尧图网页设计 
简介面向目标检测入门与几何形状识别任务这份VOCYOLO双格式数据集聚焦圆形、矩形、三角形三类常见图形覆盖525个手工矩形标注框既能满足YOLO系列模型的txt标签需求也能直接接入依赖XML标注的Faster R-CNN、SSD等框架适合初学目标检测的开发者、高校学生及竞赛团队快速搭建实验基线。压缩包仅1.49MB共686个文件核心为228张JPG原图、228份VOC格式XML标注和228份YOLO格式TXT标注另有2个说明文本图片与标注一一对应结构清晰便于在PyTorch、Darknet等环境中直接读取也可方便地对比两种标注格式的训练差异。所有标注经labelImg人工框选类别分布为circle 195框、rectangle 168框、triangle 162框样本量相对均衡适合进行数据增强与类别平衡实验。已有218人学习下载尤其适合需要快速获得规范训练集、跳过人工标注环节的初学者和研究者。数据集本身不附带训练权重只提供准确合理的标注文件为用户自主设计检测网络与调优留出充分空间。 很多人第一次上手目标检测卡住的往往不是模型结构而是手里没有一份既干净又能直接跑的标注数据。我最近拿到一个圆三角形矩形检测数据集VOC和YOLO两套格式都齐全一共228张图、3个类别打包成7z之后很小下载、解压、训练都很方便。这份数据的定位很清晰给入门者练手、给工程师验证流程。下面我按从拿到压缩包到训出模型的实际顺序把这228张图的目录结构、标注格式、数据校验、训练配置和踩坑记录完整拆一遍。1. 这份数据解决的是什么阶段的问题1.1 为什么选圆形、三角形、矩形做检测目标我见过不少人一上来就拿COCO 80类数据练手结果发现loss降不下去、mAP上不来第一反应是模型不行或者参数没调对实际上根本原因是数据里类别太丰富、样本分布太乱很难定位问题到底出在哪。圆形、三角形、矩形这类几何基元就不一样三种形状外观差异明显几乎没有类间混淆背景干扰也少。数据本身足够干净模型如果没学好问题基本能确定在模型或训练配置上而不是数据标错了。这种“用低干扰数据定位问题”的思路在目标检测调试里很值钱。1.2 228张的量够干什么数据量不是越大越好。起步阶段真正需要的是尽量短的迭代周期数据加载正常、标签读取正常、损失函数有下降、验证集指标有波动整个链路跑通一次比盲目堆几万张图更有价值。228张对三分类形状检测来说训练十几轮就能看出收敛趋势哪怕在笔记本电脑CPU上也能完成一次小规模验证。真正需要扩充数据的时候后面再做增强也不迟。1.3 同时给VOC和YOLO两种格式省了最麻烦的一步VOC格式保留了完整的XML标注信息可读性强适合分析单张图片的标注内容YOLO格式是目标检测训练里使用频率更高的格式直接把标签文件放进images和labels目录就能开训。两种格式放在一起意味着你不需要自己临时写转换脚本也不会因为坐标转换写错而浪费一整天。但“不需要转换”不等于“不需要懂转换”。给双格式是省时间理解换算逻辑之后再处理其他数据集还是得用。这一块我在下一章细说。2. 拆包之前先把VOC和YOLO的标注逻辑对齐2.1 7z压缩包的解压与检查拿到.7z文件我习惯先看包内结构再解压避免解出来散落一地文件# 浏览压缩包内部结构 7z l 圆三角形矩形检测数据集VOCYOLO格式228张3类别.7z确认里面是数据集根目录还是散文件后再执行解压# Linux / macOS装了 p7zip 后 7za x 圆三角形矩形检测数据集VOCYOLO格式228张3类别.7zWindows 下用 7-Zip 右键解压即可如果喜欢命令行把7z.exe所在目录加进 PATH 后执行7z.exe x 圆三角形矩形检测数据集VOCYOLO格式228张3类别.7z如果身边没有现成的解压工具另一个值得养成的习惯是解压前先校验文件哈希。这228张图的数据包不大通常几秒就能算完sha256sum 圆三角形矩形检测数据集VOCYOLO格式228张3类别.7zWindows PowerShell 下对应命令是Get-FileHash。这个习惯能提前发现下载损坏、压缩包不完整的情况避免训练中途才报文件读取错误的尴尬。2.2 两种标注格式的字段对比解压后典型的数据集目录会同时包含几个核心部分JPEGImages放原图Annotations放VOC格式的XML标注labels放YOLO格式的TXT标注。把同一份标注在两套格式里对照着看差别就很清楚。对比项VOC格式XMLYOLO格式TXT文件位置Annotations目录labels目录一次包含信息文件名、图像尺寸、目标类别、目标坐标每行一个目标一行格式bndbox里的xmin/ymin/xmax/ymaxclass_id x_center y_center width height坐标单位原始像素归一化比例0到1类别表示字符串如circle类别的整数下标VOC的XML大概长这样annotation filename000001.jpg/filename size width640/width height480/height depth3/depth /size object namecircle/name bndbox xmin58/xmin ymin96/ymin xmax252/xmax ymax308/ymax /bndbox /object /annotation对应的YOLO TXT里则是0 0.2421875 0.4208333 0.3031250 0.44166672.3 坐标换算的底层逻辑别只会套脚本很多人拿VOC转YOLO的脚本直接跑跑完也不校验直到训练时发现框全偏了才回头查。其实换算只有四个公式x_center (xmin xmax) / 2 / width y_center (ymin ymax) / 2 / height box_width (xmax - xmin) / width box_height (ymax - ymin) / height注意YOLO格式要求的不是左上角坐标而是目标中心坐标宽度和高度也都是相对整张图的比例。归一化的好处是标签与图像分辨率解耦训练时无论输入640还是1280标注都不需要重新改。如果自己写转换脚本核心函数大致是这样import xml.etree.ElementTree as ET def voc_to_yolo(xml_path, img_w, img_h): tree ET.parse(xml_path) root tree.getroot() lines [] classes {circle: 0, triangle: 1, rectangle: 2} for obj in root.findall(object): name obj.find(name).text box obj.find(bndbox) xmin float(box.find(xmin).text) ymin float(box.find(ymin).text) xmax float(box.find(xmax).text) ymax float(box.find(ymax).text) cx (xmin xmax) / 2.0 / img_w cy (ymin ymax) / 2.0 / img_h w (xmax - xmin) / img_w h (ymax - ymin) / img_h lines.append(f{classes[name]} {cx:.6f} {cy:.6f} {w:.6f} {h:.6f}) return lines这个函数虽然短但包含了最容易错的三个点除法前宽高必须来自原图、类别名必须和类别表完全一致、输出必须是归一化而不是像素。对照着抽查几份XML和TXT格式方面基本不会出问题。3. 训练前把228张图做一遍硬核体检3.1 数据包内部的文件对账下载数据后第一件事不是急着训练而是先对账。图片、XML标签、TXT标签三者的数量是否匹配是最低限度的检查echo JPEG图片数量: find JPEGImages -name *.jpg | wc -l echo XML标注数量: find Annotations -name *.xml | wc -l echo TXT标注数量: find labels -name *.txt | wc -l同时检查有没有文件名对不上有没有图片没有标注或者有标注没有图片。常见情况是数据里混了一张没有目标的背景图对应的TXT是空文件。空标签文件在训练时会导致警告最好单独挑出来处理。3.2 类别名一致性检查训练前最容易被忽略的一步VOC格式里的name是字符串YOLO格式里的class_id是整数如果两者不是按同一份类别表生成的训练时一定会出问题。快速确认办法是统计XML里到底出现了哪些类别名grep -h name Annotations/*.xml | sort | uniq -c正常应该看到三种类别名以及各自的数量。检查时注意大小写、前后空格这些细节一旦出错训练日志里经常表现为“某个类别完全没有被训练到”但排查起来很费时间。3.3 标注框边界检查几何图形检测有个常见毛病标注框贴得太紧把图形的一点点外轮廓裁掉训练时框与图形主体边缘重合度很低。更严重的是标注越界比如xmax超出图像宽度。越界框在YOLO训练里会触发标签范围警告因为归一化后的坐标大于1.0。处理方式简单直接检查出越界后把坐标clamp到图像尺寸内或者删掉异常标注重新标注。3.4 划分训练集和验证集228张不是大数据量但也不能全部丢进去训练。目标检测要看泛化效果至少需要划分验证集。我习惯用8:2的比例import os, random, shutil import glob random.seed(42) images sorted(glob.glob(JPEGImages/*.jpg)) random.shuffle(images) val_cnt int(len(images) * 0.2) val_images images[:val_cnt] train_images images[val_cnt:] for img in train_images: shutil.copy(img, images/train) shutil.copy(img.replace(JPEGImages, labels).replace(.jpg, .txt), labels/train)固定随机种子这个细节很关键否则每次划分结果不一样两次实验之间就没法对比。为了省事也可以把划分结果保存成txt的路径列表后续清洗数据更灵活。4. 喂给YOLO训练一份能直接抄的配置4.1 目录重新组织YOLO系列对数据集目录约定比较严格我习惯统一为dataset/ ├── images/ │ ├── train/ # 大约183张 │ └── val/ # 大约45张 ├── labels/ │ ├── train/ │ └── val/ └── data.yaml把图片和标签按训练、验证两部分放好然后写data.yamlpath: ./dataset train: images/train val: images/val names: 0: circle 1: triangle 2: rectangle4.2 训练参数的选择YOLOv5和YOLOv8的命令大体一致# YOLOv5 python train.py --data data.yaml --weights yolov5s.pt --img 640 --batch 16 --epochs 50 # YOLOv8 yolo detect train datadata.yaml modelyolov8s.pt imgsz640 batch16 epochs50对这么小的数据集yolov5s或yolov8s已经足够。图片分辨率统一调到640batch size根据显存调整16是个比较折中的值。训练速度取决于硬件中等显卡上50轮大约需要十几分钟CPU上可能要慢一些。训练结束后会输出训练曲线和验证集mAP。4.3 怎么看训练到底成没成功训练结束后主要看两类指标一是loss曲线是否平稳下降并收敛二是验证集mAP50是否稳定在一个合理水平。三分类形状检测通常mAP50能到0.95以上。如果loss震荡很大或者mAP波动剧烈先别急着调参回到第三章的数据体检再过一遍很多时候是标签的问题而不是模型的问题。228张图这个规模很适合做这种判断数据干净剩下的问题自然就落到训练配置上。5. 实测中绕不开的三个坑5.1 类别全对训练却报空一次完整排查过程我最初跑这个数据集时解压后直接开训日志里频繁出现关于label的警告val指标非常差。当时第一步去检查data.yaml觉得没问题names对得上第二步检查labels目录里的TXT文件内容看起来也正常。直到我把TXT里每一行的第一个数字统计了一遍才发现类别下标和names里的字符串完全对不上——TXT里的类别是0、1、2但yaml里names的顺序写成了triangle、circle、rectangle。类别名对不上模型等于一直在用一个错乱的标签空间训练当然不收敛。这正好印证了第三章里的做法VOC和TXT最好先各自统计一遍再交叉校对花五分钟的事能省掉两个小时的排查时间。5.2 解压目录带中文和空格常在训练时报路径错误这个数据集的压缩包文件名很长如果是Windows用户直接右键解压目录名里会保留完整的标题文字。YOLO训练脚本里如果数据路径包含中文或空格常会在图像读取阶段暴露出各种莫名其妙的错误。最简单的规避办法解压后把数据集根目录重命名为纯英文短路径比如shape_data/训练脚本路径也全部用相对路径。这不算数据集本身的问题但确实是最常见的使用姿势问题。5.3 先训一个类再训三个类我建议拿到数据第一天不要直接三分类全训。先把data.yaml临时改成只保留circle一个类把label里其他类别行过滤掉快速跑20轮。如果单类的loss能降、mAP能拉起来说明数据、格式、训练链路都是通的这时候再恢复三分类训练。这个做法看起来多了一步实际上是在用最低成本判断问题出在链路还是出在数据集本身对排查非常有帮助。6. 用这228张图还能继续做哪些事6.1 当格式转换练手材料VOC转YOLO弄懂了再遇到COCO、KITTI、DOTA这类格式原理都是一样的解析出目标的类别和坐标再按目标格式要求输出。比如做自动驾驶相关任务的人会把KITTI标注转成YOLO也有人会把DOTA格式的旋转框标注转成YOLO格式核心思路都绕不开坐标解析与归一化。用这个双格式数据集来验证自己的转换脚本输入输出都能对得上比自己造数据验证靠谱得多。6.2 数据增强把228张翻成2000张如果想深入目标检测的进阶玩法这228张图很适合做数据增强实验。YOLO训练自带Mosaic、HSV扰动、随机翻转等增强手段开增强跑一轮再关掉增强跑一轮对比两者的mAP曲线能直观感受到增强对泛化能力的影响。也可以用Albumentations库做离线增强生成更多样本后再训练。总之这份数据规模小增强前后的对比实验成本非常低。6.3 用不同大小的模型做对比基线三分类形状检测的任务难度本身不高正好可以在同一个数据集上对比yolov8n、yolov8s、yolov8m等不同规格模型的效果和速度。为小项目选型时这类对比结果就是最重要的依据模型不是越大越好够用、够快才是关键。我个人在这份数据上跑完一圈后最大的体会是228张图的目标不是训练出一个多强的模型而是用最小的成本把目标检测的完整流程练熟。从这个角度看这份数据几乎每一张都用得上算是一次很清爽的练手体验。本文还有配套的精品资源点击获取 圆三角形矩形检测数据集：VOC+YOLO格式228张图目标检测练手全流程解析
简介面向目标检测入门与几何形状识别任务这份VOCYOLO双格式数据集聚焦圆形、矩形、三角形三类常见图形覆盖525个手工矩形标注框既能满足YOLO系列模型的txt标签需求也能直接接入依赖XML标注的Faster R-CNN、SSD等框架适合初学目标检测的开发者、高校学生及竞赛团队快速搭建实验基线。压缩包仅1.49MB共686个文件核心为228张JPG原图、228份VOC格式XML标注和228份YOLO格式TXT标注另有2个说明文本图片与标注一一对应结构清晰便于在PyTorch、Darknet等环境中直接读取也可方便地对比两种标注格式的训练差异。所有标注经labelImg人工框选类别分布为circle 195框、rectangle 168框、triangle 162框样本量相对均衡适合进行数据增强与类别平衡实验。已有218人学习下载尤其适合需要快速获得规范训练集、跳过人工标注环节的初学者和研究者。数据集本身不附带训练权重只提供准确合理的标注文件为用户自主设计检测网络与调优留出充分空间。 很多人第一次上手目标检测卡住的往往不是模型结构而是手里没有一份既干净又能直接跑的标注数据。我最近拿到一个圆三角形矩形检测数据集VOC和YOLO两套格式都齐全一共228张图、3个类别打包成7z之后很小下载、解压、训练都很方便。这份数据的定位很清晰给入门者练手、给工程师验证流程。下面我按从拿到压缩包到训出模型的实际顺序把这228张图的目录结构、标注格式、数据校验、训练配置和踩坑记录完整拆一遍。1. 这份数据解决的是什么阶段的问题1.1 为什么选圆形、三角形、矩形做检测目标我见过不少人一上来就拿COCO 80类数据练手结果发现loss降不下去、mAP上不来第一反应是模型不行或者参数没调对实际上根本原因是数据里类别太丰富、样本分布太乱很难定位问题到底出在哪。圆形、三角形、矩形这类几何基元就不一样三种形状外观差异明显几乎没有类间混淆背景干扰也少。数据本身足够干净模型如果没学好问题基本能确定在模型或训练配置上而不是数据标错了。这种“用低干扰数据定位问题”的思路在目标检测调试里很值钱。1.2 228张的量够干什么数据量不是越大越好。起步阶段真正需要的是尽量短的迭代周期数据加载正常、标签读取正常、损失函数有下降、验证集指标有波动整个链路跑通一次比盲目堆几万张图更有价值。228张对三分类形状检测来说训练十几轮就能看出收敛趋势哪怕在笔记本电脑CPU上也能完成一次小规模验证。真正需要扩充数据的时候后面再做增强也不迟。1.3 同时给VOC和YOLO两种格式省了最麻烦的一步VOC格式保留了完整的XML标注信息可读性强适合分析单张图片的标注内容YOLO格式是目标检测训练里使用频率更高的格式直接把标签文件放进images和labels目录就能开训。两种格式放在一起意味着你不需要自己临时写转换脚本也不会因为坐标转换写错而浪费一整天。但“不需要转换”不等于“不需要懂转换”。给双格式是省时间理解换算逻辑之后再处理其他数据集还是得用。这一块我在下一章细说。2. 拆包之前先把VOC和YOLO的标注逻辑对齐2.1 7z压缩包的解压与检查拿到.7z文件我习惯先看包内结构再解压避免解出来散落一地文件# 浏览压缩包内部结构 7z l 圆三角形矩形检测数据集VOCYOLO格式228张3类别.7z确认里面是数据集根目录还是散文件后再执行解压# Linux / macOS装了 p7zip 后 7za x 圆三角形矩形检测数据集VOCYOLO格式228张3类别.7zWindows 下用 7-Zip 右键解压即可如果喜欢命令行把7z.exe所在目录加进 PATH 后执行7z.exe x 圆三角形矩形检测数据集VOCYOLO格式228张3类别.7z如果身边没有现成的解压工具另一个值得养成的习惯是解压前先校验文件哈希。这228张图的数据包不大通常几秒就能算完sha256sum 圆三角形矩形检测数据集VOCYOLO格式228张3类别.7zWindows PowerShell 下对应命令是Get-FileHash。这个习惯能提前发现下载损坏、压缩包不完整的情况避免训练中途才报文件读取错误的尴尬。2.2 两种标注格式的字段对比解压后典型的数据集目录会同时包含几个核心部分JPEGImages放原图Annotations放VOC格式的XML标注labels放YOLO格式的TXT标注。把同一份标注在两套格式里对照着看差别就很清楚。对比项VOC格式XMLYOLO格式TXT文件位置Annotations目录labels目录一次包含信息文件名、图像尺寸、目标类别、目标坐标每行一个目标一行格式bndbox里的xmin/ymin/xmax/ymaxclass_id x_center y_center width height坐标单位原始像素归一化比例0到1类别表示字符串如circle类别的整数下标VOC的XML大概长这样annotation filename000001.jpg/filename size width640/width height480/height depth3/depth /size object namecircle/name bndbox xmin58/xmin ymin96/ymin xmax252/xmax ymax308/ymax /bndbox /object /annotation对应的YOLO TXT里则是0 0.2421875 0.4208333 0.3031250 0.44166672.3 坐标换算的底层逻辑别只会套脚本很多人拿VOC转YOLO的脚本直接跑跑完也不校验直到训练时发现框全偏了才回头查。其实换算只有四个公式x_center (xmin xmax) / 2 / width y_center (ymin ymax) / 2 / height box_width (xmax - xmin) / width box_height (ymax - ymin) / height注意YOLO格式要求的不是左上角坐标而是目标中心坐标宽度和高度也都是相对整张图的比例。归一化的好处是标签与图像分辨率解耦训练时无论输入640还是1280标注都不需要重新改。如果自己写转换脚本核心函数大致是这样import xml.etree.ElementTree as ET def voc_to_yolo(xml_path, img_w, img_h): tree ET.parse(xml_path) root tree.getroot() lines [] classes {circle: 0, triangle: 1, rectangle: 2} for obj in root.findall(object): name obj.find(name).text box obj.find(bndbox) xmin float(box.find(xmin).text) ymin float(box.find(ymin).text) xmax float(box.find(xmax).text) ymax float(box.find(ymax).text) cx (xmin xmax) / 2.0 / img_w cy (ymin ymax) / 2.0 / img_h w (xmax - xmin) / img_w h (ymax - ymin) / img_h lines.append(f{classes[name]} {cx:.6f} {cy:.6f} {w:.6f} {h:.6f}) return lines这个函数虽然短但包含了最容易错的三个点除法前宽高必须来自原图、类别名必须和类别表完全一致、输出必须是归一化而不是像素。对照着抽查几份XML和TXT格式方面基本不会出问题。3. 训练前把228张图做一遍硬核体检3.1 数据包内部的文件对账下载数据后第一件事不是急着训练而是先对账。图片、XML标签、TXT标签三者的数量是否匹配是最低限度的检查echo JPEG图片数量: find JPEGImages -name *.jpg | wc -l echo XML标注数量: find Annotations -name *.xml | wc -l echo TXT标注数量: find labels -name *.txt | wc -l同时检查有没有文件名对不上有没有图片没有标注或者有标注没有图片。常见情况是数据里混了一张没有目标的背景图对应的TXT是空文件。空标签文件在训练时会导致警告最好单独挑出来处理。3.2 类别名一致性检查训练前最容易被忽略的一步VOC格式里的name是字符串YOLO格式里的class_id是整数如果两者不是按同一份类别表生成的训练时一定会出问题。快速确认办法是统计XML里到底出现了哪些类别名grep -h name Annotations/*.xml | sort | uniq -c正常应该看到三种类别名以及各自的数量。检查时注意大小写、前后空格这些细节一旦出错训练日志里经常表现为“某个类别完全没有被训练到”但排查起来很费时间。3.3 标注框边界检查几何图形检测有个常见毛病标注框贴得太紧把图形的一点点外轮廓裁掉训练时框与图形主体边缘重合度很低。更严重的是标注越界比如xmax超出图像宽度。越界框在YOLO训练里会触发标签范围警告因为归一化后的坐标大于1.0。处理方式简单直接检查出越界后把坐标clamp到图像尺寸内或者删掉异常标注重新标注。3.4 划分训练集和验证集228张不是大数据量但也不能全部丢进去训练。目标检测要看泛化效果至少需要划分验证集。我习惯用8:2的比例import os, random, shutil import glob random.seed(42) images sorted(glob.glob(JPEGImages/*.jpg)) random.shuffle(images) val_cnt int(len(images) * 0.2) val_images images[:val_cnt] train_images images[val_cnt:] for img in train_images: shutil.copy(img, images/train) shutil.copy(img.replace(JPEGImages, labels).replace(.jpg, .txt), labels/train)固定随机种子这个细节很关键否则每次划分结果不一样两次实验之间就没法对比。为了省事也可以把划分结果保存成txt的路径列表后续清洗数据更灵活。4. 喂给YOLO训练一份能直接抄的配置4.1 目录重新组织YOLO系列对数据集目录约定比较严格我习惯统一为dataset/ ├── images/ │ ├── train/ # 大约183张 │ └── val/ # 大约45张 ├── labels/ │ ├── train/ │ └── val/ └── data.yaml把图片和标签按训练、验证两部分放好然后写data.yamlpath: ./dataset train: images/train val: images/val names: 0: circle 1: triangle 2: rectangle4.2 训练参数的选择YOLOv5和YOLOv8的命令大体一致# YOLOv5 python train.py --data data.yaml --weights yolov5s.pt --img 640 --batch 16 --epochs 50 # YOLOv8 yolo detect train datadata.yaml modelyolov8s.pt imgsz640 batch16 epochs50对这么小的数据集yolov5s或yolov8s已经足够。图片分辨率统一调到640batch size根据显存调整16是个比较折中的值。训练速度取决于硬件中等显卡上50轮大约需要十几分钟CPU上可能要慢一些。训练结束后会输出训练曲线和验证集mAP。4.3 怎么看训练到底成没成功训练结束后主要看两类指标一是loss曲线是否平稳下降并收敛二是验证集mAP50是否稳定在一个合理水平。三分类形状检测通常mAP50能到0.95以上。如果loss震荡很大或者mAP波动剧烈先别急着调参回到第三章的数据体检再过一遍很多时候是标签的问题而不是模型的问题。228张图这个规模很适合做这种判断数据干净剩下的问题自然就落到训练配置上。5. 实测中绕不开的三个坑5.1 类别全对训练却报空一次完整排查过程我最初跑这个数据集时解压后直接开训日志里频繁出现关于label的警告val指标非常差。当时第一步去检查data.yaml觉得没问题names对得上第二步检查labels目录里的TXT文件内容看起来也正常。直到我把TXT里每一行的第一个数字统计了一遍才发现类别下标和names里的字符串完全对不上——TXT里的类别是0、1、2但yaml里names的顺序写成了triangle、circle、rectangle。类别名对不上模型等于一直在用一个错乱的标签空间训练当然不收敛。这正好印证了第三章里的做法VOC和TXT最好先各自统计一遍再交叉校对花五分钟的事能省掉两个小时的排查时间。5.2 解压目录带中文和空格常在训练时报路径错误这个数据集的压缩包文件名很长如果是Windows用户直接右键解压目录名里会保留完整的标题文字。YOLO训练脚本里如果数据路径包含中文或空格常会在图像读取阶段暴露出各种莫名其妙的错误。最简单的规避办法解压后把数据集根目录重命名为纯英文短路径比如shape_data/训练脚本路径也全部用相对路径。这不算数据集本身的问题但确实是最常见的使用姿势问题。5.3 先训一个类再训三个类我建议拿到数据第一天不要直接三分类全训。先把data.yaml临时改成只保留circle一个类把label里其他类别行过滤掉快速跑20轮。如果单类的loss能降、mAP能拉起来说明数据、格式、训练链路都是通的这时候再恢复三分类训练。这个做法看起来多了一步实际上是在用最低成本判断问题出在链路还是出在数据集本身对排查非常有帮助。6. 用这228张图还能继续做哪些事6.1 当格式转换练手材料VOC转YOLO弄懂了再遇到COCO、KITTI、DOTA这类格式原理都是一样的解析出目标的类别和坐标再按目标格式要求输出。比如做自动驾驶相关任务的人会把KITTI标注转成YOLO也有人会把DOTA格式的旋转框标注转成YOLO格式核心思路都绕不开坐标解析与归一化。用这个双格式数据集来验证自己的转换脚本输入输出都能对得上比自己造数据验证靠谱得多。6.2 数据增强把228张翻成2000张如果想深入目标检测的进阶玩法这228张图很适合做数据增强实验。YOLO训练自带Mosaic、HSV扰动、随机翻转等增强手段开增强跑一轮再关掉增强跑一轮对比两者的mAP曲线能直观感受到增强对泛化能力的影响。也可以用Albumentations库做离线增强生成更多样本后再训练。总之这份数据规模小增强前后的对比实验成本非常低。6.3 用不同大小的模型做对比基线三分类形状检测的任务难度本身不高正好可以在同一个数据集上对比yolov8n、yolov8s、yolov8m等不同规格模型的效果和速度。为小项目选型时这类对比结果就是最重要的依据模型不是越大越好够用、够快才是关键。我个人在这份数据上跑完一圈后最大的体会是228张图的目标不是训练出一个多强的模型而是用最小的成本把目标检测的完整流程练熟。从这个角度看这份数据几乎每一张都用得上算是一次很清爽的练手体验。本文还有配套的精品资源点击获取