计算机视觉 / 系统课时

理解 YOLO 标签格式

理解 YOLO 标签格式

YOLO 检测标签把每个目标压缩成一行数字:类别编号、中心点坐标、框宽和框高。掌握这些值怎样从像素坐标归一化,就能快速检查标签是否写错,并判断图片与标签文件是否正确对应。

学习目标

  • 能读懂一行 YOLO 检测标签中 5 个字段的含义。
  • 能把像素坐标转换为归一化的中心点、宽和高。
  • 能根据图片尺寸还原目标框并检查标签合法性。

标签文件如何对应图片

常见 YOLO 数据集会让图片与标签同名,只改变目录和扩展名。例如 images/train/car001.jpg 对应 labels/train/car001.txt。标签文件中的每一行代表一个目标,一张图片有三个目标,通常就有三行。

一行标签的基本形式是:

text
<class_id> <x_center> <y_center> <width> <height>

其中 class_id 通常从 0 开始,具体编号由数据集的类别顺序决定;其余四个数不是像素值,而是相对于整张图宽高归一化后的比例,正常情况下应落在 0 到 1 之间。

从像素框得到 YOLO 数值

假设图片宽为 WW、高为 HH,目标框左上角为 (xmin,ymin)(x_{min}, y_{min}),右下角为 (xmax,ymax)(x_{max}, y_{max})。则归一化后的字段为:

xc=((xmin+xmax)/2)/Wx_c=((x_{min}+x_{max})/2)/W,yc=((ymin+ymax)/2)/Hy_c=((y_{min}+y_{max})/2)/H,w=(xmax−xmin)/Ww=(x_{max}-x_{min})/W,h=(ymax−ymin)/Hh=(y_{max}-y_{min})/H。

YOLO 边界框像素坐标到归一化标签的关系

例如一张 1280×720 图片中,某目标框从 (320, 180) 延伸到 (960, 540)。中心点是 (640, 360),框宽为 640,框高为 360,归一化后四个值恰好都是 0.5。如果类别编号为 2,对应标签就是:

text
2 0.5 0.5 0.5 0.5

用代码还原目标框

下面脚本把一行 YOLO 标签还原成像素坐标,适合做抽样检查。只要还原出的框与原图上的目标一致,说明坐标换算方向基本正确。

python
image_w = 1280
image_h = 720
label = "2 0.5 0.5 0.5 0.5"

parts = label.split()
class_id = int(parts[0])
xc, yc, bw, bh = map(float, parts[1:])

box_w = bw * image_w
box_h = bh * image_h
x_min = xc * image_w - box_w / 2
y_min = yc * image_h - box_h / 2
x_max = xc * image_w + box_w / 2
y_max = yc * image_h + box_h / 2

print(class_id, int(x_min), int(y_min), int(x_max), int(y_max))

预期输出

text
2 320 180 960 540

识别最常见的格式错误

如果把像素值直接写进标签,例如 320 180 640 360,训练器会把这些数字当成比例,标签立即失效。另一个常见错误是把左上角坐标误写成 x_center、y_center,这会让整个框发生系统性偏移。

YOLO 标签格式的核心不是“五个数”,而是类别索引加归一化中心框。理解像素坐标与这四个比例之间的双向换算后,就能快速定位大多数标注格式问题。

按自己的节奏,确认真正理解。

目录与阅读设置

阅读设置

17

记录一个想法

理解 YOLO 标签格式

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