簡(jiǎn)介本資源是面向計(jì)算機(jī)視覺(jué)初學(xué)者與YOLO目標(biāo)檢測(cè)實(shí)踐者的高質(zhì)量垃圾識(shí)別數(shù)據(jù)集及配套訓(xùn)練支持包解決真實(shí)場(chǎng)景下小樣本、多類(lèi)別垃圾目標(biāo)檢測(cè)模型訓(xùn)練的數(shù)據(jù)與環(huán)境搭建難題。壓縮包共2000個(gè)文件含1000張真實(shí)場(chǎng)景高清圖片、990個(gè)YOLO格式標(biāo)簽.txt、1000個(gè)VOC格式標(biāo)注.xml以及6個(gè)HTML教程文檔、3個(gè)Python劃分腳本支持train/val/test三集自動(dòng)拆分并生成ImageSets、1個(gè)YOLO訓(xùn)練配置yaml文件整體73.26MB結(jié)構(gòu)清晰、開(kāi)箱即用。已有1482人學(xué)習(xí)下載覆蓋課程實(shí)驗(yàn)、課程設(shè)計(jì)及畢業(yè)設(shè)計(jì)等教學(xué)場(chǎng)景。用戶(hù)可直接調(diào)用三種主流標(biāo)注格式開(kāi)展YOLOv5/v8等模型訓(xùn)練同步獲得Windows/Linux雙平臺(tái)環(huán)境搭建指南、分步式訓(xùn)練教程及多個(gè)實(shí)用劃分腳本顯著降低數(shù)據(jù)預(yù)處理與工程復(fù)現(xiàn)門(mén)檻。1. 這不是“拿來(lái)即用”的數(shù)據(jù)包而是YOLO目標(biāo)檢測(cè)落地的最小閉環(huán)驗(yàn)證集你下載了一個(gè)名為“YOLO垃圾目標(biāo)檢測(cè)數(shù)據(jù)集含1000張圖片對(duì)應(yīng)VOC、COCO和YOLO三種格式標(biāo)簽劃分腳本訓(xùn)練教程.rar”的壓縮包——它表面看是資源合集實(shí)則是把YOLO目標(biāo)檢測(cè)從數(shù)據(jù)準(zhǔn)備到模型訓(xùn)練的關(guān)鍵斷點(diǎn)全部顯性化的一套可驗(yàn)證載體。1000張真實(shí)場(chǎng)景下的垃圾圖像如塑料瓶、紙盒、果皮、煙頭等不是合成圖或模糊截圖而是具備合理光照、遮擋與尺度變化的現(xiàn)場(chǎng)采集樣本三種標(biāo)注格式并存不是簡(jiǎn)單轉(zhuǎn)換而是暴露了不同框架對(duì)坐標(biāo)系、類(lèi)別索引、邊界框歸一化邏輯的根本差異劃分腳本不只分train/val/test還強(qiáng)制校驗(yàn)每張圖是否真有標(biāo)注、是否所有類(lèi)別在各子集中均有覆蓋訓(xùn)練教程跳過(guò)環(huán)境安裝泛泛而談直接從yolov8n.yaml修改類(lèi)別數(shù)開(kāi)始用ultralytics最新穩(wěn)定版v8.2.64命令跑通單卡微調(diào)。適合兩類(lèi)人剛學(xué)完YOLO理論但卡在“數(shù)據(jù)怎么喂給模型”的新手以及需要快速驗(yàn)證某類(lèi)小眾目標(biāo)如環(huán)衛(wèi)、市政、環(huán)保AI應(yīng)用是否可用YOLO baseline解決的工程師。它不承諾高精度但能讓你30分鐘內(nèi)看到loss下降、50分鐘內(nèi)拿到mAP0.5——這才是工業(yè)級(jí)目標(biāo)檢測(cè)項(xiàng)目啟動(dòng)的真實(shí)起點(diǎn)。2. 為什么必須同時(shí)提供VOC、COCO、YOLO三種格式坐標(biāo)系統(tǒng)與類(lèi)別管理的底層差異決定一切2.1 VOC格式XML結(jié)構(gòu)里的絕對(duì)像素坐標(biāo)與類(lèi)別字符串綁定VOC格式以filename.xml文件存儲(chǔ)核心是bndbox標(biāo)簽內(nèi)的xmin,ymin,xmax,ymax四個(gè)整數(shù)值單位為像素原點(diǎn)在左上角。關(guān)鍵約束在于類(lèi)別名必須與name標(biāo)簽完全一致且區(qū)分大小寫(xiě)如plastic_bottle不能寫(xiě)成Plastic_Bottle所有類(lèi)別必須在ImageSets/Main/目錄下對(duì)應(yīng)的train.txt、val.txt中列出文件名不含擴(kuò)展名Annotations/目錄下XML文件名必須與JPEGImages/中圖片名嚴(yán)格匹配。提示YOLO訓(xùn)練不直接讀VOC但它是人工標(biāo)注工具如LabelImg的默認(rèn)輸出也是COCO格式轉(zhuǎn)換的中間態(tài)。若你的標(biāo)注團(tuán)隊(duì)用LabelImgVOC就是不可繞過(guò)的源頭格式。2.2 COCO格式JSON中的歸一化坐標(biāo)與category_id映射機(jī)制COCO采用單個(gè)instances_train.json文件結(jié)構(gòu)分三層images含id,file_name,width,height、annotations含image_id,category_id,bbox、categories含id,name。其中bbox為[x, y, width, height]單位為像素但x,y是左上角坐標(biāo)非中心點(diǎn)——這點(diǎn)常被誤認(rèn)為YOLO格式。更重要的是category_id必須從1開(kāi)始連續(xù)編號(hào)0被保留為背景且categories數(shù)組索引需與category_id一一對(duì)應(yīng)同一類(lèi)別在不同圖片中category_id必須相同否則訓(xùn)練時(shí)會(huì)報(bào)IndexError: index out of rangeimages中width/height必須與實(shí)際圖片尺寸完全一致否則bbox坐標(biāo)將錯(cuò)位。{ categories: [ {id: 1, name: plastic_bottle}, {id: 2, name: cardboard_box} ], annotations: [ { image_id: 1, category_id: 1, bbox: [120, 85, 92, 138] // x120, y85, w92, h138 } ] }2.2.1 COCO轉(zhuǎn)YOLO時(shí)最易踩的坑bbox歸一化分母取錯(cuò)YOLO要求bbox為[x_center, y_center, width, height]且全部歸一化到[0,1]區(qū)間。常見(jiàn)錯(cuò)誤是用max(width, height)作分母正確做法是x_center (x width/2) / image_widthy_center (y height/2) / image_heightwidth_norm width / image_widthheight_norm height / image_height若圖片尺寸為640x480bbox[120,85,92,138]應(yīng)轉(zhuǎn)為[0.2656, 0.2792, 0.1438, 0.2875]保留4位小數(shù)。任何偏差都會(huì)導(dǎo)致anchor匹配失敗loss長(zhǎng)期不降。2.3 YOLO格式TXT文件中的相對(duì)坐標(biāo)與類(lèi)別索引零基化每個(gè)圖片對(duì)應(yīng)一個(gè)同名.txt文件每行代表一個(gè)目標(biāo)class_id center_x center_y width height。關(guān)鍵規(guī)則class_id從0開(kāi)始plastic_bottle0,cardboard_box1與COCO的category_id偏移1center_x,center_y,width,height均為[0,1]區(qū)間浮點(diǎn)數(shù)分母必須是該圖片原始寬高非resize后尺寸若一張圖無(wú)目標(biāo)對(duì)應(yīng).txt文件為空非刪除文件。注意Ultralytics官方要求YOLO格式的train/目錄下必須有images/和labels/兩個(gè)子目錄且images/中圖片路徑與labels/中txt路徑一一對(duì)應(yīng)如images/train/001.jpg→labels/train/001.txt。路徑錯(cuò)位會(huì)導(dǎo)致KeyError: image_id。3. 劃分腳本不止分?jǐn)?shù)據(jù)更要保障類(lèi)別分布均衡與標(biāo)注完整性校驗(yàn)3.1 標(biāo)準(zhǔn)劃分腳本的核心邏輯按圖片而非標(biāo)注行切分很多腳本按標(biāo)注框數(shù)量隨機(jī)打亂導(dǎo)致某類(lèi)目標(biāo)全集中在train集。正確做法是掃描所有圖片提取每張圖的唯一類(lèi)別集合如001.jpg含[0,2]002.jpg含[1]按圖片ID隨機(jī)排序但使用stratify參數(shù)確保各類(lèi)別在train/val/test中占比接近sklearn的train_test_split支持強(qiáng)制檢查若某類(lèi)在val集中出現(xiàn)0次腳本自動(dòng)從train集抽樣補(bǔ)充避免No labels found in val set錯(cuò)誤。# split_dataset.py 關(guān)鍵片段Python 3.9 from sklearn.model_selection import train_test_split import os, random def get_image_classes(img_path, labels_dir): 返回圖片中出現(xiàn)的所有類(lèi)別ID label_file os.path.join(labels_dir, os.path.splitext(os.path.basename(img_path))[0] .txt) if not os.path.exists(label_file): return [] with open(label_file) as f: classes set() for line in f: if line.strip(): cls_id int(line.split()[0]) classes.add(cls_id) return list(classes) # 獲取所有圖片路徑 img_paths [os.path.join(images, f) for f in os.listdir(images) if f.lower().endswith((.jpg,.jpeg,.png))] # 構(gòu)建類(lèi)別向量用于分層抽樣 y [max(get_image_classes(p, labels)) if get_image_classes(p, labels) else -1 for p in img_paths] # 分層劃分test_size0.2, val_size0.2 → train:60%, val:20%, test:20% train_idx, temp_idx train_test_split(range(len(img_paths)), test_size0.4, stratifyy, random_state42) val_idx, test_idx train_test_split(temp_idx, test_size0.5, stratify[y[i] for i in temp_idx], random_state42)3.1.1 劃分后必須執(zhí)行的三重校驗(yàn)校驗(yàn)項(xiàng)命令失敗表現(xiàn)修復(fù)動(dòng)作圖片與標(biāo)簽文件名一致性diff (ls images/train | sort) (ls labels/train | sed s/\.txt$/.jpg/ | sort)輸出非空行刪除缺失配對(duì)的文件標(biāo)簽文件中class_id越界grep -n ^[3-9]|^[1-9][0-9] labels/train/*.txt顯示行號(hào)及內(nèi)容用sed -i s/^3$/2/g修正假設(shè)只有3類(lèi)val集類(lèi)別覆蓋檢查python -c import json; djson.load(open(coco/val.json)); print(set(a[category_id] for a in d[annotations]))輸出{1,2}但應(yīng)有{1,2,3}從train集手動(dòng)復(fù)制含缺失類(lèi)別的圖片3.2 訓(xùn)練教程的最小可行命令繞過(guò)配置文件修改的快捷路徑Ultralytics v8.2支持命令行直接覆蓋配置無(wú)需編輯yolov8n.yaml# 在數(shù)據(jù)集根目錄執(zhí)行假設(shè)結(jié)構(gòu)datasets/garbage/images/, datasets/garbage/labels/ yolo detect train \ datadatasets/garbage/data.yaml \ modelyolov8n.pt \ epochs100 \ batch16 \ imgsz640 \ namegarbage_yolov8n \ projectruns/detect \ device0 \ --cfg {nc: 3, names: [plastic_bottle, cardboard_box, food_waste]}data.yaml只需定義train,val,nc,names四字段nc為類(lèi)別數(shù)names為列表--cfg參數(shù)直接注入模型結(jié)構(gòu)nc必須與數(shù)據(jù)集中最大class_id1相等YOLO格式class_id從0開(kāi)始batch16在單卡RTX 3060上穩(wěn)定若OOM則降至8不要盲目調(diào)大——YOLO的batch size對(duì)收斂影響遠(yuǎn)小于學(xué)習(xí)率。4. YOLO訓(xùn)練參數(shù)調(diào)優(yōu)從loss曲線診斷到學(xué)習(xí)率、anchor、mosaic的協(xié)同調(diào)整4.1 loss曲線的三段式解讀定位問(wèn)題根源的黃金法則訓(xùn)練過(guò)程中results.png中的三條曲線box_loss, cls_loss, dfl_loss必須同步觀察box_loss長(zhǎng)期高于cls_loss如box_loss2.5, cls_loss0.3說(shuō)明定位不準(zhǔn)優(yōu)先檢查bbox歸一化是否錯(cuò)誤、anchor尺寸是否匹配垃圾目標(biāo)小目標(biāo)多則需縮小anchorcls_loss不下降但box_loss下降類(lèi)別混淆檢查names順序是否與label文件class_id一致或是否存在相似類(lèi)別如paper_bag與cardboard_box所有l(wèi)oss在epoch 20后停滯學(xué)習(xí)率過(guò)高導(dǎo)致震蕩或數(shù)據(jù)增強(qiáng)過(guò)度如mosaic1.0對(duì)小目標(biāo)有害。提示用tensorboard --logdirruns/detect/garbage_yolov8n實(shí)時(shí)查看重點(diǎn)關(guān)注train/box_loss的平滑度——鋸齒過(guò)大說(shuō)明batch size過(guò)小或數(shù)據(jù)加載瓶頸。4.2 學(xué)習(xí)率策略cosine退火比step decay更適合小數(shù)據(jù)集YOLO默認(rèn)lr00.01對(duì)1000張圖過(guò)大易過(guò)擬合。實(shí)測(cè)有效組合參數(shù)推薦值作用說(shuō)明lr00.001初始學(xué)習(xí)率1000圖用0.01會(huì)在epoch5就發(fā)散lrf0.01最終學(xué)習(xí)率 lr0 * lrf即0.00001避免后期震蕩warmup_epochs3前3 epoch線性增到lr0緩解初始梯度爆炸optimizerautoUltralytics自動(dòng)選AdamW比SGD更穩(wěn)yolo detect train ... \ lr00.001 \ lrf0.01 \ warmup_epochs3 \ optimizerauto4.3 anchor優(yōu)化用k-means聚類(lèi)生成適配垃圾目標(biāo)的先驗(yàn)框默認(rèn)YOLOv8的anchor[10,13, 16,30, 33,23, 30,61, 62,45, 59,119, 116,90, 156,198, 373,326]針對(duì)COCO通用目標(biāo)對(duì)垃圾小目標(biāo)平均尺寸50px不匹配。運(yùn)行聚類(lèi)# 生成聚類(lèi)輸入文件YOLO格式的width,height列表 python -c import glob, os with open(anchors_input.txt,w) as f: for txt in glob.glob(labels/train/*.txt): with open(txt) as t: for line in t: if line.strip(): _, _, _, w, h map(float, line.split()) # 還原為像素尺寸假設(shè)imgsz640 w_px, h_px int(w*640), int(h*640) f.write(f{w_px},{h_px}\n) # 運(yùn)行k-meansk6因YOLOv8用6組anchor kmeans.py -f anchors_input.txt -num_clusters 6 -output anchors_6.txt輸出anchors_6.txt類(lèi)似[12,15, 21,28, 32,42, 45,60, 68,85, 92,110]替換yolov8n.yaml中anchors字段即可。5. 驗(yàn)證與部署前的關(guān)鍵技巧用confusion matrix定位漏檢與誤檢根源5.1 生成混淆矩陣不只是看mAP更要定位具體錯(cuò)誤類(lèi)型訓(xùn)練完成后用驗(yàn)證集生成詳細(xì)分類(lèi)報(bào)告yolo detect val \ datadatasets/garbage/data.yaml \ modelruns/detect/garbage_yolov8n/weights/best.pt \ conf0.25 \ iou0.6 \ save_txtTrue \ save_confTrue關(guān)鍵參數(shù)conf0.25降低置信度閾值捕獲更多預(yù)測(cè)框用于統(tǒng)計(jì)iou0.6匹配GT與Pred的IoU閾值COCO標(biāo)準(zhǔn)為0.5此處設(shè)0.6更嚴(yán)格save_txtTrue保存每張圖的預(yù)測(cè)結(jié)果preds/xxx.txt格式同YOLO標(biāo)簽。然后運(yùn)行分析腳本# analyze_confusion.py from sklearn.metrics import confusion_matrix import numpy as np # 讀取所有g(shù)t和pred gt_labels, pred_labels [], [] for txt in glob.glob(val_labels/*.txt): # 讀gt with open(txt) as f: for line in f: gt_labels.append(int(line.split()[0])) # 讀pred同名preds/xxx.txt pred_file preds/ os.path.basename(txt) if os.path.exists(pred_file): with open(pred_file) as f: for line in f: if float(line.split()[5]) 0.25: # conf 0.25 pred_labels.append(int(line.split()[0])) else: pred_labels.append(-1) # 未檢出 cm confusion_matrix(gt_labels, pred_labels, labels[0,1,2]) print(Confusion Matrix:) print(cm)輸出示例[[85 12 3] # plastic_bottle: 85正確, 12誤判為cardboard, 3誤判為food [ 8 92 0] # cardboard_box: 8誤判為plastic, 92正確 [ 5 2 73]] # food_waste: 5誤判為plastic, 2誤判為cardboard, 73正確若plastic_bottle行第二列12顯著高于其他說(shuō)明模型將塑料瓶與紙箱特征混淆——需檢查訓(xùn)練圖中兩類(lèi)目標(biāo)的紋理相似度或增加HSV顏色擾動(dòng)增強(qiáng)。5.2 導(dǎo)出ONNX并驗(yàn)證推理一致性確保部署端無(wú)精度損失yolo export \ modelruns/detect/garbage_yolov8n/weights/best.pt \ formatonnx \ dynamicTrue \ simplifyTrue \ opset12導(dǎo)出后用PyTorch和ONNX Runtime分別推理同一張圖對(duì)比輸出import torch, onnxruntime as ort import cv2 import numpy as np # PyTorch推理 model torch.load(best.pt)[model].float().eval() img cv2.imread(test.jpg) img_tensor torch.from_numpy(img.transpose(2,0,1)[None]/255.0).float() pred_pt model(img_tensor)[0] # [1, 84, 8400] # ONNX推理 ort_session ort.InferenceSession(best.onnx) pred_onnx ort_session.run(None, {images: img_tensor.numpy()})[0] # 比較top5置信度 print(PyTorch top5:, pred_pt[0, :5].detach().numpy()) print(ONNX top5: , pred_onnx[0, :5])若差值1e-4說(shuō)明simplifyTrue破壞了算子——此時(shí)去掉simplify參數(shù)重導(dǎo)出犧牲體積換取精度。本文還有配套的精品資源點(diǎn)擊獲取