计算机视觉 / 系统课时

YOLO 数据集目录

YOLO 数据集目录

本课解决 YOLO 训练数据“放在哪里、怎样对应”的问题。完成后,你将能独立建立训练集与验证集目录,编写数据配置文件,并用命令检查图像和标签是否一一匹配。

学习目标

  • 说清训练集、验证集、图像目录与标签目录的职责
  • 按 YOLO 约定建立可被训练程序识别的目录结构
  • 编写并验证数据配置文件

目录结构的核心规则

YOLO 数据集通常把图像和标签分开保存,再按训练集与验证集继续划分。最常见的结构如下:

text
my_dataset/
├── data.yaml
├── images/
│   ├── train/
│   │   ├── 0001.jpg
│   │   └── 0002.jpg
│   └── val/
│       └── 0101.jpg
└── labels/
    ├── train/
    │   ├── 0001.txt
    │   └── 0002.txt
    └── val/
        └── 0101.txt

同一张图像与标签必须具有相同的基本文件名。例如 images/train/0001.jpg 对应 labels/train/0001.txt。一张图像没有目标时,可以保留一个空的标签文件;不要用不存在的类别或随意删除对应关系来代替。

train 用于更新模型参数,val 用于训练期间评估泛化效果。验证集不能只是训练集的复制,否则得到的指标会过于乐观。

编写数据配置文件

数据配置文件告诉训练程序数据根目录、训练集位置、验证集位置和类别名称。下面是一个两类目标的数据配置示例:

yaml
path: /home/user/datasets/my_dataset
train: images/train
val: images/val

names:
  0: person
  1: car

path 是数据集根目录,train 和 val 通常写相对于根目录的图像路径。标签目录不需要在文件中重复声明,训练程序会按约定从 images/train 寻找对应的 labels/train,从 images/val 寻找对应的 labels/val。

配置生效后,训练程序应能读取两个数据划分,并把类别编号 0、1 映射为 person、car。实际路径应替换为本机目录。

检查图像与标签数量

在数据集根目录执行下面的命令,可以快速查看训练集与验证集的图像、标签数量:

bash
cd <PATH>/my_dataset
printf "train images: "
find images/train -type f \( -name "*.jpg" -o -name "*.jpeg" -o -name "*.png" \) | wc -l
printf "train labels: "
find labels/train -type f -name "*.txt" | wc -l
printf "val images: "
find images/val -type f \( -name "*.jpg" -o -name "*.jpeg" -o -name "*.png" \) | wc -l
printf "val labels: "
find labels/val -type f -name "*.txt" | wc -l

预期输出:

text
train images: <TRAIN_IMAGE_COUNT>
train labels: <TRAIN_LABEL_COUNT>
val images: <VAL_IMAGE_COUNT>
val labels: <VAL_LABEL_COUNT>

四个数量应与实际数据一致。图像数和标签数不相等时,不一定立即代表错误,因为无目标图像可能没有标签文件;但在初学阶段,建议为空图像也创建空标签文件,便于发现遗漏。<PATH> 和各计数值会因本机目录与数据规模不同而变化。

常见目录错误

最常见的问题是目录名称拼错、训练图像与训练标签分属不同划分,或者图像文件名和标签文件名不一致。另一个高频错误是 data.yaml 的 path 指向上一级或下一级目录,导致程序能够读取配置,却找不到实际图像。

排查时先确认配置中的完整路径,再抽查三组图像和标签文件名,最后检查类别编号是否超出 names 定义范围。按这个顺序定位,通常比直接重建整个数据集更快。

按自己的节奏,确认真正理解。

目录与阅读设置

记录一个想法

YOLO 数据集目录

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通