计算机视觉 / 系统课时
理解 YOLO 标签格式
理解 YOLO 标签格式
YOLO 标签把一个目标压缩为“类别编号、中心点坐标、宽度、高度”五个数字,并将坐标归一化到 0~1。本课将用一组像素坐标完成转换、验证与反算,帮助你判断标签是否正确。
学习目标
- 读懂 YOLO 标签每一列的含义
- 将像素边界框转换为归一化标签
- 识别类别编号、坐标范围和框尺寸错误
标签行的基本结构
YOLO 检测数据集中,一张图片通常对应一个同名的 .txt 文件。每个目标占一行,字段顺序固定为:
<class_id> <x_center> <y_center> <width> <height>class_id 是从 0 开始的整数类别编号,必须与数据集配置中的类别顺序一致。后四个值不是像素,而是相对于图片宽高的归一化结果,通常保留 6 位小数。
例如,下面表示类别 0 的目标位于图片中央,目标框宽、高都占整张图片的一半:
0 0.500000 0.500000 0.500000 0.500000从像素框转换为 YOLO 标签
假设原始边界框使用左上角和右下角坐标 ,图片宽高分别为 和 。先求中心点与框尺寸,再除以图片宽高:

下面的完整示例把 1280×720 图片中的像素框转换为 YOLO 标签:
def to_yolo_label(
class_id: int,
image_width: int,
image_height: int,
x_min: int,
y_min: int,
x_max: int,
y_max: int,
) -> str:
# 先计算像素坐标中的中心点和框尺寸
x_center = (x_min + x_max) / 2
y_center = (y_min + y_max) / 2
box_width = x_max - x_min
box_height = y_max - y_min
# 再按图片宽高归一化到 0~1
return (
f"{class_id} "
f"{x_center / image_width:.6f} "
f"{y_center / image_height:.6f} "
f"{box_width / image_width:.6f} "
f"{box_height / image_height:.6f}"
)
def main() -> None:
label = to_yolo_label(
class_id=0,
image_width=1280,
image_height=720,
x_min=320,
y_min=180,
x_max=960,
y_max=540,
)
print(label)
if __name__ == "__main__":
main()预期输出:
0 0.500000 0.500000 0.500000 0.500000如何验证标签是否正确
先检查每行是否恰好有 5 列。第一列必须是非负整数,并且小于类别总数;后四列通常应满足 0 <= value <= 1。其中 width 和 height 必须大于 0,否则目标框没有有效面积。
归一化值合法不代表框一定正确。还要确认中心点与尺寸组合后没有越出图片边界,可用以下关系快速判断:
x_center - width / 2 >= 0
x_center + width / 2 <= 1
y_center - height / 2 >= 0
y_center + height / 2 <= 1若标注工具导出的是左上角坐标和右下角坐标,不能直接写进 YOLO 文件;若类别编号从 1 开始,也必须先改成从 0 开始。
文件命名与空标签
图片和标签必须同名,例如 images/train/cat_001.jpg 对应 labels/train/cat_001.txt。一张图片有多个目标时,在同一个标签文件中写多行。
没有目标的负样本可以使用空的 .txt 文件。不要写一行全 0,因为那会被解释为一个类别 0、宽高为 0 的无效目标。
本课总结
- YOLO 每行依次保存类别编号、归一化中心点、归一化宽度和高度
- 像素框必须先求中心点与尺寸,再按图片宽高归一化
- 合法标签既要检查字段范围,也要检查目标框是否越界
下一课预告
下一课将把完整数据集划分为训练集、验证集和测试集,并重点避免同一视频、同一连拍或同一对象的相似样本泄漏到不同子集中。