2859张行人数据集详解：YOLO标签格式与yolov8训练实战

简介一套面向YOLO系列算法训练与验证的人体检测数据集覆盖行人、人体等常见目标检测场景适合需要快速搭建检测项目的开发者数据已按训练集、验证集划分完毕附带data.yaml配置文件可直接用于YOLOv5、YOLOv7、YOLOv8、YOLOv9、YOLOv10、YOLO11等主流版本无需额外整理。压缩包共2000个文件以XML标注文件为主整体约185.64MB同时提供YOLO格式txt标签与VOC格式xml标签两类文件分别存放便于按需选用txt标签中每个目标记录类别索引与归一化后的中心点坐标、宽高xml标签则保留目标框的绝对坐标和类别名两种格式相互对照可降低数据转换成本。目前已有203人学习下载数据集目录划分清晰配置文件与标签文件组织直观能够节省数据整理时间快速进入模型训练与验证阶段。对于需要对比模型效果、完成课程设计或毕业设计的开发者这份数据集可直接接入训练流程帮助快速验证模型配合两套标签格式也便于在标注工具或传统检测流程中复用整体实用性较强。1. 一份2859张带标签的人形数据集值不值得下全看这三件事做行人检测项目最头疼的不是模型选型而是数据。我前阵子接了个室内人流统计的活翻遍公开目标检测数据集要么是几十万张的大包下载不动要么是标签格式五花八门还得自己写转换脚本。这份yolo算法行人数据集共2859张带标签图像入手最舒服的一点是训练集和验证集已经帮你划好了yolo格式txt和voc格式xml两种标签都存在独立文件夹里data.yaml配置文件也备好了拿过来改个路径就能直接开训。适合两类人一是刚把ultralytics环境配好、想完整跑一遍yolov8训练流程的新手二是手里已有模型但想快速验证网络结构改动效果的老手。不过在下单之前先花十分钟把标签格式、目录约定和跨版本差异看清楚能省下后面排查标签错乱的大把时间。2. 标签格式是数据集的命门txt、xml与data.yaml三件套逐个读懂2.1 yolo格式txt四个归一化浮点数决定检测框位置这份数据集的yolo标签文件以txt格式存放每行对应一个目标标准格式是class x_center y_center width height。我在训练前习惯随机打开一个标签文件看一眼内容大致是这样0 0.512345 0.478201 0.334567 0.521234 0 0.168902 0.583117 0.102345 0.468901第一列0是类别索引因为这份数据集只有person一个类别所以全部是0。后面四列全是对图像宽高的归一化比例值范围在0到1之间这意味着无论原始图像是1920x1080还是640x480标签坐标都能直接套用不需要按分辨率缩放。归一化的好处在于模型训练时对输入尺寸做了resize框坐标依然有效这也是yolo系列算法能接受任意输入尺寸的底层原因。这里有个细节要留意归一化坐标必须保持浮点精度。有些标注工具导出时会把坐标取整比如0.512345变成0.5短时间看不出问题但训练到后期loss会莫名震荡。我的习惯是用脚本扫描全部标签检查坐标值是否出现整数如0.000000和1.000000之外的整数值一旦发现就重新导出。另外注意检查坐标范围是否越界x_center width / 2按理说应该不超过1如果发现大量超过1的框多半是标注时框拖出了图像边界这类样本在训练时会被yolo自动裁剪但数量多了会影响收敛。2.2 voc格式xml从bndbox到yolo坐标的换算关系资源里同时提供了voc格式的xml标注原文件命名是img_0396_1744.xml这种风格前段是图像编号后段像是一张图内的目标序号文件名本身不影响训练只要xml与jpg同名同目录即可。一个标准的voc xml文件结构如下annotation filenameimg_0396_1744.jpg/filename size width1920/width height1080/height depth3/depth /size object nameperson/name bndbox xmin634/xmin ymin281/ymin xmax1275/xmax ymax1042/ymax /bndbox /object /annotationxml里存的是绝对像素坐标而yolo格式要的是归一化相对坐标两者换算是固定套路x_center (xmin xmax) / 2 / widthy_center (ymin ymax) / 2 / heightw (xmax - xmin) / widthh (ymax - ymin) / height。我一般用Python的ElementTree库批量解析代码是这样的import xml.etree.ElementTree as ET def xml_to_yolo(xml_path, img_w, img_h): tree ET.parse(xml_path) root tree.getroot() boxes [] for obj in root.iter(object): name obj.find(name).text cls_id class_names.index(name) # 按类别表映射索引 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) x_center (xmin xmax) / 2 / img_w y_center (ymin ymax) / 2 / img_h w (xmax - xmin) / img_w h (ymax - ymin) / img_h boxes.append(f{cls_id} {x_center:.6f} {y_center:.6f} {w:.6f} {h:.6f}) return boxes这段代码里有个容易踩的坑class_names列表的顺序必须和训练时data.yaml里的names完全一致否则类别索引会错位。这份数据只有单一person类风险不大但如果你后续往里面加类别务必先统一类别表。还要注意xmin、xmax和ymin、ymax不是按大小排序的有些标注工具会给出左上角和右下角有些给的是任意对角稳妥做法是取min和max。2.3 data.yaml一条路径决定整个训练流程能否启动data.yaml是yolo系列训练的人口ultralytics框架启动时第一件事就是解析它。这份资源的data.yaml内容大致是这样train: ./images/train val: ./images/val nc: 1 names: [person]train和val指向图像目录的路径nc是类别数量names是类别名称列表。注意yolo框架默认认为标签文件在images同级的labels目录下即images/train对应labels/train这个对应关系最好不要打破。路径写法上我吃过亏相对路径虽然方便但如果你在项目根目录以外的位置执行训练命令./images/train就会解析失败。我的做法是改成绝对路径比如D:/datasets/person_det/images/train。另外yolov5和yolov8对路径分隔符的处理有细微差异v5在Windows下偶尔会把反斜杠读错统一用正斜杠最省心。如果要把验证集也参与评估在yaml里再加一行test:指向测试目录即可。还有一个易被忽略的点train和val指向的是图像目录但框架会在同路径下找标签。如果你把txt标签单独放在别的文件夹需要在训练参数里加--nosave之类的参数吗不需要正确做法是保持images与labels的目录树结构一致这是我反复确认过的ultralytics约定。3. 接进yolov8开训目录核对、训练命令与指标判读3.1 先把目录结构核对一遍再动手数据下载后第一件事不是急着训练而是确认目录结构符合ultralytics的约定。我一般用tree命令过一遍tree person_det -L 2期望看到的结构是person_det/ ├── images/ │ ├── train/ # 约2200张 │ └── val/ # 约600张 ├── labels/ │ ├── train/ # 与images/train同名txt │ └── val/ ├── xmls/ │ ├── train/ # voc格式xml备份 │ └── val/ └── data.yamlimages和labels的train/val子目录分别一一对应xmls目录是可选的主要留作标注底稿。如果资源包里xml和txt混在一起建议先归档再训练。训练时yolo只读txtxml仅是核对用分清这个职责能让后面排查问题简单很多。还要检查图像和标签文件的同名匹配情况。yolo要求img_0396_1744.jpg对应img_0396_1744.txt一旦有图像没有标签或标签没有图像训练时要么报错要么静默跳过。我习惯用下面这段脚本快速比对for img in images/train/*.jpg; do base$(basename $img .jpg) if [ ! -f labels/train/$base.txt ]; then echo missing label: $base fi done对于2859张图这种规模跑一遍只要几秒钟却能避免训练到一半才发现数据加载不全的尴尬。3.2 一条训练命令与关键参数说明yolov8的CLI做得比较简洁直接一条命令就能起训yolo detect train datadata.yaml modelyolov8n.pt epochs100 batch16 imgsz640 device0各参数含义如下表这些是我在行人检测场景里反复调过的一组推荐值参数推荐值说明modelyolov8n.pt / yolov8s.pt数据量在3千张以内时n或s足够m以上容易过拟合epochs100行人这类单类目标100轮基本收敛batch16取决于显存8G显存建议816G可上16imgsz640数据集中人形框占比不大时可降到416提速device0指定GPU编号CPU训练则写cpupatience20早停轮数防止后期过拟合浪费算力如果你的环境装的是yolov5而不是v8命令差别很大v5用的是train.py脚本方式python train.py --data data.yaml --weights yolov5s.pt --batch-size 16 --epochs 100 --img 640v5的--img和v8的imgsz是同一个意思只是参数名不同。迁移时最容易在这上面栽跟头把v8的imgsz直接丢给v5会直接报unrecognized argument错误。我的习惯是先跑一个epochs1的冒烟测试确认数据加载、模型构建、前向反向都通了再启动完整训练。这一步能省掉大量因为参数写错导致的无效等待。3.3 训练结束后看什么指标训练过程会实时打印loss和精度指标但真正要看的文件是runs/detect/train/weights/best.pt和last.pt。best.pt是验证集上mAP最高的权重last.pt是最后一轮的权重我一般用best.pt做后续推理。yolo系列的目标检测数据集训练完成后重点关注这四个数值指标含义参考线precision预测为正的框中真正为正的比例0.85以上算健康recall真实目标中被召回的比例0.8以上可接受mAP50IoU阈值0.5下的平均精度0.75以上可用于业务mAP50-95多IoU阈值下的平均精度0.5以上说明框回归质量还行单类person数据集的mAP50通常能到0.85以上如果跑了100轮还在0.6徘徊先别怀疑模型回头检查标签数据是不是有错乱。如果recall高但precision低说明误检多常见原因是图像里有大量远处小人标注时没标全如果precision高但recall低则是漏标。这组判断逻辑在处理任何yolo算法数据集时都通用。4. 跨版本迁移yolov5到yolo11同一份数据的不同打开方式4.1 data.yaml在不同版本间的兼容差异这份数据集的卖点之一就是适配yolov5、v7、v8、v9、v10、yolo11全系列。但适配不等于什么都不改就能跑不同版本对data.yaml的字段要求有细微差别。yolov5要求必须有train、val、nc、names四个字段yolov8和yolo11在此基础上还能识别test字段yolov9的早期版本对names的写法比较挑剔必须写成列表而非字典。我的建议是维护一份最小化data.yaml只保留四个核心字段这样任何版本都能吃path: D:/datasets/person_det train: images/train val: images/val nc: 1 names: 0: person注意上面用了path字段指定根目录train和val写成相对路径这是yolov8推荐的做法也最不容易出错。yolov5虽然不认path字段但会忽略它所以这份yaml是两代框架都兼容的写法。把names写成带索引的字典是为了防止某些版本把列表顺序搞错虽然单类数据无所谓但这是我一直保留的好习惯。4.2 标签格式与目录约定的版本差异txt标签格式本身在所有yolo版本里是通用的都是class x_center y_center width height不存在格式转换问题。差异主要在目录组织上yolov5默认读images和labels同级目录yolov8同样如此但yolov9的某些fork版本要求标签目录带_labels后缀yolo10则兼容两者。这个资源把txt和xml分别放在两个文件夹里好处是无论框架如何要求你只需要拷贝或软链对应目录不需要重新生成标注。我一般会把xml标签保留成归档格式txt作为训练格式两者不混放。如果某个框架要求特定目录名用软链接就能解决比如在Linux下ln -s labels train_labels这种做法比复制目录省空间而且原始数据始终只有一份不容易出现两份标签互相覆盖的脏数据问题。4.3 训练超参的跨版本迁移策略从yolov5换到yolov8再换到yolo11框架换了但超参逻辑是相通的。三个核心参数是epochs、batch和imgsz它们在不同版本间可以原样搬。容易出问题的是v5的--img、v8的imgsz、v11的imgsz这些参数名不一致以及v5的--batch-size到了v8变成了batch。实际上跑过几轮之后你会发现对2859张图的单类数据集yolov5s和yolov8n的训练结果差距并不大mAP50差异通常在0.03以内。yolo11在推理速度上有优化适合部署到边缘设备但训练阶段还是需要dataloader的worker数量配合训练命令里加上workers4能显著提升数据读取效率。换个版本训练时我会保留同一个data.yaml只在命令行里调整框架专属参数这样能最大程度保证比较的公平性。还有一个细节不同版本对图像增强的默认策略不同。yolov5默认开启mosaic增强yolov8同样但yolov9对mosaic的强度做了调整。如果迁移后loss曲线形态变化很大先检查是不是数据增强策略变了而不是数据集出了问题。想快速对齐基线可以在训练参数里显式关闭增强比如v8的augmentFalse跑出来的指标会更接近纯模型能力对比。5. 避坑指南行人检测训练中五个典型翻车现场5.1 loss不降反升或直接nan现象训练前几个epoch loss正常下降到第20轮左右开始震荡甚至变成nan。原因最常见的是标签坐标越界或图像里有损坏文件。归一化坐标如果出现大于1的值模型在计算IoU时会出现异常梯度图像本身损坏则会让dataloader报错并污染训练状态。解决先写脚本统计所有txt文件的坐标值范围确认x_center、y_center都在0到1之间width和height在0到1之间且不为0。然后逐个检查图像文件能否被opencv正常读取我常用cv2.imread返回None来判定损坏。这类问题在数据集来源复杂的场景里特别常见供数据的人很少会逐张检查图像完整性。5.2 检测框整体偏移目标明明在左边框却框在右边现象训练完成后跑推理检测框位置和真实目标有明显偏移且偏移方向一致。原因图像在预处理时被resize如果标签没有同步做归一化处理就会导致框和内容错位。另一个可能是xml和txt两套标签在生成时用了不同的坐标基准比如一个基于原图一个基于裁剪后的图。解决用xml作为基准重新生成txt我通常会先验证img_0396_1744.xml和img_0396_1744.txt描述的是不是同一个目标。做法是提取xml里的bndbox转成yolo格式再和txt内容对比差异超过0.01就说明两套标签不一致。这种验证脚本我放在下一章每次拿到新数据集都会跑一遍已经成了习惯。5.3 class_id越界导致训练崩溃现象训练启动时报AssertionError: class 1 is not in class list或者类似的索引越界错误。原因txt标签第一列出现了大于等于nc的数值。这份数据虽然是单类但如果你后续自己标注新增了类别很容易在导出时把类别索引写错位。解决统计所有标签文件里的类别索引用一行命令就能完成grep -o ^[0-9]* labels/train/*.txt | awk -F: {print $2} | sort | uniq -c如果结果里出现1或更大的数字但data.yaml里nc: 1问题定位得很清楚了要么改nc要么修标签。别小看这个问题我见过有人训练到一半才发现类别索引错位白白浪费了两天算力。5.4 数据集路径含中文或空格导致加载失败现象数据加载时报FileNotFoundError或cv2.error但检查路径明明是存在的。原因yolo底层图像读取用的opencv部分版本的opencv对中文路径支持有问题读到含中文的路径会返回空图像。这是Windows环境下的高发问题。解决把整个数据集目录放到纯英文纯数字路径下比如D:\datasets\person_det不要放在桌面上用户名经常是中文。如果实在挪不了可以用短路径映射或者把数据软链到项目目录内。这个问题看起来玄学其实是opencv的编码处理bug换路径是最省事的后悔药。5.5 显存不足batch调到4还是爆显存现象训练命令执行后很快报CUDA out of memory调低batch也无济于事。原因不只是batch_size吃显存imgsz和workers也在贡献显存占用。640的输入尺寸比416的显存占用翻了一倍多而workers过大会导致数据预取线程把CPU和GPU之间的传输通道挤占。解决三步降显存策略。先把batch降一半再把imgsz从640降到416最后把workers设为0。如果还不行检查是不是有其他程序占用显存用nvidia-smi看一眼。我常用的组合是batch8 imgsz640 workers4在8G显存上能稳定跑yolov8n。针对单类行人检测416的输入尺寸对精度影响其实很小person目标通常占画面比例较大不需要太高的分辨率。6. 验证标签质量的最后一个习惯两个脚本决定训练上限6.1 脚本一统计全部标签的类别与框尺寸分布训练之前花五分钟跑一个标签统计能直观看出数据集的健康状况。我每次拿到新数据集都会做这一步import os from collections import Counter label_dir person_det/labels/train cls_counter Counter() size_buckets Counter() for fname in os.listdir(label_dir): if not fname.endswith(.txt): continue with open(os.path.join(label_dir, fname)) as f: for line in f: parts line.strip().split() if len(parts) ! 5: print(fbad line in {fname}: {line}) continue cls int(parts[0]) w, h float(parts[3]), float(parts[4]) cls_counter[cls] 1 if w 0.1 or h 0.1: size_buckets[tiny] 1 elif w 0.5 or h 0.5: size_buckets[large] 1 else: size_buckets[medium] 1 print(class distribution:, cls_counter) print(box size distribution:, size_buckets)这段脚本同时检查了行格式和框尺寸分布。len(parts) ! 5这一行能抓住格式错误尺寸分布能告诉你数据集里是近景大目标多还是远景小目标多如果tiny占比超过一半模型精度天花板会比较低需要考虑加大imgsz。这是数据质量体检的第一道工序。6.2 脚本二交叉校验xml与txt是否一致这份数据集同时提供两套标签是好事但也埋了隐患。两套标签生成时间不同万一某次重新导出只改了一半训练时用txt没问题但你想回头核对数据就麻烦了。所以我写了这个交叉校验脚本import os import xml.etree.ElementTree as ET def xml_bbox_to_yolo(xml_path): tree ET.parse(xml_path) root tree.getroot() size root.find(size) img_w, img_h float(size.find(width).text), float(size.find(height).text) boxes [] for obj in root.iter(object): b obj.find(bndbox) xmin, ymin float(b.find(xmin).text), float(b.find(ymin).text) xmax, ymax float(b.find(xmax).text), float(b.find(ymax).text) x_center (xmin xmax) / 2 / img_w y_center (ymin ymax) / 2 / img_h w (xmax - xmin) / img_w h (ymax - ymin) / img_h boxes.append((round(x_center, 6), round(y_center, 6), round(w, 6), round(h, 6))) return sorted(boxes) def txt_bbox_to_yolo(txt_path): boxes [] with open(txt_path) as f: for line in f: parts line.strip().split() if len(parts) 5: boxes.append(tuple(round(float(x), 6) for x in parts[1:])) return sorted(boxes) xml_dir person_det/xmls/val txt_dir person_det/labels/val mismatch 0 for fname in os.listdir(xml_dir): base fname.replace(.xml, ) xml_boxes xml_bbox_to_yolo(os.path.join(xml_dir, fname)) txt_boxes txt_bbox_to_yolo(os.path.join(txt_dir, base .txt)) if xml_boxes ! txt_boxes: print(fmismatch: {base}) mismatch 1 print(ftotal mismatched files: {mismatch})两个函数分别从xml和txt提取归一化框坐标排序后逐位比较哪怕只有一位小数差异也能抓出来。这个脚本跑一遍整个数据集的标注可信度就有了底。从那以后我每次拿到标注数据都会强制走一遍这个流程不管是自己标的数据还是下载的资源先验证再训练宁可多花十分钟也不要让一个错误标签浪费一整轮训练周期。希望这份数据集能帮你把yolo算法的训练流程跑通把踩坑的时间省下来用在调模型上祝你好运。本文还有配套的精品资源点击获取