YOLO目标检测数据集格式解析与转换实战：VOC、COCO转YOLO

1. 项目概述为什么YOLO数据格式这么“乱”刚接触YOLO做目标检测的朋友十有八九会在数据集格式上栽跟头。你可能从网上下载了一个数据集解压一看里面是VOC格式的XML文件或者你用了某个标注工具它默认输出的是COCO的JSON又或者你从某个开源项目里找到了一个.txt文件里面是奇怪的归一化坐标。这时候你手里的YOLO训练脚本嗷嗷待哺你却不知道该怎么把数据“喂”给它。这感觉就像你攒齐了所有食材却不知道家里的锅是电磁炉还是燃气灶用错了锅再好的菜也做不出来。“目标检测YOLO数据集的三种格式及转换”这个标题直指的就是这个核心痛点。它不是什么高深的算法创新但却是每个YOLO实践者必须跨过的第一道也是最实际的一道坎。YOLO本身要求的是一种极其简洁的文本格式但现实世界中的数据标注却因为历史、工具和社区习惯演化出了多种“方言”。理解这些“方言”的语法并掌握将它们“翻译”成YOLO能听懂的“普通话”的方法是项目成功的第一步。简单来说这三种主流格式分别是YOLO原生格式、PASCAL VOC格式和COCO格式。后两者是计算机视觉领域广泛使用的通用数据集格式拥有丰富的公开数据集和成熟的标注工具支持。而YOLO格式则是为了追求极致的训练效率而设计的“精简版”。本文的目的就是带你彻底搞懂这三种格式的“长相”、内在逻辑并手把手教你如何在这三者之间自由转换。我会基于大量实际项目经验不仅告诉你命令怎么写更会解释背后的“为什么”以及转换过程中那些文档里不会写的“坑”。2. 庖丁解牛三种数据格式的深度解析在动手转换之前我们必须先弄清楚我们要处理的对象到底是什么。不同的格式不仅仅是文件后缀名不同其组织数据的思想、适用的场景乃至背后的哲学都有差异。2.1 YOLO格式为效率而生的“极简主义”YOLO格式是YOLO系列官方代码直接读取的格式它的设计哲学是一切为了训练速度。它去除了所有冗余信息只保留模型训练所必需的最小数据集。核心文件结构一个标准的YOLO格式数据集目录通常如下所示yolo_dataset/ ├── images/ │ ├── train/ │ │ ├── image1.jpg │ │ └── image2.jpg │ └── val/ │ └── image3.jpg └── labels/ ├── train/ │ ├── image1.txt │ └── image2.txt └── val/ └── image3.txt这里有一个关键细节images和labels目录下的子目录如train,val必须严格对应且同名图片和标注文件通过文件名不含后缀关联。标注文件.txt的奥秘每个.txt文件对应一张图片其内容可能如下0 0.512500 0.603333 0.325000 0.553333 1 0.212500 0.276667 0.125000 0.246667每一行代表一个目标物体包含5个数值以空格分隔class_id物体的类别索引整数。这个索引对应着一个classes.names或data.yaml文件中的类别列表。例如0可能代表“person”1代表“car”。x_center边界框中心点的x坐标相对于图片宽度的归一化值范围0~1。y_center边界框中心点的y坐标相对于图片高度的归一化值范围0~1。width边界框的宽度相对于图片宽度的归一化值范围0~1。height边界框的高度相对于图片高度的归一化值范围0~1。为什么是归一化坐标这是YOLO格式的精髓。无论原始图片是1920x1080还是640x480归一化后的坐标都在0~1之间。这使得模型在训练时无需关心输入图片的绝对尺寸增强了模型对不同分辨率输入的鲁棒性。同时在数据增强如缩放、裁剪时处理归一化坐标比处理绝对像素坐标要方便得多。配套的配置文件data.yaml一个完整的YOLO数据集还需要一个data.yaml文件来告诉训练脚本数据的元信息。# data.yaml 示例 path: /home/user/datasets/yolo_dataset # 数据集根目录 train: images/train # 训练集图片路径相对于path val: images/val # 验证集图片路径相对于path test: images/test # 测试集图片路径可选 # 类别信息 nc: 2 # 类别数量 (number of classes) names: [person, car] # 类别名称列表索引与class_id对应这个文件是YOLOv5/v8等现代版本训练时的入口它串联起了所有分散的图片和标签文件。2.2 PASCAL VOC格式XML定义的“老派绅士”PASCAL VOC是早期目标检测竞赛的标杆其格式以XML文件为核心结构严谨、信息完整像一位一丝不苟的老派绅士。核心文件结构VOCdevkit/ └── VOC2007/ (或 VOC2012) ├── Annotations/ # 存放所有XML标注文件 │ ├── 000001.xml │ └── 000002.xml ├── ImageSets/ │ └── Main/ │ ├── train.txt # 列出训练集图片文件名不含后缀 │ └── val.txt # 列出验证集图片文件名 └── JPEGImages/ # 存放所有原始图片 ├── 000001.jpg └── 000002.jpgXML标注文件深度解读打开一个000001.xml文件你会看到类似下面的结构已简化annotation folderVOC2007/folder filename000001.jpg/filename size width800/width height600/height depth3/depth /size object nameperson/name poseUnspecified/pose truncated0/truncated difficult0/difficult bndbox xmin100/xmin ymin200/ymin xmax300/xmax ymax500/ymax /bndbox /object /annotation信息全面除了基本的文件名、尺寸、物体类别和边界框xmin, ymin, xmax, ymax这是绝对像素坐标外还包含了truncated是否被截断、difficult是否难以识别等对评估模型很有用的属性。绝对坐标边界框坐标是图片上的绝对像素值。这在可视化时很直观但在训练不同尺寸的模型时需要额外的预处理步骤。文本冗余XML格式本身比较冗长文件体积相对较大解析速度也比纯文本慢。实操心得很多旧的或特定领域的公开数据集尤其是2015年以前的都采用VOC格式。当你拿到一个VOC数据集第一件事是检查ImageSets/Main/下的.txt文件是否完整它定义了数据集的划分。有时候数据集可能只提供了Annotations和JPEGImages你需要自己生成这个划分列表。2.3 COCO格式JSON统一的“现代标准”COCO数据集以其大规模和丰富的标注包括目标检测、实例分割、关键点检测而闻名。其格式采用单一的JSON文件来管理整个数据集的元信息、标注和类别是一种“大一统”的现代方案。核心文件结构COCO格式看起来更简洁因为它把大量信息打包进了JSON。coco_dataset/ ├── annotations/ │ ├── instances_train2017.json │ └── instances_val2017.json └── train2017/ (或 val2017/) ├── 000000000009.jpg └── 000000000025.jpg图片按集合存放在以年份命名的文件夹中而所有标注信息都在对应的JSON文件里。JSON文件结构解析COCO的JSON是一个庞大的嵌套结构主要包含以下几个顶级字段{ info: {...}, // 数据集描述信息 licenses: [...], // 许可证信息 images: [ // 图片信息列表 {id: 1, file_name: 000001.jpg, width: 800, height: 600, ...}, ... ], annotations: [ // 标注信息列表 { id: 1, image_id: 1, // 关联到 images 列表中的某张图片 category_id: 1, // 关联到 categories 列表中的某个类别 bbox: [100, 200, 200, 300], // [x_top_left, y_top_left, width, height] area: 60000, segmentation: [...], // 实例分割多边形可选 iscrowd: 0 }, ... ], categories: [ // 类别信息列表 {id: 1, name: person, supercategory: human}, ... ] }中心化管理所有信息通过ID关联结构清晰易于程序化处理。标注丰富bbox字段同样是绝对坐标但格式是[x, y, width, height]。它还支持segmentation分割掩膜和keypoints关键点。文件高效虽然单个JSON文件可能很大但现代程序对JSON的解析和索引优化得很好。对于超大数据集这种格式在管理和读取上可能比数万个XML文件更高效。踩坑提醒COCO格式的bbox是[x, y, width, height]这里的(x, y)是边界框左上角的坐标而不是中心点这是与YOLO格式最根本的区别之一在转换时千万不能混淆。3. 转换实战从原理到代码的完整链路理解了格式差异转换就是“按图索骥”的过程。核心公式就一个坐标系统的转换与信息的映射。我们将分别探讨从VOC到YOLO以及从COCO到YOLO的转换。3.1 从PASCAL VOC到YOLO格式的转换这个转换的核心步骤是读取XML中的绝对坐标 - 根据图片尺寸归一化 - 转换为YOLO的中心点宽高格式 - 写入.txt文件并映射类别ID。步骤拆解与代码实现解析XML文件使用Python的xml.etree.ElementTree库可以轻松解析VOC的XML文件提取出size和object信息。坐标转换计算这是最关键的一步。假设从XML中提取出一个目标的坐标(xmin, ymin, xmax, ymax)图片宽度为img_w高度为img_h。计算绝对的中心点和宽高# 绝对坐标像素 abs_x_center (xmin xmax) / 2.0 abs_y_center (ymin ymax) / 2.0 abs_width xmax - xmin abs_height ymax - ymin归一化# 归一化坐标0~1 x_center_norm abs_x_center / img_w y_center_norm abs_y_center / img_h width_norm abs_width / img_w height_norm abs_height / img_h类别ID映射你需要一个字典将VOC中的类别名如person,car映射到YOLO格式的整数class_id。这个映射关系必须与你的data.yaml中的names列表顺序一致。写入文件将class_id x_center_norm y_center_norm width_norm height_norm格式的每一行写入与图片同名的.txt文件。完整Python脚本示例import os import xml.etree.ElementTree as ET from pathlib import Path def voc_to_yolo(voc_annotations_dir, voc_images_dir, output_labels_dir, class_list): 将VOC格式数据集转换为YOLO格式。 Args: voc_annotations_dir: VOC Annotations文件夹路径 voc_images_dir: VOC JPEGImages文件夹路径 output_labels_dir: 输出YOLO labels文件夹路径 class_list: 类别名称列表如 [person, car, bicycle] # 创建输出目录 Path(output_labels_dir).mkdir(parentsTrue, exist_okTrue) # 构建类别名到ID的映射 class_to_id {name: idx for idx, name in enumerate(class_list)} # 遍历所有XML文件 for xml_file in Path(voc_annotations_dir).glob(*.xml): tree ET.parse(xml_file) root tree.getroot() # 获取图片尺寸 size_elem root.find(size) img_w int(size_elem.find(width).text) img_h int(size_elem.find(height).text) # 准备写入YOLO格式内容 yolo_lines [] # 遍历所有目标物体 for obj in root.findall(object): # 获取类别名并转换为ID class_name obj.find(name).text if class_name not in class_to_id: print(f警告在文件 {xml_file} 中发现未知类别 {class_name}已跳过。) continue class_id class_to_id[class_name] # 获取边界框绝对坐标 bndbox obj.find(bndbox) xmin float(bndbox.find(xmin).text) ymin float(bndbox.find(ymin).text) xmax float(bndbox.find(xmax).text) ymax float(bndbox.find(ymax).text) # 坐标转换与归一化 x_center (xmin xmax) / 2.0 y_center (ymin ymax) / 2.0 width xmax - xmin height ymax - ymin # 归一化 x_center_norm x_center / img_w y_center_norm y_center / img_h width_norm width / img_w height_norm height / img_h # 格式化为YOLO行 yolo_line f{class_id} {x_center_norm:.6f} {y_center_norm:.6f} {width_norm:.6f} {height_norm:.6f} yolo_lines.append(yolo_line) # 写入YOLO标签文件与XML同名后缀为.txt output_txt_path Path(output_labels_dir) / f{xml_file.stem}.txt with open(output_txt_path, w) as f: f.write(\n.join(yolo_lines)) print(f转换完成标签文件已保存至{output_labels_dir}) # 使用示例 if __name__ __main__: # 定义你的类别列表顺序很重要 CLASSES [aeroplane, bicycle, bird, boat, bottle, bus, car, cat, chair, cow, diningtable, dog, horse, motorbike, person, pottedplant, sheep, sofa, train, tvmonitor] # VOC 20类 voc_to_yolo( voc_annotations_dir./VOCdevkit/VOC2007/Annotations, voc_images_dir./VOCdevkit/VOC2007/JPEGImages, output_labels_dir./yolo_dataset/labels, class_listCLASSES )关键注意事项边界框越界检查在转换后务必检查归一化后的坐标(x_center_norm, y_center_norm, width_norm, height_norm)是否在[0, 1]范围内。由于标注误差偶尔会出现xmax img_w或ymin 0的情况需要进行clamp操作如x_center_norm max(0, min(1, x_center_norm))。空标签文件如果一张图片里没有目标物体在VOC中可能没有对应的XML或者XML里没有object节点那么YOLO格式下应该有一个空的.txt文件。有些训练框架要求必须存在这个空文件否则会报错。在转换脚本中需要处理这种情况。图片路径同步转换标签的同时别忘了把对应的图片文件也复制或链接到YOLO格式的images/train/或images/val/目录下并确保data.yaml中的路径配置正确。3.2 从COCO到YOLO格式的转换COCO到YOLO的转换逻辑与VOC类似但数据源从分散的XML变成了集中的JSON。我们需要遍历JSON中的annotations并根据image_id和category_id进行关联和映射。核心差异与处理要点bbox格式差异COCO的bbox是[x_top_left, y_top_left, width, height]。转换时需要先计算出中心点x_tl, y_tl, w, h bbox # 从JSON中读取 x_center x_tl w / 2.0 y_center y_tl h / 2.0 # 然后再进行归一化除以图片的宽和高通过image_id关联图片COCO JSON中的annotations通过image_id字段关联到images列表中的某张图片。我们需要先根据image_id找到对应的图片信息主要是width和height才能进行归一化。类别ID映射COCO的category_id通常不是从0开始的连续整数例如可能是1, 2, 3, ...。我们需要将其映射到从0开始的连续ID以符合YOLO的惯例。这可以通过遍历categories列表建立新的映射关系来实现。完整Python脚本示例import json from pathlib import Path from tqdm import tqdm # 用于显示进度条 def coco_to_yolo(coco_json_path, output_labels_dir, output_images_dirNone): 将COCO格式的JSON标注文件转换为YOLO格式的标签文件。 Args: coco_json_path: COCO annotations JSON文件路径 output_labels_dir: 输出YOLO labels文件夹路径 output_images_dir: 如果提供会生成一个记录图片路径的txt文件可选 # 加载COCO JSON文件 with open(coco_json_path, r) as f: coco_data json.load(f) # 创建输出目录 Path(output_labels_dir).mkdir(parentsTrue, exist_okTrue) # 构建映射category_id - 连续的 class_id (0-indexed) categories coco_data[categories] # 按原始id排序确保映射稳定 categories.sort(keylambda x: x[id]) cat_id_to_class_id {cat[id]: idx for idx, cat in enumerate(categories)} # 构建映射image_id - 图片信息用于获取宽高和文件名 image_id_to_info {img[id]: img for img in coco_data[images]} # 按 image_id 分组标注提高处理效率 from collections import defaultdict annotations_by_image defaultdict(list) for ann in coco_data[annotations]: # 忽略iscrowd1的标注通常是人群用分割掩膜表示不适合矩形框 if ann.get(iscrowd, 0) 1: continue annotations_by_image[ann[image_id]].append(ann) # 用于记录图片路径可选 image_paths [] # 遍历每张图片生成对应的YOLO标签文件 for image_id, img_info in tqdm(image_id_to_info.items(), descProcessing Images): img_w img_info[width] img_h img_info[height] file_name img_info[file_name] yolo_lines [] for ann in annotations_by_image.get(image_id, []): # 获取类别ID并映射 coco_cat_id ann[category_id] class_id cat_id_to_class_id.get(coco_cat_id) if class_id is None: continue # 理论上不会发生除非categories列表不完整 # 获取COCO格式的bbox [x_tl, y_tl, width, height] bbox ann[bbox] x_tl, y_tl, w, h bbox # 转换为中心点坐标并归一化 x_center x_tl w / 2.0 y_center y_tl h / 2.0 x_center_norm x_center / img_w y_center_norm y_center / img_h w_norm w / img_w h_norm h / img_h # 边界检查确保归一化坐标在[0,1]范围内略微越界的修正到边界 x_center_norm max(0, min(1, x_center_norm)) y_center_norm max(0, min(1, y_center_norm)) w_norm max(0, min(1, w_norm)) h_norm max(0, min(1, h_norm)) # 格式化为YOLO行 yolo_line f{class_id} {x_center_norm:.6f} {y_center_norm:.6f} {w_norm:.6f} {h_norm:.6f} yolo_lines.append(yolo_line) # 写入YOLO标签文件文件名与图片名相同后缀为.txt # 注意COCO图片名可能包含子目录如‘train2017/000000001.jpg’我们取最后一部分 label_file_name Path(file_name).stem .txt label_file_path Path(output_labels_dir) / label_file_name with open(label_file_path, w) as f: f.write(\n.join(yolo_lines)) # 记录图片路径可选用于生成data.yaml中的路径列表 if output_images_dir: # 假设图片已经存放在 output_images_dir 下且结构一致 image_paths.append(str(Path(output_images_dir) / file_name)) # 保存类别名称文件classes.names classes_names_path Path(output_labels_dir).parent / classes.names with open(classes_names_path, w) as f: for cat in categories: f.write(f{cat[name]}\n) print(f转换完成标签文件保存在{output_labels_dir}) print(f类别名称文件保存在{classes_names_path}) # 如果需要可以返回图片路径列表用于后续生成train.txt/val.txt return image_paths # 使用示例 if __name__ __main__: # 转换训练集 train_image_paths coco_to_yolo( coco_json_path./coco/annotations/instances_train2017.json, output_labels_dir./yolo_dataset/labels/train2017, output_images_dir./coco/images/train2017 # 可选用于生成路径列表 ) # 你可以用返回的 train_image_paths 来生成 train.txt # with open(./yolo_dataset/train2017.txt, w) as f: # f.write(\n.join(train_image_paths))踩坑提醒iscrowd字段COCO数据集中如果一个物体的iscrowd1通常表示这是一组密集的、难以分开标注的物体如人群其bbox可能是一个大的包围框并且主要用segmentation字段表示。在目标检测任务中我们通常忽略iscrowd1的标注因为它的边界框不适合用于训练常规的检测器。上面的脚本已经做了过滤。图片文件名与路径COCO JSON中的file_name可能包含子目录如train2017/000000001.jpg。在组织YOLO数据集时你需要确保图片文件的实际存放路径与data.yaml中配置的路径相匹配。一种常见的做法是保持原有的子目录结构或者在复制图片时展平flatten目录。验证集与测试集记得对instances_val2017.json和image_info_test-dev2017.json测试集通常无标注执行类似的操作。4. 高级话题与生产环境下的实用技巧掌握了基本转换后在实际项目中你还会遇到一些更复杂的情况。这部分分享的是一些文档里很少提及但能极大提升效率和质量的经验。4.1 处理非标准或自定义数据集格式很多时候你拿到的既不是标准的VOC也不是COCO可能是某个特定标注工具如LabelImg、CVAT、Roboflow导出的自定义格式或者是.csv文件。处理思路万变不离其宗定位边界框信息无论格式多奇怪找到存储图片文件名、类别名/ID以及边界框坐标通常是xmin, ymin, xmax, ymax或x_center, y_center, width, height的字段。确定坐标类型确认坐标是绝对像素值还是归一化值以及是左上角宽高还是中心点宽高。编写解析脚本根据上述信息编写一个专用的Python脚本将数据读取到内存中如Pandas DataFrame或字典列表。应用转换公式使用前面章节的公式将坐标统一转换到YOLO格式的归一化中心点坐标。处理类别映射建立自定义类别名到连续整数ID的映射。示例处理一个简单的CSV格式假设你有一个annotations.csv列包括image_name, class_name, x1, y1, x2, y2绝对坐标。import pandas as pd from pathlib import Path def csv_custom_to_yolo(csv_path, images_dir, output_labels_dir, class_list): df pd.read_csv(csv_path) # 假设我们知道所有图片都是640x480 # 更严谨的做法是使用PIL或OpenCV读取图片获取真实尺寸 img_w, img_h 640, 480 class_to_id {name: idx for idx, name in enumerate(class_list)} # 按图片名分组 grouped df.groupby(image_name) for img_name, group in grouped: yolo_lines [] for _, row in group.iterrows(): class_id class_to_id[row[class_name]] x1, y1, x2, y2 row[x1], row[y1], row[x2], row[y2] # 转换与归一化 x_center (x1 x2) / 2.0 y_center (y1 y2) / 2.0 width x2 - x1 height y2 - y1 x_center_norm x_center / img_w y_center_norm y_center / img_h width_norm width / img_w height_norm height / img_h yolo_lines.append(f{class_id} {x_center_norm:.6f} {y_center_norm:.6f} {width_norm:.6f} {height_norm:.6f}) label_path Path(output_labels_dir) / f{Path(img_name).stem}.txt with open(label_path, w) as f: f.write(\n.join(yolo_lines))4.2 自动化与质量检查流水线在大型项目中手动转换和检查是不现实的。你需要建立一个自动化流水线。使用成熟工具对于标准格式优先使用社区维护的工具。例如pycocotools库提供了COCO API可以方便地读取和操作COCO数据集。Roboflow平台也提供了强大的在线数据集格式转换和预处理功能。编写集成脚本将格式转换、数据集划分train/val/test split、生成data.yaml等步骤整合到一个脚本中。可以使用argparse库接收输入参数使其更通用。质量检查QA转换后必须进行QA。这包括可视化检查随机抽取一些图片用OpenCV或Matplotlib将YOLO格式的标签画到图片上确保边界框位置和类别正确。标签一致性检查确保每个图片文件都有对应的标签文件哪怕是空的并且没有多余的标签文件。坐标范围检查扫描所有.txt文件确保所有归一化坐标都在[0, 1]区间内对于略微超出如-0.0001或1.0001的进行修正clamp对于严重超出的要报警并检查原始数据。类别ID检查确保所有class_id都在[0, nc-1]范围内。一个简单的可视化检查脚本import cv2 import random from pathlib import Path def visualize_yolo_label(image_path, label_path, class_names): 在图片上绘制YOLO格式的标签框 img cv2.imread(str(image_path)) if img is None: print(f无法读取图片: {image_path}) return img_h, img_w img.shape[:2] with open(label_path, r) as f: lines f.readlines() for line in lines: parts line.strip().split() if len(parts) ! 5: continue class_id, x_c, y_c, w, h map(float, parts) class_id int(class_id) # 将归一化坐标转换回绝对像素坐标 x_center x_c * img_w y_center y_c * img_h box_w w * img_w box_h h * img_h x1 int(x_center - box_w / 2) y1 int(y_center - box_h / 2) x2 int(x_center box_w / 2) y2 int(y_center box_h / 2) # 绘制矩形和类别名 color (0, 255, 0) # 绿色 cv2.rectangle(img, (x1, y1), (x2, y2), color, 2) label class_names[class_id] if class_id len(class_names) else str(class_id) cv2.putText(img, label, (x1, y1 - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.5, color, 2) cv2.imshow(YOLO Label Visualization, img) cv2.waitKey(0) cv2.destroyAllWindows() # 随机检查几张 image_dir Path(./yolo_dataset/images/train) label_dir Path(./yolo_dataset/labels/train) class_names [person, car, bicycle] # 从 data.yaml 读取 image_files list(image_dir.glob(*.jpg)) for _ in range(5): # 随机看5张 img_file random.choice(image_files) label_file label_dir / f{img_file.stem}.txt if label_file.exists(): visualize_yolo_label(img_file, label_file, class_names)4.3 与YOLO训练流程的无缝集成转换的最终目的是为了训练。为了让数据集更好地服务于训练还有几个优化点生成正确的data.yaml这个文件是YOLO训练的“总指挥”。除了基本的path、train、val、nc、names你还可以配置# 更完整的 data.yaml 示例 path: /datasets/my_custom_dataset train: images/train val: images/val test: images/test # 可选 nc: 3 names: [cat, dog, horse] # 可选下载命令/URL方便复现 # download: https://example.com/dataset.zip # 可选关键点信息如果做姿态估计 # kpt_shape: [17, 3] # 17个关键点每个点(x, y, visibility) # flip_idx: [0, 2, 1, 4, 3, 6, 5, 8, 7, 10, 9, 12, 11, 14, 13, 16, 15] # 水平翻转时关键点的对应关系处理数据不平衡如果某些类别的样本数量远少于其他类别YOLO训练时可能会忽略它们。你可以在转换阶段进行一些预处理过采样Oversampling复制少数类别的样本。数据增强Data Augmentation对少数类别的图片应用更激进的数据增强如mosaic, mixup。这通常在训练时由YOLO的数据加载器完成但你需要确保你的data.yaml配置正确。清理低质量标注在转换过程中或转换后可以加入逻辑自动过滤掉一些低质量标注例如面积过小的边界框width_norm * height_norm 0.001。宽高比极其不正常的框可能标注错误。完全在图片外的框经过clamp后面积为零。数据格式转换是目标检测项目中的“脏活累活”但也是奠定项目成功基础的“精细活”。理解不同格式背后的设计逻辑掌握可靠、自动化的转换方法并建立严格的质量检查流程能让你在后续的模型训练中避免许多令人头疼的诡异问题。当你把这些流程都脚本化、标准化之后无论面对什么格式的原始数据你都能快速将其“驯服”变成YOLO模型可口的“食粮”。