1782张家电检测数据集：VOC转YOLO与YOLOv8训练全流程

简介面向电器场景的目标检测训练需求这份数据集提供了1782张包含锅炉、微波炉、插座、水龙头、热水器五类目标的真实图像并同时附带VOC与YOLO两种主流标注格式可直接用于YOLO系列、Faster R-CNN等模型的训练与验证。压缩包共2000个文件其中1782个xml文件保存VOC格式的边界框信息218个txt文件对应YOLO格式标签及相关类别文件整体大小69.46MB图片清晰且未经增强便于快速投入项目迭代。数据集中各目标均以矩形框精确定位五类电器共标注1966个边界框类别分布明确覆盖日常家用场景可用于算法研究与精度对比。压缩包内目录结构清晰图片、xml和txt标签一一对应方便直接划分数据集。目前已有54人浏览学习适合目标检测初学者、算法工程师以及需要标准电器数据集进行实验测试的开发者。1. 这个数据集能帮你省下什么从零标注1782张家电图到底贵在哪做智能家居或安全巡检的目标检测项目时第一步往往不是选算法而是回答一个现实问题微波炉、热水器、水龙头、插座、锅炉这五类目标公开数据集里要么没有要么混在一起且背景差异太大。自己组织拍摄和标注1782张图按单目标框平均耗时5到8分钟计算一个人需要十几个连续工作日才能完成而且标注质量还未必稳定。这份文件名里的“YOLOVOC”意味着两种标注格式已经就位解压后可以直接进入训练流程省掉最耗时的整理和坐标换算环节。适合做家电识别、老旧小区燃气安全检查、机房设备计数这类垂直场景的模型冷启动。2. 拆开ZIP先看目录YOLO与VOC两种标注格式的等价关系拿到数据集我一般不会急着训练而是先把目录树摸清楚。YOLO格式与VOC格式其实描述的是同一批目标框只是存储媒介不同。VOC用XML文件记录每个目标的类别和四点坐标YOLO用TXT文件按归一化坐标记录。二者可以互相转换但前提是类别顺序完全一致否则训练时会出现标签错位的“串类”问题且这类问题从损失曲线几乎看不出来。2.1 常见家电检测数据集的目录结构长什么样按习惯这类ZIP解压后通常包含images与annotations两个主目录。annotations下可能有xmls和labels两套子目录分别存放VOC格式的XML和YOLO格式的TXT。如果文件名一致只是后缀不同说明标注是对齐的如果连文件名都对应不上就要先做一次匹配检查。我自己在接手时先跑一条命令统计文件数量find . -type f \( -name *.jpg -o -name *.jpeg -o -name *.png \) | wc -l find . -type f -name *.xml | wc -l图片数应与XML数量一致。如果XML多出来大多是重复标注或未匹配的缓存文件如果少则存在漏标图。YOLO的TXT数量通常会比XML多因为一张空背景图也会有一个空TXT文件这是YOLO数据要求的正常现象。2.2 VOC XML里到底存了哪些边界框信息一个标准VOC XML对应一张图片根节点为annotation。关键字段包括folder、filename、size里的宽度、高度、深度以及若干object节点每个object里又有name和bndbox。bndbox下的xmin/ymin/xmax/ymax是像素坐标转化前必须确认是左上和右下点而不是中心点加宽高后一种写法常出现在非标准工具生成的文件里。VOC字段含义YOLO对应项filename图片文件名TXT文件名与图片同名width/height图片像素宽高归一化坐标的分母name目标类别名TXT行首的类别idbndbox四点左上角与右下角坐标归一化后的中心点与宽高训练前务必检查XML里有没有truncated或occluded标记。对家用电器来说水龙头或插座经常被遮挡如果标注工具把这些目标直接删除模型学到的就是“看不见就不预测”而不是“挡住一部分仍然要检测出来”。因此处理这类数据集时我倾向于保留有遮挡的框并在后续训练中开启随机遮挡增强来模拟类似情况。2.3 用20行Python把VOC坐标换算成YOLO归一化坐标VOC转YOLO的换算公式是中心点x(xminxmax)/(2width)中心点y(yminymax)/(2height)宽度(xmax-xmin)/width高度(ymax-ymin)/height。import xml.etree.ElementTree as ET def voc2yolo(xml_path, class_list, output_txt): tree ET.parse(xml_path) root tree.getroot() size root.find(size) img_w int(size.find(width).text) img_h int(size.find(height).text) lines [] for obj in root.findall(object): name obj.find(name).text if name not in class_list: continue cls_id class_list.index(name) 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) xc (xmin xmax) / 2.0 / img_w yc (ymin ymax) / 2.0 / img_h w (xmax - xmin) / img_w h (ymax - ymin) / img_h lines.append(f{cls_id} {xc:.6f} {yc:.6f} {w:.6f} {h:.6f}) with open(output_txt, w, encodingutf-8) as f: f.write(\n.join(lines)) my_classes [microwave, water_heater, faucet, socket, boiler] voc2yolo(sample.xml, my_classes, sample.txt)这段脚本的关键在于class_list的排序。假如数据集的类别顺序是“微波炉、热水器、水龙头、插座、锅炉”那你后续的data.yaml必须使用同一顺序否则cls_id会指错类别。另一种常见坑是XML里的size信息与实际图片不一致出现这种情况时建议先从PIL读取图片宽高覆盖XML的值再执行转换。2.4 写一个兼容YOLOv5/v8的labels配置文件YOLOv5与YOLOv8读取的都是同一份TXT格式区别仅在data.yaml的字段组织。一份可用的配置如下path: ./home_appliance_dataset train: images/train val: images/val test: images/test nc: 5 names: 0: microwave 1: water_heater 2: faucet 3: socket 4: boilernc必须与names长度一致。path最好使用绝对路径相对路径容易在换机器或换终端时找错base目录。如果训练报错提示assert len(meta[names]) nc基本就是两类数量没对齐。3. 按6:2:2切分1782张图并整理成YOLO标准目录拿到已完成的标注下一步是把数据集切分成训练、验证、测试三份。切分不是简单随机抽样因为真实场景中同一场景的照片往往在文件名上连续直接随机抽样会把高度相似的图片分散到不同集合造成验证集指标虚高部署到新环境后精度明显下降。这类问题在室内固定机位拍摄的数据里特别明显。3.1 不要用随机抽样先按场景和光线分层在切分前我建议先按拍摄场景或文件名前缀做一次分组。比如文件名中带有kitchen、bathroom、boilerroom就把同组图片视为一个整体以组为单位分配数据集。这样可以保证同一个厨房的画面不会同时出现在训练集和测试集里测试结果更接近“没见过的新房间”的表现。这一步没有现成脚本能自动化至少要把同目录或同前缀的文件先聚在一起。可以用下面的脚本先看一下每组数量分布ls images | sed s/[0-9_].*// | sort | uniq -c如果文件名没有明显前缀也可以用拍摄时间戳或文件夹名做粗略分组。对1782张的规模手动按文件夹复制大约需要半小时但相比训练完成后再返工的代价这半小时很划算。3.2 生成train/val/test三个目录的切分脚本当分组信息准备好后用脚本按6:2:2比例切分。以下脚本以组为单位切分避免把同一场景的照片拆散到不同集合import random import shutil from pathlib import Path def split_dataset_by_groups(src_img_dir, src_label_dir, dst_root, ratios(0.6, 0.2, 0.2)): images sorted(Path(src_img_dir).glob(*.jpg)) groups {} for img in images: group img.name.split(_)[0] # 改成你的分组规则 groups.setdefault(group, []).append(img) names list(groups.keys()) random.Random(42).shuffle(names) n len(names) n_train int(n * ratios[0]) n_val int(n * ratios[1]) for idx, name in enumerate(names): if idx n_train: split train elif idx n_train n_val: split val else: split test for img in groups[name]: label Path(src_label_dir) / (img.stem .txt) if not label.exists(): print(fmissing label: {label}) continue dst_img_dir Path(dst_root) / images / split dst_label_dir Path(dst_root) / labels / split dst_img_dir.mkdir(parentsTrue, exist_okTrue) dst_label_dir.mkdir(parentsTrue, exist_okTrue) shutil.copy2(img, dst_img_dir / img.name) shutil.copy2(label, dst_label_dir / label.name)脚本里的random.Random(42)固定了随机种子保证每次切分结果一致。img.name.split(_)[0]是分组逻辑需要根据实际文件名调整如果图片后缀不统一用suffix.lower() in {.jpg, .jpeg, .png}过滤后再分组。输出目录不存在时mkdir(parentsTrue)会自动创建。YOLO会按照images/目录自动推断同级的labels/目录所以图片和标签的父目录名必须严格对应。目录内容分割比例images/train训练图片60%labels/train训练集YOLO标签与训练图片一一对应images/val验证图片20%labels/val验证集标签与验证图片一一对应images/test测试图片20%labels/test测试集标签与测试图片一一对应切分之后要专门检查有没有“有图片无标签”或“有标签无图片”的文件。YOLO在加载数据时会把训练集中没有标签的图片直接跳过这类静默跳过会导致实际参与训练的图片数量少于预期。3.3 先统计类别平衡再决定要不要做重采样切分完成后先验证每个子集的类别分布与总量分布一致。家用电器数据很容易出现插座数量远大于锅炉的情况因为锅炉只在特定房间出现。快速统计方式for split in train val test; do echo $split cat labels/$split/*.txt | awk {print $1} | sort | uniq -c | sort -rn doneawk {print $1}提取的是每行第一个字段也就是类别id。如果某个类在训练集里只有几十个框在测试集里又恰好集中在同一张图那么该类别的mAP会剧烈波动。这时不要盲目加大epoch先做数据增强或本地收集补样比修改损失函数权重更容易见效。4. 用YOLOv8在本地跑通这个数据集的训练流程数据整理成标准目录后就进入yolov8训练自己的数据集这一步。相比YOLOv5YOLOv8把配置文件和数据加载逻辑合并在包内少了很多手动参数文件但这也意味着默认增强策略和网络结构被隐藏了。如果直接不调参开训大概率会得到一份看似正常的模型但对少样本的家电类别表现很差。4.1 写data.yaml路径、类别名、nc数量上一章已经给出data.yaml的内容这里补充一个细节如果用Ultralytics CLI训练path字段最好写成绝对路径训练进程的工作目录变化会导致相对路径失效。每次训练前用yolo checks确认包版本和GPU状态虽然这会多花十几秒但能避免CUDA和ultralytics版本之间不明不白的崩溃。4.2 最小训练命令与必须调清楚的两个参数在项目目录下直接运行yolo detect train \ data/home/dev/home_appliance_dataset/home_appliance.yaml \ modelyolov8s.pt \ epochs120 \ imgsz640 \ batch16 \ patience20 \ project./runs \ nameappliance_v8s \ seed42这里有几个参数必须调清楚。modelyolov8s.pt会加载COCO预训练权重适合迁移学习如果改用modelyolov8s.yaml则表示从随机初始化开始训练需要更多数据和更长的epoch才能收敛。imgsz640决定了训练和推理分辨率。家电数据集里插座和水龙头属于中小目标如果原图分辨率远大于640建议先在预处理时做裁切比如把4000x3000的大图切成若干子图再训练而不是强行缩到640否则小目标可能缩到几个像素损失全部细节。patience20表示验证集指标连续20轮不提升就早停对1782张的小数据集很有效可以避免后期过拟合浪费训练时间。刚开始跑的时候先取epochs30、batch8验证整条链路是否通畅确认results.csv里损失在下降再启动完整120轮训练。这一步能节省排查环境错误的时间。4.3 显存不足时的三个降级方案如果训练时报OOM常见原因是batch过大。第一个降级方案是把batch从16减到8或4观察显存占用变化。第二个方案是把imgsz从640降到512但要注意这会让小目标更难学建议在降分辨率的同时开启自动拼图否则插座这类目标很容易消失。第三个方案是启用AMP混合精度Ultralytics默认开启确认日志里没有出现相关报错即可。如果三件套做了还是不够就该考虑在数据层面做Mosaic增强而不是强行加batch。显存不够时梯度累积需要自行写训练循环对小规模数据集性价比不高。参数建议值用途epochs30探路 / 120正式最大训练轮数imgsz640或512输入图像缩放尺寸batch4 / 8 / 16每批图片数越大越占显存patience20验证指标不提升时早停seed42固定随机种子便于复现4.4 数据增强和类别不均衡的关系YOLOv8的默认数据增强包含Mosaic、MixUp、HSV扰动等其中Mosaic把四张图拼成一张对增加目标多样性很有帮助但对小目标类和样本少的类也有副作用。Mosaic合成图中小目标被裁剪掉的风险更大训练后期如果mAP50持续不涨建议用以下命令关闭或减弱Mosaicyolo detect train \ datahome_appliance.yaml \ modelyolov8s.pt \ mosaic0.5 \ close_mosaic10mosaic0.5表示一半训练批使用Mosaicclose_mosaic10表示最后10个epoch完全关闭。这样可以让模型在最后阶段适应真实单图分布避免训练与推理不一致带来的指标虚高。类别不均衡时我一般还会把mixup0.1调低防止强势类“吃掉”锅炉这类少量样本的学习空间。5. 训练完先别急着报指标用预测图和统计脚本给数据集找毛病很多人训练完只看mAP50却忽略了一个事实mAP50只反映与标注框的IOU大于50%的检测数不会暴露漏标问题。一个标得烂但模型能背住的数据集验证集mAP可能很高换到真实场景就崩。所以最后专门讲如何通过预测结果反向检查数据质量这个办法对任何目标检测数据集都适用。5.1 看val_batch输出、混淆矩阵和PR曲线训练结束后runs/detect/appliance_v8s/val_batch0_prediction.jpg会把验证集图片和预测框画在一起。逐张看那些被漏掉的微波炉、被误判成热水器的锅炉比看损失曲线能更快发现问题。混淆矩阵confusion_matrix.png如果显示background一类误检很高多半是标注时漏标了大量实例模型只好把那些目标当背景学。5.2 用脚本统计每个类别的目标框大小分布对小目标检测场景我习惯在训练前就统计一次框的尺寸分布把相对原图小于0.05的目标单独列出来。这个脚本很简单python - PY import glob for cls_id, name in enumerate([microwave,water_heater,faucet,socket,boiler]): small 0 total 0 for txt in glob.glob(labels/train/*.txt): for line in open(txt): pid, xc, yc, w, h line.split() if int(pid) cls_id: total 1 if float(w) 0.05 or float(h) 0.05: small 1 print(f{name}: small {small}/{total}) PY如果发现插座这类目标超过一半都是小框说明这部分实际上是小目标检测问题可以用更高分辨率的imgsz1280分块训练或者在标注时对原图做裁切后再标。单纯提高mAP阈值解决不了找回率低的问题。5.3 发现漏标后的回填流程检查过程中最常见的结果是发现某些图里明显存在漏标或者错标。不要直接在YOLO的TXT里改TXT只有数字没有图像上下文非常容易改错。正确流程是把对应图片和XML导回标注工具修改后重新导出VOC再用第2章的转换脚本重新生成TXT最后用文件对比工具确认类别和坐标变化范围合理。回填时同步重跑一次3.2节的切分避免新旧标签混在不同集合里。回填完成后直接复用第4章的data.yaml发起第二轮训练并与首轮模型的混淆矩阵做对比。如果插座和锅炉这类易错类别的漏检率明显下降说明数据回填和重新切分完成了它该做的事。本文还有配套的精品资源点击获取