用的标注格式风格和 VOC 类似一图一个文件但后缀是 txt。每行代表一个目标五个字段class_id x_center y_center width height注意后四个值全部是相对图片宽度和高度的归一化浮点数取值范围在 0 到 1 之间。类别 ID 从 0 开始计数不是从 1。斑马线数据集里这个类别如果只定义了zebra_crossing一个类那所有 txt 文件里的 class_id 都是 00 0.5123 0.4821 0.1875 0.0741这个值的含义是目标中心点在图片水平 51.23% 的位置、垂直 48.21% 的位置目标宽度占整张图宽度的 18.75%高度占整张图高度的 7.41%。YOLO 格式的优势是文件极简、读取极快Ultralytics 训练时直接读 txt 拼成 tensor中间不需要额外的解析步骤数据加载效率高。缺点是坐标用浮点数表示肉眼没法验证对错必须写脚本检查中心点是否越界、宽高是否为负数。三种格式的核心差异整理成对比表格式文件组织坐标方式适合框架主要缺点VOC一图一 XML绝对像素 xmin/ymin/xmax/ymaxLabelImg 生态、SSD 旧代码文件多、解析慢COCO单一 JSON绝对像素 x/y/w/hDetectron2、MMDetection人工阅读困难YOLO一图一 txt归一化中心点/宽高Ultralytics YOLO、Darknet肉眼无法检查理解三者的区别之后就能明白标题里的“三种格式标签”是什么意思同一批 1000 张图片标注信息分别编码成三种格式训练时按框架需求选一种即可。3. 从 VOC 转换到 COCO 和 YOLO转换脚本与参数这个数据集既然把三种格式都准备好了那说明源头大概率是 VOC 格式COCO 和 YOLO 是派生出来的。你自己手里如果有别的数据集想转成这三种格式或者想验证包内三种格式是否一致需要掌握转换脚本的写法。3.1 转换前先定目录结构我一般会这样组织目标检测数据集这个结构和 Ultralytics YOLO 的约定一致后面写训练 yaml 时可以少踩坑dataset/ ├── images/ │ ├── train/ │ └── val/ ├── labels/ │ ├── train/ │ └── val/ └── annotations/ ├── voc/ ├── coco/ └── yolo/images和labels分别放图片和 YOLO 格式的 txtannotations下面按格式分子目录。如果后续要切分数据只动images和labels两个目录就行COCO 的 JSON 在划分时重新生成。3.2 VOC 转 YOLO核心是坐标归一化把 VOC 的绝对坐标转成 YOLO 的归一化坐标公式只有四个x_center (xmin xmax) / 2 / width y_center (ymin ymax) / 2 / height box_width (xmax - xmin) / width box_height (ymax - ymin) / height对应的转换脚本import os import xml.etree.ElementTree as ET class_names [zebra_crossing] def voc_to_yolo(xml_path, out_txt_path): tree ET.parse(xml_path) root tree.getroot() width int(root.find(size/width).text) height int(root.find(size/height).text) lines [] for obj in root.iter(object): name obj.find(name).text if name not in class_names: continue class_id class_names.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) x_center (xmin xmax) / 2 / width y_center (ymin ymax) / 2 / height w (xmax - xmin) / width h (ymax - ymin) / height lines.append(f{class_id} {x_center:.6f} {y_center:.6f} {w:.6f} {h:.6f}) if lines: with open(out_txt_path, w) as f: f.write(\n.join(lines))参数说明x_center保留 6 位小数对 1080p 的图来说能保证亚像素级的精度再多的小数位对训练没有实际意义。w和h都是相对值一个常见错误是宽度归一化时除以了height、高度归一化时除以了width这在图片不是正方形时会导致所有框的比例全部失真。做转换时还要在循环外加一个判断如果某张图的 XML 里只有一个目标输出 txt 里只有一行如果 XML 里没有目标txt 文件不生成或生成空文件这个策略要根据训练框架的约定统一Ultralytics 对空标签文件会直接忽略。3.3 VOC 转 COCO先建 categories 再写 annotationsVOC 转 COCO 的代码更繁琐因为要维护三个自增的 ID图片 ID、标注 ID、类别 ID。直接看代码import json import os import xml.etree.ElementTree as ET class_names [zebra_crossing] def voc_to_coco(voc_dir, output_json): coco { images: [], annotations: [], categories: [{id: i 1, name: name} for i, name in enumerate(class_names)] } image_id 1 ann_id 1 for xml_file in sorted(os.listdir(voc_dir)): if not xml_file.endswith(.xml): continue tree ET.parse(os.path.join(voc_dir, xml_file)) root tree.getroot() file_name root.find(filename).text width int(root.find(size/width).text) height int(root.find(size/height).text) coco[images].append({ id: image_id, file_name: file_name, width: width, height: height }) for obj in root.iter(object): name obj.find(name).text if name not in class_names: continue category_id class_names.index(name) 1 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) w xmax - xmin h ymax - ymin coco[annotations].append({ id: ann_id, image_id: image_id, category_id: category_id, bbox: [xmin, ymin, w, h], area: w * h, iscrowd: 0 }) ann_id 1 image_id 1 with open(output_json, w, encodingutf-8) as f: json.dump(coco, f, ensure_asciiFalse) return len(coco[images]), len(coco[annotations])逻辑说明category_id在 categories 数组里已经定好了从 1 开始编号对应关系是class_names.index(name) 1第一个类 ID 为 1这个和 YOLO 格式里从 0 开始编号的习惯不同容易搞混。annotations里的image_id必须和images数组里对应图片的id相等否则训练框架找不到标注属于哪张图。小技巧voc_to_coco函数返回图片数和标注数转完打印出来核对。比如 1000 张图如果每张图平均 1.5 个斑马线目标标注数应该在 1500 上下。如果标注数远小于预期说明有 XML 漏读或类别名不匹配先修完再进入下一步。3.4 转换后的三重校验转换完不校验等于白转。我一般会跑三个快速检查第一重检查路径一致性确保images里的图片、labels里的 txt、annotations里的 XML/JSON 引用的文件名完全一致。最省事的做法是打印三个目录的文件名集合求并集和差集。import os def diff_names(dir_a, dir_b, suffix_a.jpg, suffix_b.txt): names_a {f.replace(suffix_a, ) for f in os.listdir(dir_a) if f.endswith(suffix_a)} names_b {f.replace(suffix_b, ) for f in os.listdir(dir_b) if f.endswith(suffix_b)} return names_a - names_b, names_b - names_a第二重检查 YOLO 坐标合法性每个 txt 里的五个字段class_id 必须在[0, num_classes)内中心点 x、y 必须在[0, 1]内宽度、高度必须大于 0 且小于等于 1。写一个循环把所有 txt 读一遍遇到异常直接打印文件名和行号。第三重抽样可视化用 OpenCV 把标注框画回原图随机挑 20 张图看一眼。这个方法虽然“土”但能一次发现问题框偏了、宽高反了、坐标越界视觉上一眼就能看出来。代码很简单import cv2 def visualize_label(img_path, txt_path): img cv2.imread(img_path) h, w img.shape[:2] with open(txt_path) as f: for line in f: _, xc, yc, bw, bh map(float, line.strip().split()) x1 int((xc - bw / 2) * w) y1 int((yc - bh / 2) * h) x2 int((xc bw / 2) * w) y2 int((yc bh / 2) * h) cv2.rectangle(img, (x1, y1), (x2, y2), (0, 255, 0), 2) cv2.imshow(check, img) cv2.waitKey(0)逻辑说明画框时要把归一化坐标乘回图片宽高注意x_center - width/2算出来的是左上角 x这个逆向过程最容易出错如果你画出来的框错位先怀疑这里。4. 按 9:1 切分训练集划分脚本、随机种子与类别校验标题里的“划分脚本”解决的是目标检测里最容易被忽略的问题数据怎么切分才能让训练结果可信。直接用random.shuffle切每次跑出来的训练集都不一样调参时两个实验之间没有可比性。这块我踩过不少坑血泪经验是划分脚本必须固定随机种子划分结果必须可复现。4.1 划分比例怎么定1000 张图的数据量不算大常见划分是 8:2 或 9:1。斑马线目标比较单一一个类、框通常比较大我建议用 9:1900 张训练、100 张验证。验证集 100 张图足够计算 mAP 且有统计意义还能把更多样本留给训练。如果后续要做模型调优、反复对比实验可以考虑抽一部分测试集出来比如从训练集里再留 50 张做测试形成 8.5:0.5:1 的三段划分。这个数据集的划分脚本如果只有 train/val 两段也够用测试时直接用 val 就行。4.2 划分脚本的写法用 sklearn 的train_test_split是稳定做法它自带随机种子和洗牌逻辑比自己写random.shuffle再切片省事import os import shutil from sklearn.model_selection import train_test_split random_state 42 source_images images source_labels labels/yolo train_img_dir images/train val_img_dir images/val train_lbl_dir labels/train val_lbl_dir labels/val all_imgs [f for f in os.listdir(source_images) if f.endswith(.jpg)] all_imgs.sort() train_imgs, val_imgs train_test_split( all_imgs, test_size0.1, random_staterandom_state ) for d in [train_img_dir, val_img_dir, train_lbl_dir, val_lbl_dir]: os.makedirs(d, exist_okTrue) for img in train_imgs: txt img.replace(.jpg, .txt) shutil.copy(os.path.join(source_images, img), os.path.join(train_img_dir, img)) shutil.copy(os.path.join(source_labels, txt), os.path.join(train_lbl_dir, txt)) for img in val_imgs: txt img.replace(.jpg, .txt) shutil.copy(os.path.join(source_images, img), os.path.join(val_img_dir, img)) shutil.copy(os.path.join(source_labels, txt), os.path.join(val_lbl_dir, txt))参数说明random_state42是决定划分结果能否复现的关键同一个随机种子、同一份文件列表跑出来的划分永远一致。文件列表先sort()再切分也很重要因为不同操作系统下os.listdir的返回顺序不固定不排序的话换台机器划分就变了。这里用的是copy而不是move目的是保留原始文件万一划分结果不满意重新跑脚本即可不需要从备份恢复。如果你确认划分没问题可以改成move省磁盘空间。4.3 划分后必须检查类别分布斑马线目标在不同图片里出现的次数、大小差异很大。路口近景的斑马线占图幅很大远景的只有一条细线。如果这些困难样本恰好全被切到验证集训练集会变得过于“简单”模型在训练集上收敛得很好验证集上 mAP 崩盘。划分完成后要统计每个子集的类别情况和目标尺度分布from collections import Counter def count_labels(label_dir): total Counter() widths [] heights [] for txt in os.listdir(label_dir): path os.path.join(label_dir, txt) with open(path) as f: for line in f: parts line.strip().split() if len(parts) ! 5: continue class_id parts[0] w, h float(parts[3]), float(parts[4]) total[class_id] 1 widths.append(w) heights.append(h) avg_w sum(widths) / len(widths) if widths else 0 avg_h sum(heights) / len(heights) if heights else 0 return total, avg_w, avg_h print(train:, count_labels(labels/train)) print(val:, count_labels(labels/val))如果验证集里某个类出现 0 次那验证环节会直接把这个类漏掉mAP 结果不可信。解决方法是使用分层划分把每张图按“包含的类别组合”分组再在组内切分train_test_split支持stratify参数只要传入每张图对应的类别标签主键即可。斑马线这类单类别数据集通常不需要太复杂的分层直接按类别出现次数加权抽样就行。多类别数据集才有真正的分层压力。4.4 划分脚本容易被忽略的三个细节第一个细节图片和标签必须成对移动。划分时只移动图片不移动标签或者图片后缀是.jpeg但脚本里只匹配.jpg都会导致训练时报“找不到标签”。处理方式是统一用图片文件名的前缀去匹配标签不依赖后缀判断。第二个细节划分后的验证集里不要混入训练集的任何一张图。这个听上去是废话但如果你之前手动复制过文件或者原始目录里遗留了旧划分很容易出问题。写完划分脚本后打印set(train_imgs) set(val_imgs)检查交集是否为空。第三个细节划分脚本要写在项目目录里并纳入版本管理。数据集本身不适合传 git但划分脚本一定要保留这样别人拿到你的工程后能精确地复现你的训练集和验证集实验结果才是可比较的。5. 避坑斑马线数据集最常见的 5 个问题不管是用这个数据集还是自己标注斑马线数据下面这几个坑出现的频率最高。每条我都按“现象、原因、解决”的顺序写清楚。5.1 标签和图片文件名对不上现象训练时报No labels found in /xxx/0001.jpg或者 mAP 一直是 0可视化时没有框。原因VOC 格式的 XML 里filename写的可能是0001.jpg但实际图片文件名是IMG_0001.jpg两者对不上或者批量重命名图片后忘了同步改标注。YOLO 格式是按文件名前缀匹配图片和 txt 的一旦前缀不一致对应关系就断了。解决写脚本以图片文件名为基准逐个检查标签文件缺失或多余的直接列出来。通常做法是把图片名和标签名的共同前缀拿出来做集合差然后手动处理落单的文件。小数据集直接用diff命令也能看但脚本更利于后期自动化。5.2 归一化坐标出现负数或大于 1现象训练 Loss 不降或训练过程 Loss 剧烈抖动验证时框全偏到图片外面。原因标注工具允许把框画到画布边缘外导致 VOC 里出现xmin -5这类越界值转换 YOLO 时没做 clamp算出来的x_center变成负数或大于 1。YOLO 训练的损失函数里包含边界惩罚项越界坐标会让损失值异常波动。解决转换脚本里加一行钳制代码归一化前先限制范围。xmin max(0, min(xmin, width - 1)) ymin max(0, min(ymin, height - 1)) xmax max(0, min(xmax, width - 1)) ymax max(0, min(ymax, height - 1))参数说明width - 1是因为像素坐标从 0 开始最后一个像素索引是width - 1直接拿width做上限会导致越界。钳制后再做归一化出来的坐标就一定在[0, 1]区间内。5.3 斑马线在远视角下是小目标anchor 不匹配现象mAP50 能到 90%但 mAP50-95 只有 40% 上下小尺寸斑马线基本漏检。原因斑马线的长宽比极不固定近景是细长条远景是一小撮条纹。YOLO 默认的 anchor 是从 COCO 数据集聚类出来的COCO 里的目标是行人、车、猫狗和斑马线的形状分布差异很大。解决训练时开启自适应增强项mosaic1.0并把imgsz从默认 640 提到 960小目标在放大后的图上像素更多。如果还不行用 Ultralytics 的自动 anchor 聚类训练脚本会自动在你传入的 yaml 数据上跑 k-means重新聚类出一组适配斑马线形状的 anchor。开启自动聚类不需要写额外代码只要别手动传anchors配置就行。5.4 光照和阴影让条纹断裂漏检严重现象白天晴天效果不错一到阴天、傍晚或者树荫遮挡的斑马线检测率断崖式下跌。原因斑马线的视觉特征是“白色条纹和深色路面交替”阴影会降低条纹和地面的对比度模型学到的是“白色块”而不是“斑马线的整体结构”。这是数据层面的问题不是模型问题。解决训练时加大颜色扰动参数让模型对明暗变化不敏感。在 Ultralytics 的训练参数里yolo detect train ... hsv_h0.015 hsv_s0.7 hsv_v0.4参数说明hsv_v0.4是亮度扰动上限0.4 意味着每张图会随机变暗或变亮最多 40%相当于隐式做了一次亮度增强。数据层面更有效的做法是收集傍晚、阴影、夜间路口的图片补充标注1000 张图里如果全是大白天模型在光照迁移上一定吃亏。5.5 COCO JSON 里漏了 area 或 iscrowd 字段现象用 MMDetection 或 Detectron2 训练时报KeyError: area或KeyError: iscrowd。原因手写 VOC 转 COCO 脚本时图省事只填了bbox和category_id。这两个框架在数据加载阶段会直接读取area做正负样本分配读取iscrowd做样本过滤缺一个就崩。解决补全字段。area用w * h计算iscrowd填 0。如果你用的是第 3 章的转换函数这两个字段已经内置了如果从公开代码库拉的转换脚本先确认输出 JSON 里有这两个 key 再拿去训练。提示校验 COCO JSON 最直接的方法是json.load后用len(coco[annotations])看标注数再随便取第一个 annotation 打印所有字段human 检查一遍再喂给框架。6. 用 YOLOv8 跑通训练流程yaml 配置到 mAP 验证数据集和划分都齐了最后一步是把训练跑起来。标题里的“训练教程”落到实际操作核心就三件事写数据集的 yaml、跑训练、看指标。斑马线是单类别数据集yaml 很简洁# zebra_crossing.yaml path: ./datasets/zebra_crossing train: images/train val: images/val nc: 1 names: 0: zebra_crossing配置说明path指向数据集根目录train和val是相对path的子目录路径nc是类别数names里 0 号类别必须和标签 txt 里的 class_id 对应。训练命令yolo detect train \ modelyolov8n.pt \ datazebra_crossing.yaml \ epochs100 imgsz640 batch16说明modelyolov8n.pt是 YOLOv8 官方预训练权重。用预训练模型做迁移学习比从零训练收敛快很多1000 张图的数据量不足以从零学会通用特征预训练权重提供底层的边缘和纹理提取能力我们只需要微调斑马线这个类别。显存 6GB 以上用 nano 或 small 都行斑马线目标不算细碎nano 足够。训练完验证yolo val \ modelruns/detect/train/weights/best.pt \ datazebra_crossing.yaml看三个核心指标mAP50、mAP50-95、Precision/Recall。斑马线目标相对大、类别单一mAP50 在 90% 以上算合格mAP50-95 能到 70% 以上就是不错的模型。如果 mAP50 高但 mAP50-95 低说明框的位置精度不够可以把imgsz提到 960 再训一轮。进阶技巧验证后把漏检图可视化出来命令加上save_confTrue会输出带置信度的预测框图片。逐张看漏检目标区分是尺度问题还是遮挡问题——如果全是远距离小目标漏检就去增强数据如果全是遮挡漏检考虑调低conf阈值或增加负样本。这样做一轮比盲目调参高效得多。我自己跑这类交通场景数据集的时候最深的教训就是“转换完不校验直接开训”结果前 20 个 epoch 全在无效计算上浪费时间。后来养成一个习惯拿到任何数据集先跑一遍格式校验和抽样可视化确认标签没问题再谈训练。这个习惯帮你省下的时间往往比训练本身还多。希望帮到你。本文还有配套的精品资源点击获取
简介面向YOLO目标检测学习与实战的斑马线检测数据集包含1000张真实道路场景图片覆盖不同时段、光照、视角及遮挡情况场景多样适用于智慧交通、辅助驾驶等场景的研究与落地验证也适合目标检测初学者、课程设计与算法验证使用。图片经LabelImg人工标注标注框贴合目标提供VOC、COCO、YOLO三种格式标签无需额外转换即可直接接入YOLO系列模型训练。压缩包共2000个文件其中xml标签1000个、txt标签990个另附6个HTML教程、3个Python数据划分脚本和1个YAML配置文件整体约200.4MB。教程分别覆盖Linux与Windows环境下的YOLO环境搭建、训练案例修改与自定义数据集流程脚本可自动生成训练集、验证集和测试集方便快速搭建完整数据工作流显著减少数据预处理与格式转换时间。已有320人学习使用适合需要数据集、配套代码与上手教程一体化资源的开发者参考。1. 斑马线目标检测动工前先把1000张图和三种标签格式理清斑马线检测是辅助驾驶、智慧交通、盲人导航里绕不开的需求路口的人行横道、停止线、非机动车引导线在画面里都是一组白色条纹。很多人拿到一份 YOLO 斑马线目标检测数据集里面图片、标注、脚本齐全结果卡在第一步搞不清 VOC、COCO、YOLO 三种标签格式到底怎么对应划分脚本跑完也不知道对不对最后训练出来的模型 mAP 虚高或直接不收敛。这份数据集把 1000 张图、三种格式的标签、划分脚本和训练教程打包在一起价值不在于“有图可训”而在于它演示了数据标注标准化和划分可复现的完整链路。适合刚入门目标检测、想拿真实交通场景练手的同学也适合要在项目里快速验证斑马线检测效果的工程师。2. VOC、COCO、YOLO 三种格式的底细数据组织方式和适用场景拿到这个数据集第一件事不是解压后直接跑训练而是先把三种格式看清楚。很多项目翻车不是模型不行是标签格式理解错了。VOC、COCO、YOLO 三种格式的差异核心在两点文件怎么组织、坐标怎么表达。2.1 VOC 格式一张图一个 XML标注工具的默认输出Pascal VOC 是目标检测领域最老的标注格式它的组织方式是“一张图对应一个 XML 文件”XML 文件名和图片名保持一致。常见标注工具如 LabelImg 的默认导出格式就是它所以很多老数据集都是 VOC 打底。一个典型 VOC 的 XML 结构是这样的annotation folderJPEGImages/folder filename000001.jpg/filename size width1920/width height1080/height depth3/depth /size object namezebra_crossing/name bndbox xmin420/xmin ymin530/ymin xmax780/xmax ymax610/ymax /bndbox /object /annotation需要重点强调的是size里的宽高必须和图片真实尺寸一致。后面转 YOLO 格式时要做坐标归一化如果这里填错归一化出来的中心点全是偏的训练时框的位置全错这是 VOC 转码最常见的隐性坑。VOC 格式的缺点是显而易见的一个目标一个 XML1000 张图就是 1000 个 XML 文件文件数量多、拷贝慢、归档麻烦。而且 XML 解析比 JSON 慢现代训练框架基本不直接吃 VOC 格式。但它的优势是方便人读、方便手工修改做标注质检时用文本编辑器打开就能看懂。解析 VOC XML 的常用写法是import xml.etree.ElementTree as ET def parse_voc(xml_path): tree ET.parse(xml_path) root tree.getroot() width int(root.find(size/width).text) height int(root.find(size/height).text) objects [] for obj in root.iter(object): name obj.find(name).text box obj.find(bndbox) xmin int(box.find(xmin).text) ymin int(box.find(ymin).text) xmax int(box.find(xmax).text) ymax int(box.find(ymax).text) objects.append({name: name, bbox: [xmin, ymin, xmax, ymax]}) return width, height, objects逻辑说明用root.iter(object)而不是root.findall(object)是因为有些标注工具会在object节点下嵌套额外的子节点iter能遍历所有层级的同名节点容错性更好。宽高取出来后立刻转成 int后面做归一化运算时避免字符串拼接报错。2.2 COCO 格式一个 JSON 管理全部标注COCO 格式由微软提出核心思想是用一个 JSON 文件把整个数据集的图片信息、目标类别、标注框全部管起来。结构上分成三个顶层数组images、annotations、categories。{ images: [ {id: 1, file_name: 000001.jpg, width: 1920, height: 1080} ], annotations: [ { id: 1, image_id: 1, category_id: 1, bbox: [420, 530, 360, 80], area: 28800, iscrowd: 0 } ], categories: [ {id: 1, name: zebra_crossing} ] }这里最容易翻车的点是COCO 的bbox是[x, y, width, height]不是 VOC 的[xmin, ymin, xmax, ymax]。很多人从 VOC 转 COCO 时直接把四个坐标原样搬过去结果宽度变成了右边界减左边界再减掉 xmin框全是歪的。area一般填width * heightiscrowd填 0 表示这不是一个密集人群目标。COCO 格式的好处是文件集中一个 JSON 搞定所有标注Detectron2、MMDetection 这些主流检测框架原生支持它。Ultralytics YOLOv5/v8 也支持直接用 COCO JSON 做训练数据。缺点是人读不友好——想手动确认某张图里有什么目标得在几千行的 JSON 里检索效率很低。2.3 YOLO 格式每张图一个 txt训练框架的最爱YOLO 格式是 Darknet 和 Ultralytics YOLO 系列使用的标注格式风格和 VOC 类似一图一个文件但后缀是 txt。每行代表一个目标五个字段class_id x_center y_center width height注意后四个值全部是相对图片宽度和高度的归一化浮点数取值范围在 0 到 1 之间。类别 ID 从 0 开始计数不是从 1。斑马线数据集里这个类别如果只定义了zebra_crossing一个类那所有 txt 文件里的 class_id 都是 00 0.5123 0.4821 0.1875 0.0741这个值的含义是目标中心点在图片水平 51.23% 的位置、垂直 48.21% 的位置目标宽度占整张图宽度的 18.75%高度占整张图高度的 7.41%。YOLO 格式的优势是文件极简、读取极快Ultralytics 训练时直接读 txt 拼成 tensor中间不需要额外的解析步骤数据加载效率高。缺点是坐标用浮点数表示肉眼没法验证对错必须写脚本检查中心点是否越界、宽高是否为负数。三种格式的核心差异整理成对比表格式文件组织坐标方式适合框架主要缺点VOC一图一 XML绝对像素 xmin/ymin/xmax/ymaxLabelImg 生态、SSD 旧代码文件多、解析慢COCO单一 JSON绝对像素 x/y/w/hDetectron2、MMDetection人工阅读困难YOLO一图一 txt归一化中心点/宽高Ultralytics YOLO、Darknet肉眼无法检查理解三者的区别之后就能明白标题里的“三种格式标签”是什么意思同一批 1000 张图片标注信息分别编码成三种格式训练时按框架需求选一种即可。3. 从 VOC 转换到 COCO 和 YOLO转换脚本与参数这个数据集既然把三种格式都准备好了那说明源头大概率是 VOC 格式COCO 和 YOLO 是派生出来的。你自己手里如果有别的数据集想转成这三种格式或者想验证包内三种格式是否一致需要掌握转换脚本的写法。3.1 转换前先定目录结构我一般会这样组织目标检测数据集这个结构和 Ultralytics YOLO 的约定一致后面写训练 yaml 时可以少踩坑dataset/ ├── images/ │ ├── train/ │ └── val/ ├── labels/ │ ├── train/ │ └── val/ └── annotations/ ├── voc/ ├── coco/ └── yolo/images和labels分别放图片和 YOLO 格式的 txtannotations下面按格式分子目录。如果后续要切分数据只动images和labels两个目录就行COCO 的 JSON 在划分时重新生成。3.2 VOC 转 YOLO核心是坐标归一化把 VOC 的绝对坐标转成 YOLO 的归一化坐标公式只有四个x_center (xmin xmax) / 2 / width y_center (ymin ymax) / 2 / height box_width (xmax - xmin) / width box_height (ymax - ymin) / height对应的转换脚本import os import xml.etree.ElementTree as ET class_names [zebra_crossing] def voc_to_yolo(xml_path, out_txt_path): tree ET.parse(xml_path) root tree.getroot() width int(root.find(size/width).text) height int(root.find(size/height).text) lines [] for obj in root.iter(object): name obj.find(name).text if name not in class_names: continue class_id class_names.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) x_center (xmin xmax) / 2 / width y_center (ymin ymax) / 2 / height w (xmax - xmin) / width h (ymax - ymin) / height lines.append(f{class_id} {x_center:.6f} {y_center:.6f} {w:.6f} {h:.6f}) if lines: with open(out_txt_path, w) as f: f.write(\n.join(lines))参数说明x_center保留 6 位小数对 1080p 的图来说能保证亚像素级的精度再多的小数位对训练没有实际意义。w和h都是相对值一个常见错误是宽度归一化时除以了height、高度归一化时除以了width这在图片不是正方形时会导致所有框的比例全部失真。做转换时还要在循环外加一个判断如果某张图的 XML 里只有一个目标输出 txt 里只有一行如果 XML 里没有目标txt 文件不生成或生成空文件这个策略要根据训练框架的约定统一Ultralytics 对空标签文件会直接忽略。3.3 VOC 转 COCO先建 categories 再写 annotationsVOC 转 COCO 的代码更繁琐因为要维护三个自增的 ID图片 ID、标注 ID、类别 ID。直接看代码import json import os import xml.etree.ElementTree as ET class_names [zebra_crossing] def voc_to_coco(voc_dir, output_json): coco { images: [], annotations: [], categories: [{id: i 1, name: name} for i, name in enumerate(class_names)] } image_id 1 ann_id 1 for xml_file in sorted(os.listdir(voc_dir)): if not xml_file.endswith(.xml): continue tree ET.parse(os.path.join(voc_dir, xml_file)) root tree.getroot() file_name root.find(filename).text width int(root.find(size/width).text) height int(root.find(size/height).text) coco[images].append({ id: image_id, file_name: file_name, width: width, height: height }) for obj in root.iter(object): name obj.find(name).text if name not in class_names: continue category_id class_names.index(name) 1 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) w xmax - xmin h ymax - ymin coco[annotations].append({ id: ann_id, image_id: image_id, category_id: category_id, bbox: [xmin, ymin, w, h], area: w * h, iscrowd: 0 }) ann_id 1 image_id 1 with open(output_json, w, encodingutf-8) as f: json.dump(coco, f, ensure_asciiFalse) return len(coco[images]), len(coco[annotations])逻辑说明category_id在 categories 数组里已经定好了从 1 开始编号对应关系是class_names.index(name) 1第一个类 ID 为 1这个和 YOLO 格式里从 0 开始编号的习惯不同容易搞混。annotations里的image_id必须和images数组里对应图片的id相等否则训练框架找不到标注属于哪张图。小技巧voc_to_coco函数返回图片数和标注数转完打印出来核对。比如 1000 张图如果每张图平均 1.5 个斑马线目标标注数应该在 1500 上下。如果标注数远小于预期说明有 XML 漏读或类别名不匹配先修完再进入下一步。3.4 转换后的三重校验转换完不校验等于白转。我一般会跑三个快速检查第一重检查路径一致性确保images里的图片、labels里的 txt、annotations里的 XML/JSON 引用的文件名完全一致。最省事的做法是打印三个目录的文件名集合求并集和差集。import os def diff_names(dir_a, dir_b, suffix_a.jpg, suffix_b.txt): names_a {f.replace(suffix_a, ) for f in os.listdir(dir_a) if f.endswith(suffix_a)} names_b {f.replace(suffix_b, ) for f in os.listdir(dir_b) if f.endswith(suffix_b)} return names_a - names_b, names_b - names_a第二重检查 YOLO 坐标合法性每个 txt 里的五个字段class_id 必须在[0, num_classes)内中心点 x、y 必须在[0, 1]内宽度、高度必须大于 0 且小于等于 1。写一个循环把所有 txt 读一遍遇到异常直接打印文件名和行号。第三重抽样可视化用 OpenCV 把标注框画回原图随机挑 20 张图看一眼。这个方法虽然“土”但能一次发现问题框偏了、宽高反了、坐标越界视觉上一眼就能看出来。代码很简单import cv2 def visualize_label(img_path, txt_path): img cv2.imread(img_path) h, w img.shape[:2] with open(txt_path) as f: for line in f: _, xc, yc, bw, bh map(float, line.strip().split()) x1 int((xc - bw / 2) * w) y1 int((yc - bh / 2) * h) x2 int((xc bw / 2) * w) y2 int((yc bh / 2) * h) cv2.rectangle(img, (x1, y1), (x2, y2), (0, 255, 0), 2) cv2.imshow(check, img) cv2.waitKey(0)逻辑说明画框时要把归一化坐标乘回图片宽高注意x_center - width/2算出来的是左上角 x这个逆向过程最容易出错如果你画出来的框错位先怀疑这里。4. 按 9:1 切分训练集划分脚本、随机种子与类别校验标题里的“划分脚本”解决的是目标检测里最容易被忽略的问题数据怎么切分才能让训练结果可信。直接用random.shuffle切每次跑出来的训练集都不一样调参时两个实验之间没有可比性。这块我踩过不少坑血泪经验是划分脚本必须固定随机种子划分结果必须可复现。4.1 划分比例怎么定1000 张图的数据量不算大常见划分是 8:2 或 9:1。斑马线目标比较单一一个类、框通常比较大我建议用 9:1900 张训练、100 张验证。验证集 100 张图足够计算 mAP 且有统计意义还能把更多样本留给训练。如果后续要做模型调优、反复对比实验可以考虑抽一部分测试集出来比如从训练集里再留 50 张做测试形成 8.5:0.5:1 的三段划分。这个数据集的划分脚本如果只有 train/val 两段也够用测试时直接用 val 就行。4.2 划分脚本的写法用 sklearn 的train_test_split是稳定做法它自带随机种子和洗牌逻辑比自己写random.shuffle再切片省事import os import shutil from sklearn.model_selection import train_test_split random_state 42 source_images images source_labels labels/yolo train_img_dir images/train val_img_dir images/val train_lbl_dir labels/train val_lbl_dir labels/val all_imgs [f for f in os.listdir(source_images) if f.endswith(.jpg)] all_imgs.sort() train_imgs, val_imgs train_test_split( all_imgs, test_size0.1, random_staterandom_state ) for d in [train_img_dir, val_img_dir, train_lbl_dir, val_lbl_dir]: os.makedirs(d, exist_okTrue) for img in train_imgs: txt img.replace(.jpg, .txt) shutil.copy(os.path.join(source_images, img), os.path.join(train_img_dir, img)) shutil.copy(os.path.join(source_labels, txt), os.path.join(train_lbl_dir, txt)) for img in val_imgs: txt img.replace(.jpg, .txt) shutil.copy(os.path.join(source_images, img), os.path.join(val_img_dir, img)) shutil.copy(os.path.join(source_labels, txt), os.path.join(val_lbl_dir, txt))参数说明random_state42是决定划分结果能否复现的关键同一个随机种子、同一份文件列表跑出来的划分永远一致。文件列表先sort()再切分也很重要因为不同操作系统下os.listdir的返回顺序不固定不排序的话换台机器划分就变了。这里用的是copy而不是move目的是保留原始文件万一划分结果不满意重新跑脚本即可不需要从备份恢复。如果你确认划分没问题可以改成move省磁盘空间。4.3 划分后必须检查类别分布斑马线目标在不同图片里出现的次数、大小差异很大。路口近景的斑马线占图幅很大远景的只有一条细线。如果这些困难样本恰好全被切到验证集训练集会变得过于“简单”模型在训练集上收敛得很好验证集上 mAP 崩盘。划分完成后要统计每个子集的类别情况和目标尺度分布from collections import Counter def count_labels(label_dir): total Counter() widths [] heights [] for txt in os.listdir(label_dir): path os.path.join(label_dir, txt) with open(path) as f: for line in f: parts line.strip().split() if len(parts) ! 5: continue class_id parts[0] w, h float(parts[3]), float(parts[4]) total[class_id] 1 widths.append(w) heights.append(h) avg_w sum(widths) / len(widths) if widths else 0 avg_h sum(heights) / len(heights) if heights else 0 return total, avg_w, avg_h print(train:, count_labels(labels/train)) print(val:, count_labels(labels/val))如果验证集里某个类出现 0 次那验证环节会直接把这个类漏掉mAP 结果不可信。解决方法是使用分层划分把每张图按“包含的类别组合”分组再在组内切分train_test_split支持stratify参数只要传入每张图对应的类别标签主键即可。斑马线这类单类别数据集通常不需要太复杂的分层直接按类别出现次数加权抽样就行。多类别数据集才有真正的分层压力。4.4 划分脚本容易被忽略的三个细节第一个细节图片和标签必须成对移动。划分时只移动图片不移动标签或者图片后缀是.jpeg但脚本里只匹配.jpg都会导致训练时报“找不到标签”。处理方式是统一用图片文件名的前缀去匹配标签不依赖后缀判断。第二个细节划分后的验证集里不要混入训练集的任何一张图。这个听上去是废话但如果你之前手动复制过文件或者原始目录里遗留了旧划分很容易出问题。写完划分脚本后打印set(train_imgs) set(val_imgs)检查交集是否为空。第三个细节划分脚本要写在项目目录里并纳入版本管理。数据集本身不适合传 git但划分脚本一定要保留这样别人拿到你的工程后能精确地复现你的训练集和验证集实验结果才是可比较的。5. 避坑斑马线数据集最常见的 5 个问题不管是用这个数据集还是自己标注斑马线数据下面这几个坑出现的频率最高。每条我都按“现象、原因、解决”的顺序写清楚。5.1 标签和图片文件名对不上现象训练时报No labels found in /xxx/0001.jpg或者 mAP 一直是 0可视化时没有框。原因VOC 格式的 XML 里filename写的可能是0001.jpg但实际图片文件名是IMG_0001.jpg两者对不上或者批量重命名图片后忘了同步改标注。YOLO 格式是按文件名前缀匹配图片和 txt 的一旦前缀不一致对应关系就断了。解决写脚本以图片文件名为基准逐个检查标签文件缺失或多余的直接列出来。通常做法是把图片名和标签名的共同前缀拿出来做集合差然后手动处理落单的文件。小数据集直接用diff命令也能看但脚本更利于后期自动化。5.2 归一化坐标出现负数或大于 1现象训练 Loss 不降或训练过程 Loss 剧烈抖动验证时框全偏到图片外面。原因标注工具允许把框画到画布边缘外导致 VOC 里出现xmin -5这类越界值转换 YOLO 时没做 clamp算出来的x_center变成负数或大于 1。YOLO 训练的损失函数里包含边界惩罚项越界坐标会让损失值异常波动。解决转换脚本里加一行钳制代码归一化前先限制范围。xmin max(0, min(xmin, width - 1)) ymin max(0, min(ymin, height - 1)) xmax max(0, min(xmax, width - 1)) ymax max(0, min(ymax, height - 1))参数说明width - 1是因为像素坐标从 0 开始最后一个像素索引是width - 1直接拿width做上限会导致越界。钳制后再做归一化出来的坐标就一定在[0, 1]区间内。5.3 斑马线在远视角下是小目标anchor 不匹配现象mAP50 能到 90%但 mAP50-95 只有 40% 上下小尺寸斑马线基本漏检。原因斑马线的长宽比极不固定近景是细长条远景是一小撮条纹。YOLO 默认的 anchor 是从 COCO 数据集聚类出来的COCO 里的目标是行人、车、猫狗和斑马线的形状分布差异很大。解决训练时开启自适应增强项mosaic1.0并把imgsz从默认 640 提到 960小目标在放大后的图上像素更多。如果还不行用 Ultralytics 的自动 anchor 聚类训练脚本会自动在你传入的 yaml 数据上跑 k-means重新聚类出一组适配斑马线形状的 anchor。开启自动聚类不需要写额外代码只要别手动传anchors配置就行。5.4 光照和阴影让条纹断裂漏检严重现象白天晴天效果不错一到阴天、傍晚或者树荫遮挡的斑马线检测率断崖式下跌。原因斑马线的视觉特征是“白色条纹和深色路面交替”阴影会降低条纹和地面的对比度模型学到的是“白色块”而不是“斑马线的整体结构”。这是数据层面的问题不是模型问题。解决训练时加大颜色扰动参数让模型对明暗变化不敏感。在 Ultralytics 的训练参数里yolo detect train ... hsv_h0.015 hsv_s0.7 hsv_v0.4参数说明hsv_v0.4是亮度扰动上限0.4 意味着每张图会随机变暗或变亮最多 40%相当于隐式做了一次亮度增强。数据层面更有效的做法是收集傍晚、阴影、夜间路口的图片补充标注1000 张图里如果全是大白天模型在光照迁移上一定吃亏。5.5 COCO JSON 里漏了 area 或 iscrowd 字段现象用 MMDetection 或 Detectron2 训练时报KeyError: area或KeyError: iscrowd。原因手写 VOC 转 COCO 脚本时图省事只填了bbox和category_id。这两个框架在数据加载阶段会直接读取area做正负样本分配读取iscrowd做样本过滤缺一个就崩。解决补全字段。area用w * h计算iscrowd填 0。如果你用的是第 3 章的转换函数这两个字段已经内置了如果从公开代码库拉的转换脚本先确认输出 JSON 里有这两个 key 再拿去训练。提示校验 COCO JSON 最直接的方法是json.load后用len(coco[annotations])看标注数再随便取第一个 annotation 打印所有字段human 检查一遍再喂给框架。6. 用 YOLOv8 跑通训练流程yaml 配置到 mAP 验证数据集和划分都齐了最后一步是把训练跑起来。标题里的“训练教程”落到实际操作核心就三件事写数据集的 yaml、跑训练、看指标。斑马线是单类别数据集yaml 很简洁# zebra_crossing.yaml path: ./datasets/zebra_crossing train: images/train val: images/val nc: 1 names: 0: zebra_crossing配置说明path指向数据集根目录train和val是相对path的子目录路径nc是类别数names里 0 号类别必须和标签 txt 里的 class_id 对应。训练命令yolo detect train \ modelyolov8n.pt \ datazebra_crossing.yaml \ epochs100 imgsz640 batch16说明modelyolov8n.pt是 YOLOv8 官方预训练权重。用预训练模型做迁移学习比从零训练收敛快很多1000 张图的数据量不足以从零学会通用特征预训练权重提供底层的边缘和纹理提取能力我们只需要微调斑马线这个类别。显存 6GB 以上用 nano 或 small 都行斑马线目标不算细碎nano 足够。训练完验证yolo val \ modelruns/detect/train/weights/best.pt \ datazebra_crossing.yaml看三个核心指标mAP50、mAP50-95、Precision/Recall。斑马线目标相对大、类别单一mAP50 在 90% 以上算合格mAP50-95 能到 70% 以上就是不错的模型。如果 mAP50 高但 mAP50-95 低说明框的位置精度不够可以把imgsz提到 960 再训一轮。进阶技巧验证后把漏检图可视化出来命令加上save_confTrue会输出带置信度的预测框图片。逐张看漏检目标区分是尺度问题还是遮挡问题——如果全是远距离小目标漏检就去增强数据如果全是遮挡漏检考虑调低conf阈值或增加负样本。这样做一轮比盲目调参高效得多。我自己跑这类交通场景数据集的时候最深的教训就是“转换完不校验直接开训”结果前 20 个 epoch 全在无效计算上浪费时间。后来养成一个习惯拿到任何数据集先跑一遍格式校验和抽样可视化确认标签没问题再谈训练。这个习惯帮你省下的时间往往比训练本身还多。希望帮到你。本文还有配套的精品资源点击获取
