YOLO数据集格式介绍

YOLO数据集格式介绍

YOLO支持多种数据集支持计算机视觉任务，包括检测（detection）、实例分割(instant segmentation)、姿态估计（pose estimation）、物品分类（ classification）、多目标跟踪（ multi-object tracking）。
数据集种类繁多，格式也比较多，很多人会比较迷惑，这里把Ultralytics官网相关内容整理在一起，以便读者对各种数据集有一个全面认识。
以下对各种数据集格式做简要介绍。

1 检测（Detection）

数据集YAML格式

例如COCO数据集：

# Train/val/test sets as 1) dir: path/to/imgs, 2) file: path/to/imgs.txt, or 3) list: [path/to/imgs1, path/to/imgs2, ..]
path: ../datasets/coco8 # dataset root dir (absolute or relative; if relative, it's relative to default datasets_dir)
train: images/train # train images (relative to 'path') 
val: images/val # val images (relative to 'path') 
test: # test images (optional)

# Classes (80 COCO classes)
names:
    0: person
    1: bicycle
    2: car
    # ...
    77: teddy bear
    78: hair drier
    79: toothbrush

标注格式

每幅图像都需要对应一个文本文件保存标注数据（*.txt），文件中每行描述一个对象，格式为：

class x_center y_center width height

所有坐标需要经过归一化处理，使用空格隔开。分类号码从0开始。如果图像文件中没有检测对象，则不需要txt文件。

2 分割（Segmentation）

数据集YAML格式

COCO数据集：

# Train/val/test sets as 1) dir: path/to/imgs, 2) file: path/to/imgs.txt, or 3) list: [path/to/imgs1, path/to/imgs2, ..]
path: ../datasets/coco8-seg # dataset root dir (absolute or relative; if relative, it's relative to default datasets_dir)
train: images/train # train images (relative to 'path') 4 images
val: images/val # val images (relative to 'path') 4 images
test: # test images (optional)

# Classes (80 COCO classes)
names:
    0: person
    1: bicycle
    2: car
    # ...
    77: teddy bear
    78: hair drier
    79: toothbrush

标注格式

实例分割是一项计算机视觉任务，涉及识别和划分图像中的单个对象。

用于训练YOLO 分段模型的数据集标签格式如下：

1. 每幅图像一个文本文件：数据集中的每幅图像都有一个相应的文本文件，文件名与图像文件相同，扩展名为".txt"。
2. 每个对象一行：文本文件中的每一行对应图像中的一个对象实例。
3. 每行对象信息：每行包含对象实例的以下信息
   • 对象类别索引：代表对象类别的整数（如 0 代表人，1 代表汽车等）。
   • 对象边界坐标：遮罩区域周围的边界坐标，归一化后介于 0 和 1 之间。

分割数据集文件中每行的格式如下：

<class> <x1> <y1> <x2> <y2> ... <xn> <yn>

<class> 是对象的类的索引，而 <x1> <y1> <x2> <y2> ... <xn> <yn> 是对象的分割掩码的边界坐标。坐标之间用空格隔开。

以下是YOLO 分割数据集格式的示例，该数据集表示由 3 个点和 5个 点组成的两个对象的单幅图像。

0 0.681 0.485 0.670 0.487 0.676 0.487
1 0.504 0.000 0.501 0.004 0.498 0.004 0.493 0.010 0.492 0.0104

• 每行的长度不必相等。
• 每个分段标签必须有 至少 3 个 xy 点: <class> <x1> <y1> <x2> <y2> <x3> <y3>

3 姿态（Pose）

数据集YAML格式

# Train/val/test sets as 1) dir: path/to/imgs, 2) file: path/to/imgs.txt, or 3) list: [path/to/imgs1, path/to/imgs2, ..]
path: ../datasets/coco8-pose # dataset root dir (absolute or relative; if relative, it's relative to default datasets_dir)
train: images/train # train images (relative to 'path') 4 images
val: images/val # val images (relative to 'path') 4 images
test: # test images (optional)

# Keypoints
kpt_shape: [17, 3] # number of keypoints, number of dims (2 for x,y or 3 for x,y,visible)
flip_idx: [0, 2, 1, 4, 3, 6, 5, 8, 7, 10, 9, 12, 11, 14, 13, 16, 15]

# Classes dictionary
names:
    0: person

标注格式

每幅图像都需要对应一个文本文件保存标注数据（*.txt），文件中每行描述一个对象，格式为：

class-index 矩形框(x y w h) Keypoints(N个顶点坐标)

坐标都是经过归一化，x,y是中心点除以图片宽高，w,h是框的宽高除以图片宽高，ptx，pty是关键点坐标除以宽高

Keypoints有两种描述方法：dim=2和dim=3。

格式：Dim = 2

<class-index> <x> <y> <width> <height> <px1> <py1> <px2> <py2> ... <pxn> <pyn>

格式：Dim = 3

<class-index> <x> <y> <width> <height> <px1> <py1> <p1-visibility> <px2> <py2> <p2-visibility> <pxn> <pyn> <pn-visibility>

[visibility: 0不可见，1隐藏，2可见]

4 分类（Classification）

数据集目录格式

以 CIFAR-10数据集为例，目录格式为：

cifar-10-/
|
|-- train/
|   |-- airplane/
|   |   |-- 10008_airplane.png
|   |   |-- 10009_airplane.png
|   |   |-- ...
|   |
|   |-- automobile/
|   |   |-- 1000_automobile.png
|   |   |-- 1001_automobile.png
|   |   |-- ...
|   |
|   |-- bird/
|   |   |-- 10014_bird.png
|   |   |-- 10015_bird.png
|   |   |-- ...
|   |
|   |-- ...
|
|-- test/
|   |-- airplane/
|   |   |-- 10_airplane.png
|   |   |-- 11_airplane.png
|   |   |-- ...
|   |
|   |-- automobile/
|   |   |-- 100_automobile.png
|   |   |-- 101_automobile.png
|   |   |-- ...
|   |
|   |-- bird/
|   |   |-- 1000_bird.png
|   |   |-- 1001_bird.png
|   |   |-- ...
|   |
|   |-- ...
|
|-- val/ (optional)
|   |-- airplane/
|   |   |-- 105_airplane.png
|   |   |-- 106_airplane.png
|   |   |-- ...
|   |
|   |-- automobile/
|   |   |-- 102_automobile.png
|   |   |-- 103_automobile.png
|   |   |-- ...
|   |
|   |-- bird/
|   |   |-- 1045_bird.png
|   |   |-- 1046_bird.png
|   |   |-- ...
|   |
|   |-- ...

CIFA10网站：https://www.cs.toronto.edu/~kriz/cifar.html

下图是该数据集中的类别，每个类包括10个随机图像。

具体使用方式参考网站说明。

5 定向边框（OBB）

数据集YAML格式

dota8.yaml

# Ultralytics 🚀 AGPL-3.0 License - https://ultralytics.com/license

# DOTA8 dataset 8 images from split DOTAv1 dataset by Ultralytics
# Documentation: https://docs.ultralytics.com/datasets/obb/dota8/
# Example usage: yolo train model=yolov8n-obb.pt data=dota8.yaml
# parent
# ├── ultralytics
# └── datasets
#     └── dota8  ← downloads here (1MB)

# Train/val/test sets as 1) dir: path/to/imgs, 2) file: path/to/imgs.txt, or 3) list: [path/to/imgs1, path/to/imgs2, ..]
path: ../datasets/dota8 # dataset root dir
train: images/train # train images (relative to 'path') 4 images
val: images/val # val images (relative to 'path') 4 images

# Classes for DOTA 1.0
names:
  0: plane
  1: ship
  2: storage tank
  3: baseball diamond
  4: tennis court
  5: basketball court
  6: ground track field
  7: harbor
  8: bridge
  9: large vehicle
  10: small vehicle
  11: helicopter
  12: roundabout
  13: soccer ball field
  14: swimming pool

# Download script/URL (optional)
download: https://github.com/ultralytics/assets/releases/download/v0.0.0/dota8.zip

标注格式

每幅图像都需要对应一个文本文件保存标注数据（*.txt），文件中每行描述一个对象，格式为：

使用4个角点坐标，标识任意旋转角度的矩形

class_index x1 y1 x2 y2 x3 y3 x4 y4

坐标都要经过归一化。

举例：

0 0.780811 0.743961 0.782371 0.74686 0.777691 0.752174 0.776131 0.749758

YOLO内部处理使用xywhr格式，表示边界框的中心点、宽度、高度和角度。

说明：本文主要是对Ultralytics官网相关内容整理而来，方便读者对YOLO数据集格式进行快速了解。