简介本资源为面向YOLO系列目标检测算法的「手套与徒手」二分类数据集适合从事安全帽佩戴检测、工业防护装备识别、行为规范监控等场景的算法工程师与高校学生使用可直接用于模型训练与验证测试。压缩包共2000个文件以xml标注文件为主同时提供YOLO格式txt与VOC格式xml两套标签分别存放于独立文件夹并附带data.yaml配置文件兼容yolov5、yolov7、yolov8、yolov9、yolov10及yolo11等主流版本。数据集共3893张图像已按训练与验证需求划分完毕YOLO标签采用归一化中心点与宽高比例格式便于直接读取训练。目前已有89人学习下载读者可快速获得一套开箱即用的检测数据省去自行采集与标注成本用于验证模型效果、对比不同YOLO版本性能或作为课程与项目实践素材。1. 手套与徒手检测3893 张带标签图像能撑起什么场景产线安全帽检测做完了下一个需求往往就是「手部状态」——工人有没有戴手套。这个需求听起来比安全帽简单实际落地时最卡人的不是模型结构而是数据。手套和徒手检测属于典型的小目标 类内差异大的任务棉纱手套、丁腈手套、皮手套颜色材质完全不同徒手又分正反面、遮挡、不同肤色公开数据集里几乎没有现成能直接用的。标题里这份 3893 张图像带标签的手套/徒手数据集价值就在于它把「手」和「戴手套的手」这两个类别的边界样本凑到了一起省掉了从零标注的两三周。它适合两类人一类是想跑通 YOLO 训练全流程、拿一个二分类检测任务练手的新手另一类是在工厂、实验室、食品加工场景里要做手部合规检测需要先验证可行性的工程师。3893 张不算大但二分类检测够用关键是标签质量和你怎么切分、怎么增强。下面按「先看清数据 → 再跑通训练 → 再调参 → 再避坑 → 再进阶」的顺序讲透。2. 拆开这份手套和徒手数据集3893 张图像到底该怎么读拿到一个压缩包第一件事不是解压完直接丢给 YOLO而是先搞清楚它的目录结构、标签格式、类别分布。这一步做扎实后面能省掉大量「训练 loss 不降」「mAP 卡在 0.5」的玄学排查。2.1 目录结构与标签格式的三种常见形态标题写的是「图像带标签」但带标签有好几种可能VOC 的 XML、COCO 的 JSON、YOLO 的 txt。你得先确认是哪一种因为后面转换脚本完全不同。常见做法是先解压看目录# 解压后先看顶层结构不要急着改文件名 unzip hand_glove_dataset.zip -d hand_glove cd hand_glove find . -maxdepth 2 -type d | head -30 # 统计图像数量和标签数量两者应该对得上 find . -name *.jpg -o -name *.png | wc -l find . -name *.txt -o -name *.xml -o -name *.json | wc -l如果标签是 YOLO txt每行格式是class x_center y_center width height且全部归一化到 0~1。如果标签是 VOC XML你会看到bndbox里的xmin/ymin/xmax/ymax是绝对像素。这两种的转换逻辑不一样先确认再动手。参数上要盯住两点一是类别索引从 0 还是 1 开始YOLO 要求从 0 开始二是坐标有没有越界xmax 超过图像宽度是标注工具常见 bug。2.2 类别分布与图像尺寸统计决定增强策略二分类任务最怕类别极度不平衡。如果 3893 张里徒手 3500 张、戴手套只有 393 张直接训练模型会偏向多数类。先统计import os, glob from collections import Counter from PIL import Image img_dir hand_glove/images lbl_dir hand_glove/labels cls_counter Counter() size_counter Counter() for lbl in glob.glob(os.path.join(lbl_dir, *.txt)): with open(lbl) as f: for line in f: c int(line.split()[0]) cls_counter[c] 1 for img in glob.glob(os.path.join(img_dir, *)): with Image.open(img) as im: size_counter[im.size] 1 print(类别分布:, cls_counter) print(尺寸分布 top5:, size_counter.most_common(5))这段代码输出两个关键信息。类别分布告诉你需不需要做重采样或 focal loss尺寸分布告诉你输入分辨率设 640 还是 416。如果绝大多数图像是 1920×1080缩到 640 后手部目标可能只剩几十像素这时候要么提高输入尺寸要么用 mosaic 增强保住小目标。我一般会先看尺寸分布再定imgsz而不是无脑 640。2.3 划分训练/验证集别用随机划分糊弄3893 张如果随机 8:2 划分很容易出现同一场景、同一人的图像同时进训练和验证导致验证 mAP 虚高。血泪经验是如果数据里有明显的场景/人员分组信息比如文件名带工位号按组划分。没有分组信息时至少固定随机种子保证可复现import random, os, shutil random.seed(42) imgs sorted(os.listdir(hand_glove/images)) random.shuffle(imgs) split int(len(imgs) * 0.8) for phase, subset in [(train, imgs[:split]), (val, imgs[split:])]: os.makedirs(fdataset/{phase}/images, exist_okTrue) os.makedirs(fdataset/{phase}/labels, exist_okTrue) for name in subset: stem os.path.splitext(name)[0] shutil.copy(fhand_glove/images/{name}, fdataset/{phase}/images/{name}) shutil.copy(fhand_glove/labels/{stem}.txt, fdataset/{phase}/labels/{stem}.txt)固定seed42是为了别人复现你的结果时数字对得上。划分比例 8:2 是二分类小数据集的稳妥选择验证集至少留 700 张以上否则 mAP 波动会大到没法判断模型好坏。3. 用 YOLO 跑通手套检测从 data.yaml 到第一次推理数据理清楚之后训练本身反而是最标准化的环节。这一章把配置、命令、参数含义讲到位让你第一次跑就能出结果而不是对着报错猜。3.1 写对 data.yaml三个路径和类别名YOLO 系列训练入口就是一个 yaml 文件。常见翻车点是路径写相对路径但工作目录不对或者nc和names数量对不上。# dataset/data.yaml path: ./dataset # 数据集根目录相对训练脚本执行位置 train: train/images # 相对 path val: val/images nc: 2 # 类别数0徒手, 1戴手套 names: 0: bare_hand 1: gloved_handpath是根train/val是相对根的路径这个层级关系搞错是最常见的 FileNotFoundError 来源。nc必须等于names的条目数且索引从 0 连续。类别名建议用英文避免中文路径和编码问题。3.2 训练命令与关键参数epochs、imgsz、batch 怎么定yolo detect train \ datadataset/data.yaml \ modelyolov8n.pt \ epochs100 \ imgsz640 \ batch16 \ lr00.01 \ patience20 \ projectruns/hand \ nameglove_v1逐项说modelyolov8n.pt是 nano 版本3893 张二分类任务够用显存小、推理快如果 mAP 上不去再换 s 或 m。epochs100配合patience20意思是 20 轮验证指标不提升就早停避免过拟合。imgsz640是通用起点手部目标小的话可以提到 960但显存和速度要权衡。batch16在 8G 显存上跑 640 分辨率比较稳爆显存就降到 8。lr00.01是 SGD 的初始学习率如果你换成 AdamW建议降到 0.001。3.3 训练过程看什么loss 曲线和 mAP 的读法训练日志里重点看三个box_loss、cls_loss、mAP50。box_loss 负责定位cls_loss 负责分类。如果 box_loss 一直不降多半是标签坐标有问题如果 cls_loss 震荡大可能是学习率偏高或类别不平衡。mAP50 在二分类任务上正常收敛后应该能到 0.85 以上低于 0.7 就要回头查数据。验证集 mAP 远高于训练集说明验证集太简单或和训练集重叠回到 2.3 检查划分。3.4 第一次推理确认模型真的学到了手yolo detect predict \ modelruns/hand/glove_v1/weights/best.pt \ sourcedataset/val/images \ conf0.25 \ saveTrueconf0.25是置信度阈值低于它的框不显示。验证阶段可以调低到 0.1 看召回部署时再调回 0.25~0.4 平衡误报。跑完去runs/hand/glove_v1/下看预测图重点看两类错误把徒手误判成戴手套漏检合规把戴手套误判成徒手误报。这两种错误在业务上的代价完全不同调阈值时要按业务定。4. 手套检测调参小目标、遮挡和类别不平衡怎么破跑通只是起点真正决定能不能上线的是调参。手部检测有三个绕不开的难点手在画面里占比小、经常被工具或身体遮挡、两类样本可能不均衡。这一章针对性地给方案。4.1 小目标提高输入分辨率还是加 P2 检测层手部目标小最直接的办法是把imgsz从 640 提到 960 或 1280。代价是显存和推理时间成倍增长。另一个思路是在模型里加 P2 检测层针对 4 倍下采样的特征图YOLO 默认从 P3 开始P2 能显著提升小目标召回。常见做法是先用 960 试如果 mAP 提升明显且速度可接受就不改结构如果速度卡死再考虑换更小的模型加 P2。4.2 遮挡mosaic 和 copy-paste 增强的取舍遮挡样本靠增强补。mosaic 把四张图拼一张能模拟手被部分遮挡的情况YOLO 默认开启。但 mosaic 对小目标有个副作用拼接后单张图里的手变得更小。如果数据本身手就小可以调低 mosaic 概率mosaic0.5。copy-paste 增强是把标注好的手抠出来贴到其他图上对遮挡和类别不平衡都有效但需要额外写脚本且贴的位置要合理否则会引入不真实的上下文。4.3 类别不平衡重采样、focal loss 和阈值调整如果徒手远多于戴手套三种手段按成本排序先调验证时的置信度阈值最省事再对少数类做 oversampling复制或增强最后才考虑改损失函数加 focal loss。focal loss 对难样本加权能缓解不平衡但会引入额外超参调不好反而掉点。我一般先看混淆矩阵确认是少数类召回低还是精确率低再决定用哪种。4.4 学习率和 batch 的联动别单独调一个学习率和 batch 是联动的。batch 翻倍学习率通常也要相应上调否则收敛变慢。反过来显存不够降 batch 时学习率不降容易震荡。经验公式是线性缩放batch 从 16 降到 8lr0 从 0.01 降到 0.005 左右。另外用 cosine 学习率调度比 step 更平滑小数据集上更稳。5. 手套和徒手检测的避坑与排查五条踩过的坑这一章全是实战里真金白银换来的教训每条按「现象 → 原因 → 解决」写遇到问题直接对号入座。5.1 训练 loss 正常但 mAP 一直是 0现象box_loss 和 cls_loss 都在降但验证 mAP50 始终是 0 或接近 0。原因标签类别索引和 data.yaml 里的 names 对不上或者标签坐标没归一化还是绝对像素。解决打开一个标签文件确认数值都在 0~1 之间且类别索引是 0 和 1。如果坐标是几百的整数说明是 VOC 格式没转换需要先跑转换脚本。5.2 验证集 mAP 高得离谱上线就崩现象验证 mAP50 到 0.95实际场景误检漏检一堆。原因训练集和验证集有同场景、同人员的图像模型记住了背景而不是手。解决按场景或人员分组划分或者用时间戳划分如果数据有采集顺序。划分完再跑一次mAP 掉下来才是真实水平。5.3 戴手套的手大量漏检现象徒手检测正常戴手套的手召回很低。原因手套颜色和背景接近比如白色手套在白色墙面或者训练集里手套样本太少。解决先统计两类样本数少数类做 oversampling再检查手套样本的背景是否单一用 mosaic 和颜色抖动增强背景多样性。5.4 推理速度达不到产线要求现象模型精度够但单帧推理超过 50ms产线节拍跟不上。原因输入分辨率太高或模型太大。解决先把 imgsz 从 960 降到 640 看精度损失再考虑换 nano 模型或做量化INT8。量化能提速 2~3 倍但要注意校准集要覆盖真实场景否则精度掉得厉害。5.5 同一只手被检出多个框现象一张图里同一只手出现两三个重叠框。原因NMS 的 IoU 阈值设太高或者模型对同一目标输出了多个高置信框。解决调低 NMS 的 IoU 阈值默认 0.7可降到 0.5或者在推理时开agnostic_nms。如果还不行说明训练数据里有重复标注回去清洗标签。6. 从 3893 张到产线可用验证方法与一个提点技巧数据集只有 3893 张想上产线光看 mAP 不够得有一套验证方法。我一般分三步走。第一步留出一个「压力测试集」专门收集真实场景里最难的那些帧——强逆光、手被工具挡住一半、手套颜色和背景几乎一样。这个集不参与训练和调参只在最后验收时跑一次它的 mAP 才是你能不能上线的真实依据。第二步做分场景统计把测试集按工位、光照、手套类型分组分别算召回和精确率。整体 mAP 0.9 但某个工位只有 0.6说明模型在那个场景失效需要补数据。第三步看混淆矩阵的绝对数量而不是比例。产线上一天过十万帧1% 的误报就是一千次这个量级能不能接受要和业务方对齐。提点技巧上分享一个我常用的「困难样本回流」闭环。部署后把置信度在 0.3~0.5 之间的预测帧自动存下来人工快速过一遍把漏检和误检的帧挑出来补标注每周回流一次重新训练。这样模型会随着真实数据分布慢慢变强比一次性标几万张更划算。3893 张的起点不大但只要这个闭环跑起来两三个月就能把有效数据翻倍。# 困难样本回流保存中等置信度的预测帧供人工复核 import cv2 from ultralytics import YOLO model YOLO(best.pt) cap cv2.VideoCapture(line_camera.mp4) frame_id 0 while cap.isOpened(): ret, frame cap.read() if not ret: break frame_id 1 if frame_id % 5 ! 0: # 抽帧降低存储压力 continue results model(frame, conf0.3, verboseFalse)[0] # 有框但置信度都不高说明是模型拿不准的样本 if len(results.boxes) 0: confs results.boxes.conf.tolist() if all(0.3 c 0.5 for c in confs): cv2.imwrite(fhard_samples/frame_{frame_id}.jpg, frame) cap.release()这段脚本每 5 帧抽一帧只保存「有检测框但置信度都在 0.3~0.5 之间」的图像。这些是模型最犹豫的样本人工复核的性价比最高。参数上frame_id % 5控制抽帧频率产线帧率高就调大置信度区间按你的模型实际分布调整模型越准区间可以越窄。最后说个习惯我做完任何一个检测项目都会把数据划分脚本、训练命令、推理参数写进一个README连同随机种子一起存档。因为三个月后你一定会遇到「上次那个模型怎么复现」的问题没有这份记录就得从头再踩一遍坑。手套和徒手检测这个方向数据是门槛方法是标准化的把 3893 张用透比盲目堆数据更有效。希望帮到你。本文还有配套的精品资源点击获取