计算机视觉 / 系统课时
目标标注格式
目标标注格式
本课解决 YOLO 标签行“每个数字表示什么、如何从像素坐标换算”的问题。完成后,你将能读懂标签文件,手工验证归一化结果,并快速识别越界、类别错误和宽高混淆。
学习目标
- 解释 YOLO 标签行中五个字段的含义
- 把像素边界框转换为中心点归一化格式
- 识别常见标注错误并完成基本校验
一行标签表示一个目标
经典 YOLO 检测标签使用纯文本文件,每一行描述一个目标,字段顺序固定为:
text
class_id x_center y_center width heightclass_id 是从 0 开始的类别编号,后四个值是相对于图像宽高归一化后的结果,通常位于 [0, 1]。一张图像包含多个目标时,就在对应的 .txt 文件中写多行;没有目标时,标签文件可以为空。
例如下面一行表示类别编号为 2 的目标,其中心位于图像正中央,边界框宽高都占图像的一半:
text
2 0.500000 0.500000 0.500000 0.500000从像素坐标转换为归一化坐标
假设图像尺寸为 ,边界框左上角为 ,右下角为 。转换公式为:

归一化的目的不是改变目标位置,而是让标签与具体像素尺寸解耦。同一个相对位置的目标,即使图像分辨率不同,也能使用相同尺度的坐标表达。
完整转换示例
下面的 Python 程序把一个像素边界框转换为 YOLO 标签行。示例图像尺寸为 640×480,边界框从 (160,120) 延伸到 (480,360):
python
def to_yolo(
class_id: int,
image_width: int,
image_height: int,
x1: int,
y1: int,
x2: int,
y2: int,
) -> str:
if image_width <= 0 or image_height <= 0:
raise ValueError("image size must be positive")
if not (0 <= x1 < x2 <= image_width and 0 <= y1 < y2 <= image_height):
raise ValueError("box must stay inside the image")
# 先求像素坐标中的中心点与宽高,再分别除以图像尺寸
x_center = ((x1 + x2) / 2) / image_width
y_center = ((y1 + y2) / 2) / image_height
width = (x2 - x1) / image_width
height = (y2 - y1) / image_height
return (
f"{class_id} {x_center:.6f} {y_center:.6f} "
f"{width:.6f} {height:.6f}"
)
if __name__ == "__main__":
label = to_yolo(
class_id=2,
image_width=640,
image_height=480,
x1=160,
y1=120,
x2=480,
y2=360,
)
print(label)预期输出:
text
2 0.500000 0.500000 0.500000 0.500000这个结果说明目标中心位于图像宽高的 50% 处,边界框宽高也分别占图像的 50%。
常见标注错误
第一类错误是直接把像素值写入标签,例如把 320 当作 x_center。第二类错误是类别从 1 开始编号,而数据配置中的类别实际从 0 开始。第三类错误是把图像宽高写反,尤其在竖图中容易造成框的位置和尺寸同时偏移。
还要检查 、、、 是否落在 [0,1] 内,并确保宽高大于 0。即使每个值都在范围内,边界框仍可能越过图像边缘,因此还应验证 、,纵向条件同理。
按自己的节奏,确认真正理解。