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:

text
<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:

text
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 (xmin,ymin,xmax,ymax)(x_{min}, y_{min}, x_{max}, y_{max}),图片宽高分别为 WW 和 HH。先求中心点与框尺寸,再除以图片宽高:

xc=xmin+xmax2W,yc=ymin+ymax2Hx_c=\frac{x_{min}+x_{max}}{2W},\quad y_c=\frac{y_{min}+y_{max}}{2H}
w=xmax−xminW,h=ymax−yminHw=\frac{x_{max}-x_{min}}{W},\quad h=\frac{y_{max}-y_{min}}{H}

像素边界框转换为 YOLO 归一化标签

下面的完整示例把 1280×720 图片中的像素框转换为 YOLO 标签:

python
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:

text
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:

text
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。

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