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 height

class_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 W×HW \times H,边界框左上角为 (x1,y1)(x_1,y_1),右下角为 (x2,y2)(x_2,y_2)。转换公式为:

xc=x1+x22W,yc=y1+y22Hx_c=\frac{x_1+x_2}{2W},\quad y_c=\frac{y_1+y_2}{2H}
w=x2−x1W,h=y2−y1Hw=\frac{x_2-x_1}{W},\quad h=\frac{y_2-y_1}{H}

像素边界框转换为 YOLO 归一化坐标

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 xcx_c、ycy_c、ww、hh 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 xc−w/2≥0x_c-w/2 \ge 0、xc+w/2≤1x_c+w/2 \le 1,纵向条件同理。

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

目标标注格式

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