宠物猫狗识别检测数据集：3947张双格式标签，从拿到到跑通YOLO训练全流程

简介这份宠物猫狗识别检测数据集面向深度学习目标检测的学习者、科研人员与工程开发者用于训练和验证猫狗目标检测模型解决宠物识别场景中样本不足、标注不规范的问题。资源包共2000个文件包含3947张jpg图像、3947个xml标注文件与3947个txt标注文件分别对应VOC与YOLO两种主流标注格式压缩包约388.12MB可直接接入常见检测算法流程。图像中猫狗目标形态多样、背景丰富标注精准无误适合作为课程实验、算法对比与项目落地的训练数据。目前已有2092人学习下载说明其在同类数据集中具备一定认可度。使用者可据此快速构建训练集与验证集省去自行采集与标注的成本将精力集中于模型结构调优与检测效果分析对入门练手与科研验证均有实际帮助。1. 宠物猫狗识别检测数据集3947 张双格式标签从拿到到跑通要几步如果你正在做宠物相关的目标检测项目大概率绕不开一个现实问题公开数据集要么类别太杂要么标注格式不统一要么图片质量参差不齐。这份宠物猫狗识别检测数据集3947 张图片同时提供 xml 和 yolo 两种格式标签解决的正是“拿到就能训”的问题。它适合谁做宠物用品识别、流浪动物监测、智能喂食器视觉模块的开发者以及需要快速验证 yolo 训练流程的算法工程师。xml 对应 Pascal VOC 风格yolo 格式则是 txt 归一化坐标两种标签并存意味着你不需要自己写转换脚本省掉最容易出错的一步。常见做法是先用 yolo 格式跑一版 baseline再用 xml 做交叉验证或转 COCO。下面从数据组织、格式解析、训练配置到踩坑排查一步步拆开讲。2. 数据集结构与双格式标签解析xml 和 yolo 到底怎么对应2.1 目录组织与文件命名规律拿到数据集后第一件事不是急着写训练脚本而是把目录结构摸清楚。这类双格式数据集通常有两种组织方式一种是 images 和 labels 平行存放labels 下再分 xml 和 txt 两个子目录另一种是 annotations 放 xmllabels 放 txtimages 放原图。不管哪种核心是图片文件名和标签文件名必须一一对应只是扩展名不同。我一般会先跑一段脚本统计文件数量和配对情况避免训练到一半才发现有图片没有标签。下面这段代码遍历目录输出图片数、xml 数、txt 数以及未配对的样本。import os from pathlib import Path root Path(./pet_dataset) img_dir root / images xml_dir root / annotations txt_dir root / labels imgs {p.stem for p in img_dir.glob(*.jpg)} xmls {p.stem for p in xml_dir.glob(*.xml)} txts {p.stem for p in txt_dir.glob(*.txt)} print(f图片: {len(imgs)}, xml: {len(xmls)}, txt: {len(txts)}) print(f图片无xml: {imgs - xmls}) print(f图片无txt: {imgs - txts}) print(f多余xml: {xmls - imgs})逻辑说明用Path.glob分别收集三种文件的 stem不含扩展名的文件名做集合差集就能定位缺失。参数上img_dir等路径按你实际解压后的目录改。如果输出里“图片无 txt”数量不为零说明有样本没标注训练前要么补标要么剔除否则 yolo 会把这些图当负样本处理影响召回。2.2 xml 标签的字段含义与解析要点xml 格式来自 Pascal VOC 标注规范每个文件对应一张图核心节点是filename、size、object。object下又有name、bndboxbndbox里是xmin、ymin、xmax、ymax注意这是绝对像素坐标且是左上角和右下角。宠物猫狗数据集里name通常就是 cat 和 dog 两类但有些版本会写成中文或带前缀解析时要先确认类别名。用 Python 标准库xml.etree.ElementTree就能读不需要额外装 lxml。下面代码提取一张图的类别和框并打印宽高用于后续归一化校验。import xml.etree.ElementTree as ET def parse_voc(xml_path): tree ET.parse(xml_path) root tree.getroot() size root.find(size) w int(size.find(width).text) h int(size.find(height).text) objs [] for obj in root.findall(object): name obj.find(name).text box obj.find(bndbox) xmin int(box.find(xmin).text) ymin int(box.find(ymin).text) xmax int(box.find(xmax).text) ymax int(box.find(ymax).text) objs.append((name, xmin, ymin, xmax, ymax)) return w, h, objs w, h, objs parse_voc(./pet_dataset/annotations/cat_001.xml) print(w, h, objs)逻辑说明find只找第一个匹配子节点findall找全部。参数上w和h必须和图片真实尺寸一致如果 xml 里的 size 和实际图片对不上归一化就会错位。我遇到过标注工具导出时 size 写死成 640×480 但原图是 1920×1080 的情况这种只能以实际图片尺寸为准重新算。2.3 yolo 标签的归一化坐标与类别索引yolo 格式每张图一个 txt每行一个目标格式是class_id x_center y_center width height全部是相对图片宽高的归一化值范围 0 到 1。class_id从 0 开始对应一个classes.txt或data.yaml里的 names 列表。宠物猫狗两类的话通常 cat 是 0dog 是 1但顺序必须以数据集自带的类别文件为准不能想当然。下面代码把 yolo txt 读回来并还原成像素坐标方便和 xml 做比对。def parse_yolo(txt_path, img_w, img_h): boxes [] with open(txt_path) as f: for line in f: parts line.strip().split() if len(parts) ! 5: continue cid, xc, yc, bw, bh map(float, parts) xc * img_w; yc * img_h bw * img_w; bh * img_h xmin int(xc - bw / 2) ymin int(yc - bh / 2) xmax int(xc bw / 2) ymax int(yc bh / 2) boxes.append((int(cid), xmin, ymin, xmax, ymax)) return boxes逻辑说明归一化坐标乘以宽高还原。参数上img_w和img_h必须用PIL或cv2读原图得到不能从 xml 里拿。如果还原后的框超出图片边界说明标注本身有问题训练时 yolo 会做裁剪但可能丢失目标。2.4 两种格式的转换与一致性校验虽然数据集同时给了两种格式但训练 yolo 时只用 txtxml 更多是备份或转其他框架用。如果你要自己转VOC 转 yolo 的核心就是归一化公式是xc (xmin xmax) / 2 / w其余同理。反过来 yolo 转 VOC 就是乘回去。转换本身不难难的是类别映射和边界处理。我一般会写一个校验脚本随机抽 50 张图分别用 xml 和 txt 解析出框计算 IoU低于 0.95 的就人工看一眼。这样能发现标注工具导出时的舍入误差或类别错位。常见做法是转换后统一用 yolo 格式训练xml 只保留原始备份避免两套标签不同步。3. 用这份数据集跑通 yolo 训练环境、配置与参数3.1 环境搭建与依赖版本选择yolo 系列迭代快环境配置是新手最容易翻车的地方。这份数据集不大3947 张单卡 8G 显存足够。我一般用 Anaconda 建独立环境Python 3.9 或 3.10PyTorch 选 2.x 配对应 CUDA。如果你用 ultralytics 的 yolo v8直接 pip 装就行它会自动拉依赖。但要注意ultralytics 版本和 PyTorch 版本有对应关系装之前先看官方 requirements别盲目升级。conda create -n pet_yolo python3.10 -y conda activate pet_yolo pip install torch torchvision --index-url https://download.pytorch.org/whl/cu118 pip install ultralytics逻辑说明第一行建环境第二行激活第三行装 PyTorchcu118对应 CUDA 11.8按你显卡驱动改。第四行装 ultralytics它会带上 opencv、numpy 等。参数上如果显存小于 6G训练时把batch降到 8 或 4imgsz用 640 而不是 1280。3.2 data.yaml 配置与类别映射yolo 训练靠一个 yaml 文件指定数据路径和类别。这份数据集你要自己写一个pet.yaml内容如下path: ./pet_dataset train: images/train val: images/val nc: 2 names: [cat, dog]逻辑说明path是根目录train和val是相对路径指向图片文件夹yolo 会自动去找同名的 labels 目录下的 txt。nc是类别数宠物猫狗就是 2。names顺序必须和 txt 里的 class_id 一致如果数据集里 cat 是 1、dog 是 0这里就要反过来写。我见过有人直接抄网上配置names 写反了训练出来猫狗互换mAP 看着还行但实际全错。3.3 训练命令与关键参数含义配置写好就能开训。ultralytics 的命令行很简洁但参数不少下面这条是我常用的 baselineyolo detect train \ datapet.yaml \ modelyolov8n.pt \ epochs100 \ imgsz640 \ batch16 \ lr00.01 \ patience20 \ projectruns/pet \ namebaseline逻辑说明modelyolov8n.pt是预训练权重n 是最小模型速度快适合先跑通。epochs100对 3947 张图够用patience20表示 20 轮没提升就早停。lr0初始学习率0.01 是 yolo 默认值数据集小可以降到 0.005。project和name决定输出目录。参数上imgsz越大精度越高但显存翻倍640 是平衡点。如果训练中 loss 震荡先检查学习率再检查 batch 是否太小导致 BN 不稳定。3.4 训练过程监控与指标解读训练启动后终端会打印每轮的 box_loss、cls_loss、mAP50、mAP50-95。box_loss 是框回归损失cls_loss 是分类损失两个都该下降。mAP50 是 IoU 0.5 时的平均精度宠物两类通常能到 0.85 以上。如果 mAP 一直不涨先看数据标注有没有问题再看学习率是不是太大。我一般会同时开 tensorboard 看曲线命令是tensorboard --logdir runs/pet。重点看 val 的 mAP 有没有过拟合如果 train loss 降但 val mAP 掉说明过拟合加数据增强或减模型复杂度。常见做法是先用 yolov8n 跑通再换 yolov8s 或 m 提升精度。4. 避坑与排查xml 解析、标签错位和训练崩溃4.1 xml 解析报错或中文乱码现象用 ElementTree 读 xml 时报ParseError或者类别名显示成乱码。原因xml 文件编码不是 UTF-8或者标注时写了中文类别名但没声明编码。解决读文件时指定encodingutf-8如果还是乱码用chardet检测实际编码再转。更稳妥的做法是统一转成英文类别名避免后续训练和评估出问题。4.2 图片与标签数量不匹配现象训练时警告No labels found或者某些图被跳过。原因图片和 txt 文件名不一致比如图片是cat.001.jpg但标签是cat_001.txt点号和下划线混用。解决跑 2.1 的配对脚本把不一致的列出来批量重命名。注意 yolo 只认同名不同扩展中间任何字符差异都会导致找不到。4.3 类别索引错位导致猫狗互换现象训练完推理猫被识别成狗但置信度很高。原因data.yaml 里 names 顺序和 txt 里 class_id 不对应。解决打开几个 txt 看第一列数字再对照数据集自带的 classes 文件。如果数据集没给就统计所有 txt 第一列的取值分布结合图片内容判断。我一般会抽 10 张图可视化框和类别确认无误再开训。4.4 训练中 BN 崩溃或 loss 变 NaN现象训练几轮后 loss 突然变 NaN或者报 BN 相关错误。原因batch 太小导致 BatchNorm 统计量不稳定或者学习率太大。解决把 batch 调到 16 以上如果显存不够就换小模型或降 imgsz。学习率从 0.01 降到 0.001 再试。另外检查数据里有没有空 txt 或全零框这种脏数据也会引发 NaN。4.5 验证集 mAP 虚高但实际漏检现象mAP50 很高但实际图片里小目标或遮挡目标漏检。原因验证集和训练集分布太像或者标注里小目标框太少。解决手动划分验证集确保包含不同场景。另外看混淆矩阵如果某类召回低说明该类样本少或标注质量差。宠物数据集里猫的姿势变化大如果猫的样本偏少可以针对性补充或做增强。5. 进阶技巧用 xml 做交叉验证与模型导出部署跑通 baseline 之后xml 格式的价值才真正体现。我一般会用它做两件事一是交叉验证标注一致性二是转成 COCO 格式喂给其他框架做对比。具体做法是写一个脚本把 xml 和 txt 分别解析成统一结构逐图算 IoU低于阈值的标记出来人工复核。这一步能揪出标注工具导出时的系统性偏移比如所有框都往右下偏了几个像素。另一个实用技巧是模型导出。yolo 训练完的best.pt可以导出 ONNX 或 TensorRT部署到边缘设备。导出命令是yolo export modelruns/pet/baseline/weights/best.pt formatonnx。导出后要用onnxruntime跑一遍对比 PyTorch 和 ONNX 的输出差异如果框位置差太多检查导出时的imgsz和dynamic参数。我习惯在导出后抽 20 张图做端到端推理确认预处理和后处理一致。还有一个容易被忽略的点置信度门限调整。yolo 默认conf0.25但宠物检测场景下如果误检多就调高到 0.4如果漏检多就降到 0.15。这个值没有绝对标准取决于你的业务容忍度。我一般会在验证集上画 PR 曲线找 F1 最大的点作为门限。从那以后我每次拿到新数据集都强制先跑一遍配对检查和类别可视化确认无误再开训。希望帮到你。本文还有配套的精品资源点击获取