简介YOLO疲劳驾驶目标检测数据集聚焦驾驶安全场景提供真实环境下的人脸疲劳状态样本标注框由LabelImg工具精细绘制质量较高可直接用于YOLO系列目标检测模型的训练与验证大幅节省数据采集和人工标注成本适合自动驾驶、安全驾驶项目开发者及目标检测学习者。压缩包共2000个文件以xmlVOC格式和txtYOLO格式标签为主体辅以yaml配置文件、3个Python划分脚本和6个HTML教程文档整体77.53MB目录结构清晰用户可根据任务需求直接选用对应标注格式。目前已有166人学习下载资源内置Linux与Windows双平台的环境搭建教程、训练案例修改说明以及训练集/验证集/测试集划分脚本能快速完成数据整理、环境配置和模型训练。此外脚本支持按比例划分数据集方便实验对比与部署迁移并为后续扩充数据或调整训练策略保留了灵活性。1. YOLO疲劳驾驶目标检测数据集到底值不值得下载一套 rar 把数据准备全干完当你准备做疲劳驾驶检测打开 YOLO 训练教程第一个卡点往往不是模型而是数据。网上能找到的疲劳驾驶图片零散标注格式五花八门VOC 的 XML、COCO 的 JSON、YOLO 的 txt 各说各话就算凑齐了图片没有划分脚本train 和 val 一混训练出来的 mAP 全是假的。这套 YOLO疲劳驾驶目标检测数据集把 1000 张图片、三种格式标签、划分脚本和训练教程打包在一个 .rar 里等于把数据准备阶段最磨人的活全干完了。它适合两类人一类是 0 基础纯小白想跟着超详细步骤把 YOLO 训练链路跑通另一类是做目标检测改进实验的熟手需要一份干净、可复现的起点来对比 baseline。2. 1000 张图片够不够训 YOLO数据规模、场景分布与标签格式的取舍1000 张图对目标检测来说不算多但疲劳驾驶是个场景相对固定的任务类别少、目标尺度集中够做一次像样的起步训练。真正决定训练效果的不是总数而是类别怎么分、图片怎么分布、标签格式能不能被你用的框架直接吃进去。2.1 疲劳驾驶检测的类别设计闭眼、打哈欠、分神到底分几类拿到数据集第一件事是看清 labels 里到底有哪几类。常见做法是三类闭眼closed_eye、打哈欠yawn、正常normal也有数据集把眼睛和嘴巴分开标成四类甚至把分神、玩手机也加进来。类别设计直接决定训练难度。类别方案类别数典型标签适合的任务二分类2closed_eye / open_eye只做眼睛状态判断最简单三分类3closed_eye / yawn / normal综合疲劳判断最常用四分类4closed_eye / yawn / distracted / normal加分神检测数据量需求更高1000 张图做三类平均每类能分到 300 张左右勉强够用如果硬做五类以上最少的那一类可能只有几十张YOLO 根本学不到稳定的特征。我一般建议先按数据集的原始标注跑通不要自己拍脑袋加类别。等 baseline 出来了再决定要不要合并类、删掉样本过少的类。类别数还影响损失函数的收敛行为。YOLO 的分类损失是二值交叉熵不是 softmax多类别之间不互斥理论上一个目标可以同时属于多个类。但疲劳驾驶场景里闭眼和打哈欠经常同时出现标注时如果没有定好优先级模型训练时就会反复横跳表现为 cls_loss 降不下去。所以拿到数据先统计每个类别的数量再看单张图里是否有多类共存心里有个底。2.2 1000 张图的分布策略光照、角度、遮挡与样本均衡疲劳驾驶数据集最怕的不是图片少而是场景单一。如果 1000 张全是同一角度、同一光照下的正脸模型在测试集上可能表现不错一上真实场景就翻车。做数据质检时按这几个维度过一遍白天/夜间、强光/暗光、正脸/侧脸/低头、戴眼镜/不戴、手部遮挡/无遮挡。夜间样本尤其重要。疲劳驾驶高发在凌晨和夜间但很多数据集白天图占八九成。夜间图片对比度低闭眼和正常眼的差异变小如果训练集里夜间样本太少模型会把「暗」当成闭眼。检验办法很简单把 val 里按文件名前缀带 night 的图单独拎出来算一遍召回和白天差距超过 10 个点就是分布失衡。样本均衡在这里是门玄学但有一条朴素底线最少的那一类图片数别低于 100 张。低于这个数分类分支基本学不到东西训练出来闭眼全漏。补救办法有两类一是数据增强ultralytics 默认开 mosaic、hsv、fliplr对小数据集帮助明显二是对少类做过采样也就是在划分脚本里让少类图片多复制一份进训练集但要注意复制图不要同时进验证集否则就是数据泄露。2.3 为什么三种格式要同时给不同训练框架的输入要求VOC、COCO、YOLO 三种格式不是简单换个后缀它们的组织方式完全不同。这套数据集三种都给省掉的是你切换框架时重新标注或者写转换脚本的时间。格式文件组织坐标方式典型消费方VOC XML每张图一个 .xml绝对像素 xmin/ymin/xmax/ymaxlabelImg、Faster R-CNN、SSDCOCO JSON所有标注汇总进一个 .json绝对像素 x/y/width/heightmmdetection、detectron2YOLO txt每张图一个 .txt归一化中心点 cx/cy/w/hultralytics YOLO 系列你跑 YOLO只需要 YOLO 格式的 txt你想试试 mmdetection 的模型COCO JSON 拿来就能用你想用 labelImg 复查标注VOC XML 是最通用的一种。这就是三种格式同时给的价值。另外注意一个容易混的点COCO 预训练权重是 80 类类别 id 从 1 到 90 有跳号加载到自定义数据集时最后一层会被替换你不用管那 80 类怎么读。自己的数据集在 COCO JSON 里 id 从 1 开始转成 YOLO txt 后第一列必须从 0 开始这个映射关系在后面的格式转换章节会细讲。3. VOC / COCO / YOLO 三种格式怎么互转以这套数据集为例讲清标注文件结构很多小白拿到三种格式反而更懵不知道用哪个也不敢删另外两个。我的建议是全部留作备份训练只用 YOLO 格式但你需要能读懂另外两种因为划分脚本和转换脚本都依赖对格式的理解。3.1 打开一个 VOC XML 看结构bndbox 与 difficult 字段VOC 格式源自 PASCAL VOC 竞赛一个 XML 对应一张图标注物体放在 object 节点里。打开一个典型的疲劳驾驶标注文件长这样annotation folderimages/folder filename000001.jpg/filename size width640/width height480/height depth3/depth /size object nameclosed_eye/name poseFrontal/pose truncated0/truncated difficult0/difficult bndbox xmin102/xmin ymin201/ymin xmax168/xmax ymax224/ymax /bndbox /object /annotationbndbox 里四个值都是绝对像素坐标左上角原点x 向右、y 向下。xmin/ymin 是框左上角xmax/ymax 是右下角。注意 width 是图片宽度不是框宽度。difficult 字段表示目标是否难以辨认等于 1 的目标在评估时会被忽略疲劳驾驶这种自建数据集里正常全是 0。这里有个常见坑filename 必须和实际图片名完全一致包括大小写。如果 XML 里写的是 .JPG而磁盘上是 .jpg在 Windows 上能跑换到 Linux 服务器上训练时文件对不上直接报 No labels found。拿到数据先跑一遍脚本把 XML 里的 filename 统一成实际文件名。3.2 COCO JSON 的五个顶层字段images、annotations、categoriesCOCO 格式把所有标注塞进一个 JSON核心是五个顶层字段但自建数据集只需要 images、annotations、categories 三个。images 记录每张图的 id 和尺寸annotations 记录每个框属于哪张图、类别、位置categories 定义类别名称。{ images: [ {id: 1, file_name: 000001.jpg, width: 640, height: 480} ], annotations: [ { id: 1, image_id: 1, category_id: 1, bbox: [102, 201, 66, 23], area: 1518, segmentation: [], iscrowd: 0 } ], categories: [ {id: 1, name: closed_eye}, {id: 2, name: yawn}, {id: 3, name: normal} ] }COCO 的 bbox 是 [x, y, width, height]同样是绝对像素。注意 category_id 从 1 开始这是 COCO 的习惯而 YOLO txt 里类别从 0 开始转换时如果忘了减一训练会出大问题。area 字段有些框架会校验最好填上不做分割的话 segmentation 给空数组就行。很多人困惑 coco80 在 YOLO 里怎么对应其实不用对应。COCO 预训练权重的 80 类只是迁移学习的起点加载时 ultralytics 会按你的 data.yaml 重建分类头类别 id 由你的 categories 顺序决定。自建数据集没有「沿用 COCO 类别」这回事。3.3 YOLO txt 的归一化坐标类别 id 与 cx、cy、w、hYOLO 格式每张图一个 txt每行一个目标格式是类别 id、归一化中心点 x、归一化中心点 y、归一化框宽、归一化框高。一张图里有两个目标就两行1 0.2109 0.4427 0.1031 0.0479 0 0.5300 0.3100 0.1200 0.1500第一列的 1 和 0 是类别下标必须从 0 开始连续编号比如三类就是 0、1、2。后四个值的计算方式cx (xmin xmax) / 2 / widthcy (ymin ymax) / 2 / heightw (xmax - xmin) / widthh (ymax - ymin) / height归一化的原因在于不同分辨率图片可以共用同一套标签训练时 YOLO 做 letterbox 缩放相对坐标不会被破坏。这也是为什么 YOLO 对图片尺寸不敏感你喂 640 还是 1280标签都不用改。检查标签是否越界有个笨办法把 txt 里所有值打印出来看范围理论上 cx、cy 在 0 到 1 之间w、h 也在 0 到 1 之间。如果出现大于 1 的框要么是标注时框出界了要么是转换脚本忘了除以图片宽高。3.4 格式转换脚本的核心逻辑XML → txt 与 XML → JSON这套数据集已经三种格式都给了但理解转换逻辑仍然必要因为你会自己标新数据。最常见的是 labelImg 标注生成 VOC XML然后转成 YOLO txt 给 ultralytics 用。转换脚本核心就是对 XML 做遍历读出 bndbox再按归一化公式写进 txt。import xml.etree.ElementTree as ET import json import glob def voc_to_yolo(xml_file, class_list, out_txt): tree ET.parse(xml_file) root tree.getroot() img_w int(root.find(size/width).text) img_h int(root.find(size/height).text) lines [] for obj in root.iter(object): name obj.find(name).text if name not in class_list: continue cls_id class_list.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) cx (xmin xmax) / 2.0 / img_w cy (ymin ymax) / 2.0 / img_h w (xmax - xmin) / img_w h (ymax - ymin) / img_h lines.append(f{cls_id} {cx:.6f} {cy:.6f} {w:.6f} {h:.6f}) with open(out_txt, w) as f: f.write(\n.join(lines))class_list 的顺序极其关键它直接决定 txt 里第一列的数字含义。假设 class_list 是 [closed_eye, yawn, normal]那么 txt 里的 0 是 closed_eye1 是 yawn2 是 normal。这个顺序必须和 data.yaml 里的 names 完全一致否则训练时类别名字和位置对不上。另外如果 XML 里出现 class_list 之外的类名脚本里直接跳过避免未知类别混进训练数据。转 COCO JSON 的逻辑类似只是把坐标从 xmin/ymin/xmax/ymax 改成 x/y/w/h并且维护 image_id 和 annotation id 的递增关系def voc_to_coco(xml_list, class_list, out_json): images, annotations [], [] ann_id 1 for img_id, xml_file in enumerate(xml_list, start1): root ET.parse(xml_file).getroot() w int(root.find(size/width).text) h int(root.find(size/height).text) images.append({ id: img_id, file_name: root.find(filename).text, width: w, height: h }) for obj in root.iter(object): name obj.find(name).text if name not in class_list: continue 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) bbox [xmin, ymin, xmax - xmin, ymax - ymin] annotations.append({ id: ann_id, image_id: img_id, category_id: class_list.index(name) 1, bbox: bbox, area: bbox[2] * bbox[3], segmentation: [], iscrowd: 0 }) ann_id 1 with open(out_json, w) as f: json.dump({ images: images, annotations: annotations, categories: [ {id: i 1, name: c} for i, c in enumerate(class_list) ] }, f, indent2)注意 COCO 里 category_id 用了 index 1因为 COCO 习惯从 1 开始YOLO 里则是直接用 index从 0 开始。这个「加一减一」的差异是格式转换里最容易翻车的地方。建议转换完抽三张图肉眼对比框在图片上的位置和原标注是否一致别直接开训。4. 划分脚本怎么用train / val / test 比例、随机种子与目录约定划分脚本是这套 rar 里最容易被忽略、但价值最高的文件。很多人觉得划分不就是随机分几份吗实际上划分策略直接影响验证集的可信度划分错了训练过程的 loss 曲线和 mAP 全是假象。4.1 划分脚本对训练结果的影响数据泄露与验证集失真不划分直接训或者划分不彻底最典型的问题是数据泄露训练集和验证集里出现同一张图。YOLO 这种模型记忆能力很强见过一次的图验证时候检测框会非常自信mAP 虚高到 0.95 以上。等上了真实场景召回率断崖式下跌。另一个问题是图片和标签没有同步划分。如果只移动了 jpg 到 train 目录txt 还留在原处训练时要么报标签缺失要么把 val 的标签也算进 train。所以划分脚本必须保证同一张图的 jpg 和 txt 一起去同一个集合。比例上1000 张图建议 8:1:1也就是 train 800、val 100、test 100。如果后续要做模型对比test 集合别动只调 train 和 val如果只是跑通流程8:2 不带 test 也能凑合但标题既然给了 test就按八一一来后面做推理演示也方便。4.2 一个可复用的划分脚本按类别均衡的随机划分纯随机划分在小数据集上有个隐患某一类样本少随机分完可能 validation 里一个闭眼都没有验证时闭眼的召回率直接无法计算。更好的做法是按类别分层抽样保证每个类在三个集合里的比例基本一致。import random import os from collections import defaultdict random.seed(42) src_images images src_labels labels train_img, val_img, test_img images/train, images/val, images/test train_lbl, val_lbl, test_lbl labels/train, labels/val, labels/test for d in [train_img, val_img, test_img, train_lbl, val_lbl, test_lbl]: os.makedirs(d, exist_okTrue) all_images [f for f in os.listdir(src_images) if f.lower().endswith((.jpg, .jpeg, .png))] # 按每个 txt 的第一行类别做近似分层 grouped defaultdict(list) for img in all_images: txt os.path.join(src_labels, img.rsplit(., 1)[0] .txt) if not os.path.exists(txt): continue with open(txt) as f: first_line f.readline().strip() cls first_line.split()[0] if first_line else empty grouped[cls].append(img) train, val, test [], [], [] for cls, imgs in grouped.items(): random.shuffle(imgs) n len(imgs) train imgs[: int(n * 0.8)] val imgs[int(n * 0.8): int(n * 0.9)] test imgs[int(n * 0.9):] def copy_set(img_list, img_dir, lbl_dir): for img in img_list: base img.rsplit(., 1)[0] os.system(fcp {src_images}/{img} {img_dir}/) lbl os.path.join(src_labels, base .txt) if os.path.exists(lbl): os.system(fcp {lbl} {lbl_dir}/) copy_set(train, train_img, train_lbl) copy_set(val, val_img, val_lbl) copy_set(test, test_img, test_lbl)随机种子 42 是惯例固定它保证每次跑出来的划分结果一致这是可复现实验的前提。代码里按 txt 第一行类别分组是假设每张图的主类别就一个如果单张图里同时有闭眼和打哈欠分层就会偏。更严谨的做法是统计每张图的全部类别集合按类别集合分组小数据集上没必要搞那么复杂。真正要确认的是划分之后找一个类别的图片数量在 train/val/test 里占比是否接近原始占比。4.3 目录约定images 与 labels 的前缀对应、data.yaml 怎么写ultralytics YOLO 对目录结构有约定图片和标签要按相同前缀放在 images 和 labels 目录下训练时根据图片路径自动找对应标签。最常见的结构长这样datasets/ ├── images/ │ ├── train/ │ │ ├── 000001.jpg │ │ └── ... │ ├── val/ │ └── test/ ├── labels/ │ ├── train/ │ │ ├── 000001.txt │ │ └── ... │ ├── val/ │ └── test/ └── fatigue.yaml同名规则是000001.jpg 对应 000001.txt只换扩展名前缀必须完全一致。这一条写在 ultralytics 文档里但踩坑的人依然多主要坑在大小写。fatigue.yaml 是整个训练配置的入口内容很简单path: /home/you/datasets/fatigue # 数据集根目录的绝对路径 train: images/train val: images/val test: images/test names: 0: closed_eye 1: yawn 2: normalpath 建议直接写绝对路径别用相对路径。相对路径大多是从 ultralytics 默认数据集目录出发的你一旦换了机器或目录结构YOLO 会去找 datasets/images/train然后报 Dataset not found。names 的顺序必须和前面转换脚本里的 class_list 一致这是老生常谈但每次都有人在上面栽跟头。4.4 从 .rar 解压到首次划分完整命令与产物核对拿到 rar 之后先解压再划分。Linux 下如果没有 unrar先装一下Windows 上右键解压或者用 tar 都行。# 解压Linux 示例 unrar x YOLO疲劳驾驶目标检测数据集.rar # 进入数据集目录查看原始结构 cd fatigue_dataset ls images | head -5 ls labels | head -5 # 运行划分脚本rar 里一般自带 split.py 或类似文件 python split.py # 核对三个集合的图片数和标签数 find images/train -name *.jpg | wc -l find labels/train -name *.txt | wc -l核对是必须的不是可选项。train 里图片数 800标签数也必须 800如果有 799 个标签说明有一张图没有对应标注训练时那张图会被忽略。检查完再跑训练能省掉一堆莫名其妙的 warning。5. 避坑YOLO 训练疲劳驾驶数据集最常见的 5 个报错与误用下面这五条基本覆盖了用这套数据集训练时八成以上的翻车现场。每条我都按现象、原因、解决的顺序写你可以直接把问题对着查。5.1 标签类别 id 从 1 开始导致 mAP 为 0现象训练过程正常loss 在降但验证时 mAP 一直是 0PR 曲线里所有类别都没点。原因VOC/COCO 里类别 id 从 1 开始转 YOLO txt 时忘了减一导致标签里出现 1、2、3而 data.yaml 里只有 0、1、2 三个类别。YOLO 读到 id 为 3 的标签认为索引越界直接丢弃这个目标所有训练样本实际都成了背景。解决打开任意一个 txt看第一列最大数字。如果最大数字等于 len(names)说明类别 id 偏大了一如果最大数字大于等于 len(names)就是从 COCO/JSON 转过来没改。批量修正用 sed 或者脚本把全部类别 id 减一改完再抽查三张图。提示YOLO 标签第一列是类别下标不是类别数量。COCO 的 category_id 从 1 开始转 YOLO 时必须减一。5.2 划分脚本随机种子不一致导致训练集验证集重叠现象训练 mAP 高得离谱val 的 loss 比 train 还低明明是 100 张验证图训练时却好像见过它们。原因划分脚本每次运行不固定随机种子或者两次运行分别从 images 和 labels 读文件列表两次读到的顺序不一样。更隐蔽的是有人先在 Windows 上划了一次又把文件传到 Linux重新跑了一次划分两次结果不同新旧文件混在同一个目录里。解决固定随机种子比如 random.seed(42)划分脚本只运行一次换机器后不要重新划分直接把划分好的目录整体拷过去。检查方法把 train 和 val 的图片文件名列表求交集交集为空才是对的。5.3 图片和标签同名但大小写不一致现象训练时提示部分图片找不到标签但你在资源管理器里明明看到同名 txt。原因Windows 文件系统不区分大小写000001.JPG 和 000001.jpg 被认为是同一个文件Linux 区分导致 000001.JPG 对应不到 000001.txt。解决统一改成小写。遍历 images 和 labels 目录把所有扩展名转成小写同时修改 VOC XML 或 COCO JSON 里记录的 file_name。转换完后在 Linux 上运行一下 find确认没有同名不同后缀的重复文件。5.4 data.yaml 的 path 写错或写成相对路径现象训练启动后立刻报 dataset not found或者显示 training 0 images。原因path 写成相对路径时ultralytics 是从配置里的数据集根目录往下找的你把 rar 解压到别的目录相对路径自然失效。还有一种情况path 写到了 images 这一层导致 train: images/train 拼出来变成 images/images/train。解决path 写绝对路径写到包含 images 和 labels 的上一层目录。data.yaml 里 train 和 val 的值是相对于 path 的目录不是相对于当前命令行所在目录。改完可以用一句 Python 验证路径拼接结果。5.5 样本不均衡导致 loss 震荡、闭眼召回率低现象训练时 box_loss 正常下降cls_loss 反复震荡val 时闭眼类的召回率明显低于正常类。原因闭眼和打哈欠属于短暂动作在疲劳驾驶视频里出现帧数本来就少标注出来的样本量远少于 normal 类。YOLO 默认按均匀分布初始化类别权重少类样本在损失函数里贡献被多数类淹没。解决先统计各类样本数如果最少类低于 100 张优先做数据增强和过采样如果样本量尚可可以在 loss 层面给少类加权。另一个实用技巧是训练时开启 mosaic 增强它对小目标和不均衡场景的改善比调超参更直接。6. 拿到 .rar 后先跑通的最小训练链路从解压到 mAP 曲线的一个下午数据、标签、划分都齐了剩下的训练链路其实很短。前提是装好 ultralytics环境配置按官方步骤来Python 3.8 以上pip install ultralytics 一行就够。6.1 最小训练命令ultralytics YOLO 一行命令yolo detect train datadatasets/fatigue.yaml modelyolov8n.pt epochs50 imgsz640 batch16model 换成 yolov8n.pt 或更新的 YOLO11 预训练权重都行命令格式一致。yolov8n 是最轻量的版本1000 张图几十秒一个 epoch先拿它跑通链路。epochs 不用贪多50 轮足够看出趋势如果发现 val 的指标在第 30 轮还在涨再加到 100。6.2 验证模型与导出 ONNX图片推理和部署准备yolo predict modelruns/detect/train/weights/best.pt sourcetest/images/000101.jpg yolo export modelruns/detect/train/weights/best.pt formatonnx imgsz640predict 会输出检测结果图确认框的位置和类别对不对。export 导出 ONNX 是为后面接推理引擎做准备之后要接 RTSP 视频流或者 TensorRT 部署都是从这一步往后展开。6.3 判断训练是否成功的三张图训练结束后进 runs/detect/train 目录看三样东西results.png 里的 val/cls_loss 曲线是否平稳下降confusion_matrix.png 里闭眼和打哈欠是否被分到对角线上PR_curve.png 里每类的 AP 是否在 0.7 以上。这三张图就是模型效果的黑匣子出口比谁告诉你「训得不错」都可靠。我自己做这类数据集训练习惯是解压后先花十分钟把划分脚本跑一遍数清楚每个集合的图片数和标签数再动手训练。这套数据最大的价值不是那 1000 张图而是把最容易出错的数据准备流程变成了确定性的步骤训练本身反而简单。数据不乱训练再慢都不怕数据一乱再新的网络也救不回来。希望帮到你。本文还有配套的精品资源点击获取
简介YOLO疲劳驾驶目标检测数据集聚焦驾驶安全场景提供真实环境下的人脸疲劳状态样本标注框由LabelImg工具精细绘制质量较高可直接用于YOLO系列目标检测模型的训练与验证大幅节省数据采集和人工标注成本适合自动驾驶、安全驾驶项目开发者及目标检测学习者。压缩包共2000个文件以xmlVOC格式和txtYOLO格式标签为主体辅以yaml配置文件、3个Python划分脚本和6个HTML教程文档整体77.53MB目录结构清晰用户可根据任务需求直接选用对应标注格式。目前已有166人学习下载资源内置Linux与Windows双平台的环境搭建教程、训练案例修改说明以及训练集/验证集/测试集划分脚本能快速完成数据整理、环境配置和模型训练。此外脚本支持按比例划分数据集方便实验对比与部署迁移并为后续扩充数据或调整训练策略保留了灵活性。1. YOLO疲劳驾驶目标检测数据集到底值不值得下载一套 rar 把数据准备全干完当你准备做疲劳驾驶检测打开 YOLO 训练教程第一个卡点往往不是模型而是数据。网上能找到的疲劳驾驶图片零散标注格式五花八门VOC 的 XML、COCO 的 JSON、YOLO 的 txt 各说各话就算凑齐了图片没有划分脚本train 和 val 一混训练出来的 mAP 全是假的。这套 YOLO疲劳驾驶目标检测数据集把 1000 张图片、三种格式标签、划分脚本和训练教程打包在一个 .rar 里等于把数据准备阶段最磨人的活全干完了。它适合两类人一类是 0 基础纯小白想跟着超详细步骤把 YOLO 训练链路跑通另一类是做目标检测改进实验的熟手需要一份干净、可复现的起点来对比 baseline。2. 1000 张图片够不够训 YOLO数据规模、场景分布与标签格式的取舍1000 张图对目标检测来说不算多但疲劳驾驶是个场景相对固定的任务类别少、目标尺度集中够做一次像样的起步训练。真正决定训练效果的不是总数而是类别怎么分、图片怎么分布、标签格式能不能被你用的框架直接吃进去。2.1 疲劳驾驶检测的类别设计闭眼、打哈欠、分神到底分几类拿到数据集第一件事是看清 labels 里到底有哪几类。常见做法是三类闭眼closed_eye、打哈欠yawn、正常normal也有数据集把眼睛和嘴巴分开标成四类甚至把分神、玩手机也加进来。类别设计直接决定训练难度。类别方案类别数典型标签适合的任务二分类2closed_eye / open_eye只做眼睛状态判断最简单三分类3closed_eye / yawn / normal综合疲劳判断最常用四分类4closed_eye / yawn / distracted / normal加分神检测数据量需求更高1000 张图做三类平均每类能分到 300 张左右勉强够用如果硬做五类以上最少的那一类可能只有几十张YOLO 根本学不到稳定的特征。我一般建议先按数据集的原始标注跑通不要自己拍脑袋加类别。等 baseline 出来了再决定要不要合并类、删掉样本过少的类。类别数还影响损失函数的收敛行为。YOLO 的分类损失是二值交叉熵不是 softmax多类别之间不互斥理论上一个目标可以同时属于多个类。但疲劳驾驶场景里闭眼和打哈欠经常同时出现标注时如果没有定好优先级模型训练时就会反复横跳表现为 cls_loss 降不下去。所以拿到数据先统计每个类别的数量再看单张图里是否有多类共存心里有个底。2.2 1000 张图的分布策略光照、角度、遮挡与样本均衡疲劳驾驶数据集最怕的不是图片少而是场景单一。如果 1000 张全是同一角度、同一光照下的正脸模型在测试集上可能表现不错一上真实场景就翻车。做数据质检时按这几个维度过一遍白天/夜间、强光/暗光、正脸/侧脸/低头、戴眼镜/不戴、手部遮挡/无遮挡。夜间样本尤其重要。疲劳驾驶高发在凌晨和夜间但很多数据集白天图占八九成。夜间图片对比度低闭眼和正常眼的差异变小如果训练集里夜间样本太少模型会把「暗」当成闭眼。检验办法很简单把 val 里按文件名前缀带 night 的图单独拎出来算一遍召回和白天差距超过 10 个点就是分布失衡。样本均衡在这里是门玄学但有一条朴素底线最少的那一类图片数别低于 100 张。低于这个数分类分支基本学不到东西训练出来闭眼全漏。补救办法有两类一是数据增强ultralytics 默认开 mosaic、hsv、fliplr对小数据集帮助明显二是对少类做过采样也就是在划分脚本里让少类图片多复制一份进训练集但要注意复制图不要同时进验证集否则就是数据泄露。2.3 为什么三种格式要同时给不同训练框架的输入要求VOC、COCO、YOLO 三种格式不是简单换个后缀它们的组织方式完全不同。这套数据集三种都给省掉的是你切换框架时重新标注或者写转换脚本的时间。格式文件组织坐标方式典型消费方VOC XML每张图一个 .xml绝对像素 xmin/ymin/xmax/ymaxlabelImg、Faster R-CNN、SSDCOCO JSON所有标注汇总进一个 .json绝对像素 x/y/width/heightmmdetection、detectron2YOLO txt每张图一个 .txt归一化中心点 cx/cy/w/hultralytics YOLO 系列你跑 YOLO只需要 YOLO 格式的 txt你想试试 mmdetection 的模型COCO JSON 拿来就能用你想用 labelImg 复查标注VOC XML 是最通用的一种。这就是三种格式同时给的价值。另外注意一个容易混的点COCO 预训练权重是 80 类类别 id 从 1 到 90 有跳号加载到自定义数据集时最后一层会被替换你不用管那 80 类怎么读。自己的数据集在 COCO JSON 里 id 从 1 开始转成 YOLO txt 后第一列必须从 0 开始这个映射关系在后面的格式转换章节会细讲。3. VOC / COCO / YOLO 三种格式怎么互转以这套数据集为例讲清标注文件结构很多小白拿到三种格式反而更懵不知道用哪个也不敢删另外两个。我的建议是全部留作备份训练只用 YOLO 格式但你需要能读懂另外两种因为划分脚本和转换脚本都依赖对格式的理解。3.1 打开一个 VOC XML 看结构bndbox 与 difficult 字段VOC 格式源自 PASCAL VOC 竞赛一个 XML 对应一张图标注物体放在 object 节点里。打开一个典型的疲劳驾驶标注文件长这样annotation folderimages/folder filename000001.jpg/filename size width640/width height480/height depth3/depth /size object nameclosed_eye/name poseFrontal/pose truncated0/truncated difficult0/difficult bndbox xmin102/xmin ymin201/ymin xmax168/xmax ymax224/ymax /bndbox /object /annotationbndbox 里四个值都是绝对像素坐标左上角原点x 向右、y 向下。xmin/ymin 是框左上角xmax/ymax 是右下角。注意 width 是图片宽度不是框宽度。difficult 字段表示目标是否难以辨认等于 1 的目标在评估时会被忽略疲劳驾驶这种自建数据集里正常全是 0。这里有个常见坑filename 必须和实际图片名完全一致包括大小写。如果 XML 里写的是 .JPG而磁盘上是 .jpg在 Windows 上能跑换到 Linux 服务器上训练时文件对不上直接报 No labels found。拿到数据先跑一遍脚本把 XML 里的 filename 统一成实际文件名。3.2 COCO JSON 的五个顶层字段images、annotations、categoriesCOCO 格式把所有标注塞进一个 JSON核心是五个顶层字段但自建数据集只需要 images、annotations、categories 三个。images 记录每张图的 id 和尺寸annotations 记录每个框属于哪张图、类别、位置categories 定义类别名称。{ images: [ {id: 1, file_name: 000001.jpg, width: 640, height: 480} ], annotations: [ { id: 1, image_id: 1, category_id: 1, bbox: [102, 201, 66, 23], area: 1518, segmentation: [], iscrowd: 0 } ], categories: [ {id: 1, name: closed_eye}, {id: 2, name: yawn}, {id: 3, name: normal} ] }COCO 的 bbox 是 [x, y, width, height]同样是绝对像素。注意 category_id 从 1 开始这是 COCO 的习惯而 YOLO txt 里类别从 0 开始转换时如果忘了减一训练会出大问题。area 字段有些框架会校验最好填上不做分割的话 segmentation 给空数组就行。很多人困惑 coco80 在 YOLO 里怎么对应其实不用对应。COCO 预训练权重的 80 类只是迁移学习的起点加载时 ultralytics 会按你的 data.yaml 重建分类头类别 id 由你的 categories 顺序决定。自建数据集没有「沿用 COCO 类别」这回事。3.3 YOLO txt 的归一化坐标类别 id 与 cx、cy、w、hYOLO 格式每张图一个 txt每行一个目标格式是类别 id、归一化中心点 x、归一化中心点 y、归一化框宽、归一化框高。一张图里有两个目标就两行1 0.2109 0.4427 0.1031 0.0479 0 0.5300 0.3100 0.1200 0.1500第一列的 1 和 0 是类别下标必须从 0 开始连续编号比如三类就是 0、1、2。后四个值的计算方式cx (xmin xmax) / 2 / widthcy (ymin ymax) / 2 / heightw (xmax - xmin) / widthh (ymax - ymin) / height归一化的原因在于不同分辨率图片可以共用同一套标签训练时 YOLO 做 letterbox 缩放相对坐标不会被破坏。这也是为什么 YOLO 对图片尺寸不敏感你喂 640 还是 1280标签都不用改。检查标签是否越界有个笨办法把 txt 里所有值打印出来看范围理论上 cx、cy 在 0 到 1 之间w、h 也在 0 到 1 之间。如果出现大于 1 的框要么是标注时框出界了要么是转换脚本忘了除以图片宽高。3.4 格式转换脚本的核心逻辑XML → txt 与 XML → JSON这套数据集已经三种格式都给了但理解转换逻辑仍然必要因为你会自己标新数据。最常见的是 labelImg 标注生成 VOC XML然后转成 YOLO txt 给 ultralytics 用。转换脚本核心就是对 XML 做遍历读出 bndbox再按归一化公式写进 txt。import xml.etree.ElementTree as ET import json import glob def voc_to_yolo(xml_file, class_list, out_txt): tree ET.parse(xml_file) root tree.getroot() img_w int(root.find(size/width).text) img_h int(root.find(size/height).text) lines [] for obj in root.iter(object): name obj.find(name).text if name not in class_list: continue cls_id class_list.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) cx (xmin xmax) / 2.0 / img_w cy (ymin ymax) / 2.0 / img_h w (xmax - xmin) / img_w h (ymax - ymin) / img_h lines.append(f{cls_id} {cx:.6f} {cy:.6f} {w:.6f} {h:.6f}) with open(out_txt, w) as f: f.write(\n.join(lines))class_list 的顺序极其关键它直接决定 txt 里第一列的数字含义。假设 class_list 是 [closed_eye, yawn, normal]那么 txt 里的 0 是 closed_eye1 是 yawn2 是 normal。这个顺序必须和 data.yaml 里的 names 完全一致否则训练时类别名字和位置对不上。另外如果 XML 里出现 class_list 之外的类名脚本里直接跳过避免未知类别混进训练数据。转 COCO JSON 的逻辑类似只是把坐标从 xmin/ymin/xmax/ymax 改成 x/y/w/h并且维护 image_id 和 annotation id 的递增关系def voc_to_coco(xml_list, class_list, out_json): images, annotations [], [] ann_id 1 for img_id, xml_file in enumerate(xml_list, start1): root ET.parse(xml_file).getroot() w int(root.find(size/width).text) h int(root.find(size/height).text) images.append({ id: img_id, file_name: root.find(filename).text, width: w, height: h }) for obj in root.iter(object): name obj.find(name).text if name not in class_list: continue 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) bbox [xmin, ymin, xmax - xmin, ymax - ymin] annotations.append({ id: ann_id, image_id: img_id, category_id: class_list.index(name) 1, bbox: bbox, area: bbox[2] * bbox[3], segmentation: [], iscrowd: 0 }) ann_id 1 with open(out_json, w) as f: json.dump({ images: images, annotations: annotations, categories: [ {id: i 1, name: c} for i, c in enumerate(class_list) ] }, f, indent2)注意 COCO 里 category_id 用了 index 1因为 COCO 习惯从 1 开始YOLO 里则是直接用 index从 0 开始。这个「加一减一」的差异是格式转换里最容易翻车的地方。建议转换完抽三张图肉眼对比框在图片上的位置和原标注是否一致别直接开训。4. 划分脚本怎么用train / val / test 比例、随机种子与目录约定划分脚本是这套 rar 里最容易被忽略、但价值最高的文件。很多人觉得划分不就是随机分几份吗实际上划分策略直接影响验证集的可信度划分错了训练过程的 loss 曲线和 mAP 全是假象。4.1 划分脚本对训练结果的影响数据泄露与验证集失真不划分直接训或者划分不彻底最典型的问题是数据泄露训练集和验证集里出现同一张图。YOLO 这种模型记忆能力很强见过一次的图验证时候检测框会非常自信mAP 虚高到 0.95 以上。等上了真实场景召回率断崖式下跌。另一个问题是图片和标签没有同步划分。如果只移动了 jpg 到 train 目录txt 还留在原处训练时要么报标签缺失要么把 val 的标签也算进 train。所以划分脚本必须保证同一张图的 jpg 和 txt 一起去同一个集合。比例上1000 张图建议 8:1:1也就是 train 800、val 100、test 100。如果后续要做模型对比test 集合别动只调 train 和 val如果只是跑通流程8:2 不带 test 也能凑合但标题既然给了 test就按八一一来后面做推理演示也方便。4.2 一个可复用的划分脚本按类别均衡的随机划分纯随机划分在小数据集上有个隐患某一类样本少随机分完可能 validation 里一个闭眼都没有验证时闭眼的召回率直接无法计算。更好的做法是按类别分层抽样保证每个类在三个集合里的比例基本一致。import random import os from collections import defaultdict random.seed(42) src_images images src_labels labels train_img, val_img, test_img images/train, images/val, images/test train_lbl, val_lbl, test_lbl labels/train, labels/val, labels/test for d in [train_img, val_img, test_img, train_lbl, val_lbl, test_lbl]: os.makedirs(d, exist_okTrue) all_images [f for f in os.listdir(src_images) if f.lower().endswith((.jpg, .jpeg, .png))] # 按每个 txt 的第一行类别做近似分层 grouped defaultdict(list) for img in all_images: txt os.path.join(src_labels, img.rsplit(., 1)[0] .txt) if not os.path.exists(txt): continue with open(txt) as f: first_line f.readline().strip() cls first_line.split()[0] if first_line else empty grouped[cls].append(img) train, val, test [], [], [] for cls, imgs in grouped.items(): random.shuffle(imgs) n len(imgs) train imgs[: int(n * 0.8)] val imgs[int(n * 0.8): int(n * 0.9)] test imgs[int(n * 0.9):] def copy_set(img_list, img_dir, lbl_dir): for img in img_list: base img.rsplit(., 1)[0] os.system(fcp {src_images}/{img} {img_dir}/) lbl os.path.join(src_labels, base .txt) if os.path.exists(lbl): os.system(fcp {lbl} {lbl_dir}/) copy_set(train, train_img, train_lbl) copy_set(val, val_img, val_lbl) copy_set(test, test_img, test_lbl)随机种子 42 是惯例固定它保证每次跑出来的划分结果一致这是可复现实验的前提。代码里按 txt 第一行类别分组是假设每张图的主类别就一个如果单张图里同时有闭眼和打哈欠分层就会偏。更严谨的做法是统计每张图的全部类别集合按类别集合分组小数据集上没必要搞那么复杂。真正要确认的是划分之后找一个类别的图片数量在 train/val/test 里占比是否接近原始占比。4.3 目录约定images 与 labels 的前缀对应、data.yaml 怎么写ultralytics YOLO 对目录结构有约定图片和标签要按相同前缀放在 images 和 labels 目录下训练时根据图片路径自动找对应标签。最常见的结构长这样datasets/ ├── images/ │ ├── train/ │ │ ├── 000001.jpg │ │ └── ... │ ├── val/ │ └── test/ ├── labels/ │ ├── train/ │ │ ├── 000001.txt │ │ └── ... │ ├── val/ │ └── test/ └── fatigue.yaml同名规则是000001.jpg 对应 000001.txt只换扩展名前缀必须完全一致。这一条写在 ultralytics 文档里但踩坑的人依然多主要坑在大小写。fatigue.yaml 是整个训练配置的入口内容很简单path: /home/you/datasets/fatigue # 数据集根目录的绝对路径 train: images/train val: images/val test: images/test names: 0: closed_eye 1: yawn 2: normalpath 建议直接写绝对路径别用相对路径。相对路径大多是从 ultralytics 默认数据集目录出发的你一旦换了机器或目录结构YOLO 会去找 datasets/images/train然后报 Dataset not found。names 的顺序必须和前面转换脚本里的 class_list 一致这是老生常谈但每次都有人在上面栽跟头。4.4 从 .rar 解压到首次划分完整命令与产物核对拿到 rar 之后先解压再划分。Linux 下如果没有 unrar先装一下Windows 上右键解压或者用 tar 都行。# 解压Linux 示例 unrar x YOLO疲劳驾驶目标检测数据集.rar # 进入数据集目录查看原始结构 cd fatigue_dataset ls images | head -5 ls labels | head -5 # 运行划分脚本rar 里一般自带 split.py 或类似文件 python split.py # 核对三个集合的图片数和标签数 find images/train -name *.jpg | wc -l find labels/train -name *.txt | wc -l核对是必须的不是可选项。train 里图片数 800标签数也必须 800如果有 799 个标签说明有一张图没有对应标注训练时那张图会被忽略。检查完再跑训练能省掉一堆莫名其妙的 warning。5. 避坑YOLO 训练疲劳驾驶数据集最常见的 5 个报错与误用下面这五条基本覆盖了用这套数据集训练时八成以上的翻车现场。每条我都按现象、原因、解决的顺序写你可以直接把问题对着查。5.1 标签类别 id 从 1 开始导致 mAP 为 0现象训练过程正常loss 在降但验证时 mAP 一直是 0PR 曲线里所有类别都没点。原因VOC/COCO 里类别 id 从 1 开始转 YOLO txt 时忘了减一导致标签里出现 1、2、3而 data.yaml 里只有 0、1、2 三个类别。YOLO 读到 id 为 3 的标签认为索引越界直接丢弃这个目标所有训练样本实际都成了背景。解决打开任意一个 txt看第一列最大数字。如果最大数字等于 len(names)说明类别 id 偏大了一如果最大数字大于等于 len(names)就是从 COCO/JSON 转过来没改。批量修正用 sed 或者脚本把全部类别 id 减一改完再抽查三张图。提示YOLO 标签第一列是类别下标不是类别数量。COCO 的 category_id 从 1 开始转 YOLO 时必须减一。5.2 划分脚本随机种子不一致导致训练集验证集重叠现象训练 mAP 高得离谱val 的 loss 比 train 还低明明是 100 张验证图训练时却好像见过它们。原因划分脚本每次运行不固定随机种子或者两次运行分别从 images 和 labels 读文件列表两次读到的顺序不一样。更隐蔽的是有人先在 Windows 上划了一次又把文件传到 Linux重新跑了一次划分两次结果不同新旧文件混在同一个目录里。解决固定随机种子比如 random.seed(42)划分脚本只运行一次换机器后不要重新划分直接把划分好的目录整体拷过去。检查方法把 train 和 val 的图片文件名列表求交集交集为空才是对的。5.3 图片和标签同名但大小写不一致现象训练时提示部分图片找不到标签但你在资源管理器里明明看到同名 txt。原因Windows 文件系统不区分大小写000001.JPG 和 000001.jpg 被认为是同一个文件Linux 区分导致 000001.JPG 对应不到 000001.txt。解决统一改成小写。遍历 images 和 labels 目录把所有扩展名转成小写同时修改 VOC XML 或 COCO JSON 里记录的 file_name。转换完后在 Linux 上运行一下 find确认没有同名不同后缀的重复文件。5.4 data.yaml 的 path 写错或写成相对路径现象训练启动后立刻报 dataset not found或者显示 training 0 images。原因path 写成相对路径时ultralytics 是从配置里的数据集根目录往下找的你把 rar 解压到别的目录相对路径自然失效。还有一种情况path 写到了 images 这一层导致 train: images/train 拼出来变成 images/images/train。解决path 写绝对路径写到包含 images 和 labels 的上一层目录。data.yaml 里 train 和 val 的值是相对于 path 的目录不是相对于当前命令行所在目录。改完可以用一句 Python 验证路径拼接结果。5.5 样本不均衡导致 loss 震荡、闭眼召回率低现象训练时 box_loss 正常下降cls_loss 反复震荡val 时闭眼类的召回率明显低于正常类。原因闭眼和打哈欠属于短暂动作在疲劳驾驶视频里出现帧数本来就少标注出来的样本量远少于 normal 类。YOLO 默认按均匀分布初始化类别权重少类样本在损失函数里贡献被多数类淹没。解决先统计各类样本数如果最少类低于 100 张优先做数据增强和过采样如果样本量尚可可以在 loss 层面给少类加权。另一个实用技巧是训练时开启 mosaic 增强它对小目标和不均衡场景的改善比调超参更直接。6. 拿到 .rar 后先跑通的最小训练链路从解压到 mAP 曲线的一个下午数据、标签、划分都齐了剩下的训练链路其实很短。前提是装好 ultralytics环境配置按官方步骤来Python 3.8 以上pip install ultralytics 一行就够。6.1 最小训练命令ultralytics YOLO 一行命令yolo detect train datadatasets/fatigue.yaml modelyolov8n.pt epochs50 imgsz640 batch16model 换成 yolov8n.pt 或更新的 YOLO11 预训练权重都行命令格式一致。yolov8n 是最轻量的版本1000 张图几十秒一个 epoch先拿它跑通链路。epochs 不用贪多50 轮足够看出趋势如果发现 val 的指标在第 30 轮还在涨再加到 100。6.2 验证模型与导出 ONNX图片推理和部署准备yolo predict modelruns/detect/train/weights/best.pt sourcetest/images/000101.jpg yolo export modelruns/detect/train/weights/best.pt formatonnx imgsz640predict 会输出检测结果图确认框的位置和类别对不对。export 导出 ONNX 是为后面接推理引擎做准备之后要接 RTSP 视频流或者 TensorRT 部署都是从这一步往后展开。6.3 判断训练是否成功的三张图训练结束后进 runs/detect/train 目录看三样东西results.png 里的 val/cls_loss 曲线是否平稳下降confusion_matrix.png 里闭眼和打哈欠是否被分到对角线上PR_curve.png 里每类的 AP 是否在 0.7 以上。这三张图就是模型效果的黑匣子出口比谁告诉你「训得不错」都可靠。我自己做这类数据集训练习惯是解压后先花十分钟把划分脚本跑一遍数清楚每个集合的图片数和标签数再动手训练。这套数据最大的价值不是那 1000 张图而是把最容易出错的数据准备流程变成了确定性的步骤训练本身反而简单。数据不乱训练再慢都不怕数据一乱再新的网络也救不回来。希望帮到你。本文还有配套的精品资源点击获取
