简介本资源为风筝目标检测数据集面向从事计算机视觉、深度学习目标检测的开发者与研究者尤其适合需要单一类别小目标检测数据的学生、算法工程师及竞赛参赛者。数据集共2260张jpg图片每张图片均配有对应的Pascal VOC格式xml标注文件和YOLO格式txt标注文件标注类别仅一类kite共8790个矩形框使用labelImg工具完成标注标注准确合理。压缩包为7z格式内含2000个文件以1999个xml标注文件和1个说明txt为主整体约268.06MB目录结构清晰便于直接用于YOLO或VOC格式训练流程。目前已有362人学习下载可作为风筝检测模型训练、算法验证与课程实验的数据基础帮助读者省去自行采集与标注的时间成本快速搭建单类别检测任务。1. 风筝数据集2260张VOCYOLO格式一份能直接进训练脚本的检测数据风筝检测这件事听起来像玩具真做起来一点都不轻松。风筝在空中姿态多变、背景大面积是天空和云、目标尺度从几十像素到占满画面都有再加上线绳细长容易和背景混淆通用 COCO 预训练模型直接推理往往漏检严重。我最早接的一个需求是给景区做风筝放飞安全预警要求识别画面里风筝的数量和位置判断是否进入禁飞区。当时手上没有现成数据自己标了三百多张就发现类别不均衡、小目标占比过高模型根本压不住误检。后来拿到这份 2260 张、同时提供 VOC 和 YOLO 两种标注格式的风筝数据集才算把 baseline 跑通。这篇笔记就围绕这份数据集把 VOC 与 YOLO 格式的差异、转换逻辑、训练参数、以及我踩过的坑一次讲清楚适合刚入门 yolo 目标检测、手上正缺一个干净数据集的同学也适合想拿它做小目标检测练手的熟手。2. VOC 与 YOLO 标注格式先搞懂两种坐标系的换算关系2.1 为什么同一份数据要同时给 VOC 和 YOLO 两套标注VOC 格式Pascal VOC用 XML 文件描述每张图的标注坐标是绝对像素值记录xmin、ymin、xmax、ymax四个角点。YOLO 格式用 txt 文件每行一个目标格式是类别索引 cx cy w h全部归一化到 0 到 1 之间。这两种格式服务的是不同工具链VOC 是很多老检测框架和标注工具LabelImg 默认输出的原生格式YOLO 系列训练脚本则只认归一化 txt。数据集同时提供两套意味着你既可以用它跑 Faster R-CNN 这类两阶段模型也可以直接喂给 YOLOv5/v8/v11不用自己写转换脚本。这里有个容易被忽略的点VOC 的坐标是左上角和右下角YOLO 的中心点坐标需要自己算。换算公式是cx (xmin xmax) / 2 / Wcy (ymin ymax) / 2 / Hw (xmax - xmin) / Wh (ymax - ymin) / H。W 和 H 是原图宽高。看着简单但归一化时用错图片尺寸、或者把 xmax 和 xmin 写反是新手最常见的翻车点。2.2 目录结构长什么样先对齐再动手拿到数据集先别急着训练把目录结构对齐。VOC 和 YOLO 两套通常是这样组织的kite_dataset/ ├── VOC/ │ ├── JPEGImages/ # 原图2260 张 │ ├── Annotations/ # 对应的 xml 标注 │ └── ImageSets/Main/ # train.txt / val.txt 划分文件 └── YOLO/ ├── images/ │ ├── train/ │ └── val/ ├── labels/ │ ├── train/ │ └── val/ └── data.yaml # 类别名与路径配置VOC 的ImageSets/Main里通常有train.txt、val.txt里面只写图片文件名不带扩展名。YOLO 这边直接按 train/val 分好文件夹data.yaml里写train:、val:、nc:、names:。我一般会先跑一遍数量核对ls VOC/JPEGImages | wc -l和ls VOC/Annotations | wc -l必须相等YOLO 的 images 和 labels 也要一一对应。数量对不上后面训练报错都找不到原因。2.3 用脚本验证 VOC 与 YOLO 标注是否一致光看目录不够得验证两套标注描述的是同一批目标。下面这段脚本随机抽若干张图把 VOC 的框换算成 YOLO 格式再和 YOLO 的 txt 逐行比对误差超过一个像素就报警import os, random, xml.etree.ElementTree as ET from PIL import Image VOC_IMG kite_dataset/VOC/JPEGImages VOC_ANN kite_dataset/VOC/Annotations YOLO_LBL kite_dataset/YOLO/labels/train def voc_to_yolo(xml_path, img_w, img_h): tree ET.parse(xml_path) boxes [] for obj in tree.findall(object): cls obj.find(name).text bnd obj.find(bndbox) xmin float(bnd.find(xmin).text) ymin float(bnd.find(ymin).text) xmax float(bnd.find(xmax).text) ymax float(bnd.find(ymax).text) cx (xmin xmax) / 2 / img_w cy (ymin ymax) / 2 / img_h w (xmax - xmin) / img_w h (ymax - ymin) / img_h boxes.append((cls, cx, cy, w, h)) return boxes names random.sample(os.listdir(VOC_IMG), 20) for name in names: stem os.path.splitext(name)[0] img Image.open(os.path.join(VOC_IMG, name)) w, h img.size voc_boxes voc_to_yolo(os.path.join(VOC_ANN, stem .xml), w, h) lbl_path os.path.join(YOLO_LBL, stem .txt) if not os.path.exists(lbl_path): print(f[缺失] {stem} 没有 YOLO 标注) continue with open(lbl_path) as f: yolo_lines [l.strip().split() for l in f if l.strip()] if len(voc_boxes) ! len(yolo_lines): print(f[数量不符] {stem}: VOC{len(voc_boxes)} YOLO{len(yolo_lines)}) continue for (cls, cx, cy, bw, bh), yl in zip(voc_boxes, yolo_lines): ycx, ycy, yw, yh map(float, yl[1:5]) if abs(cx - ycx) 0.001 or abs(cy - ycy) 0.001: print(f[坐标偏差] {stem} 中心点不一致) break print(抽查完成)这段脚本的关键在容差0.001归一化坐标下对应原图大约一个像素。如果偏差普遍偏大多半是 VOC 标注里图片尺寸和实际图片尺寸不一致或者 YOLO 那边用了错误的 W/H。跑完抽查再全量跑一遍能提前发现标注错位省得训练到一半 loss 不降才回头查。3. 用这份数据集跑通 YOLOv8 训练从 data.yaml 到第一个权重3.1 环境准备与 data.yaml 的正确写法我一般用 PyCharm 建虚拟环境Python 3.9 以上然后pip install ultralytics。ultralytics 包会自动装 torch、torchvision 等依赖CUDA 版本按你显卡驱动选。装完yolo checks能看环境是否正常。数据集这边YOLO 目录下的data.yaml是训练入口写法如下path: /abs/path/kite_dataset/YOLO train: images/train val: images/val nc: 1 names: 0: kitepath必须是绝对路径train和val是相对 path 的路径。nc是类别数风筝数据集通常只有 kite 一类所以是 1。names的索引必须和 txt 里的类别索引对应如果标注里出现了 1 而 names 只写了 0训练会直接报索引越界。我见过有人把nc写成 2 但 names 只写一个训练不报错但结果全乱这种玄学问题查起来最费时间。3.2 启动训练命令行与 Python 两种方式命令行最省事yolo detect train \ datakite_dataset/YOLO/data.yaml \ modelyolov8n.pt \ epochs100 \ imgsz640 \ batch16 \ projectruns/kite \ namev8n_baselinemodelyolov8n.pt是 nano 版本参数量小、训练快适合先跑通流程。imgsz640是输入分辨率风筝小目标多的话可以提到 960 或 1280但显存占用会明显上升。batch16在 8G 显存上跑 640 分辨率基本够用爆显存就降到 8。project和name决定权重和日志存哪。Python 方式适合嵌到自己的流程里from ultralytics import YOLO model YOLO(yolov8n.pt) results model.train( datakite_dataset/YOLO/data.yaml, epochs100, imgsz640, batch16, projectruns/kite, namev8n_baseline, patience20, # 20 轮无提升就早停 lr00.01, # 初始学习率 augmentTrue # 开启默认增强 )patience20是早停验证集指标 20 轮不涨就停省时间。lr00.01是 SGD 初始学习率用 Adam 的话可以降到 0.001。augmentTrue会启用 mosaic、翻转、HSV 抖动等增强风筝数据背景单一增强能明显提升泛化。3.3 训练过程看什么指标什么时候该停训练日志里重点看三个box_loss、cls_loss、mAP50。box_loss 是边界框回归损失cls_loss 是分类损失两个都该随轮次下降。如果 box_loss 降到某个值就不动了可能是学习率太小或者标注框质量差。mAP50 是 IoU 阈值 0.5 下的平均精度风筝单类检测这个值到 0.85 以上算不错。我一般会在runs/kite/v8n_baseline/下看results.png曲线震荡大说明 batch 太小或学习率太高曲线平说明模型容量不够换 yolov8s 或 yolov8m。验证集 mAP 连续多轮不涨但训练集还在降就是过拟合加增强、加 dropout、或者减模型规模。反过来训练集都降不下去先查标注有没有错再查学习率是不是太大导致发散。这一步没有后悔药只能靠日志和可视化一点点排。4. 风筝检测的避坑记录标注、尺度与背景的五个真实翻车点4.1 现象训练 loss 正常但验证 mAP 极低原因VOC 和 YOLO 两套标注的类别索引不一致。VOC 里类别名是字符串YOLO 里是数字索引如果转换时按字母序排而 data.yaml 里 names 按另一个顺序写模型学到的类别就错位了。风筝数据集只有一类时不容易发现多类时直接崩。解决转换脚本里固定一个类别到索引的映射字典VOC 和 YOLO 共用同一份data.yaml 的 names 也从这份字典生成。跑之前用 2.3 的脚本抽查类别索引是否一致。4.2 现象小风筝漏检严重大风筝框不准原因风筝尺度跨度大640 分辨率下小目标只有十几个像素特征图下采样后信息几乎丢失。同时大目标在 640 下又被压缩边界回归精度下降。解决把imgsz提到 960 或 1280同时开启多尺度训练multi_scaleTrue。如果显存不够用rectTrue按长边缩放减少填充。另外可以在 data.yaml 里不改但在训练时加close_mosaic10最后 10 轮关掉 mosaic 增强让小目标回归更准。4.3 现象模型把云朵、飞鸟误检成风筝原因风筝背景大量是天空云朵边缘和风筝轮廓在低分辨率下相似。飞鸟和风筝在远距离下形状也接近。数据集中如果负样本无风筝的纯天空图太少模型没见过足够多的背景。解决往训练集里加一批纯天空、纯云、飞鸟的负样本图标注为空 txt。YOLO 支持空标注文件会当作背景学习。比例控制在正样本的 10% 到 20%。另外开启 HSV 增强让模型对颜色不敏感减少把白云当风筝的概率。4.4 现象训练到一半报 “No labels found”原因YOLO 的 labels 路径和 images 路径必须严格对应。比如images/train/abc.jpg对应labels/train/abc.txt。如果图片是.JPG大写而脚本找.jpg或者 labels 文件夹名写成label都会报这个错。解决用yolo detect train前先跑yolo detect val data...做一次数据检查它会打印找到多少张图、多少个标签。数量对不上就回去核对路径和扩展名。我习惯用find labels -name *.txt | wc -l和find images -type f | wc -l对比。4.5 现象验证集指标虚高实际推理一塌糊涂原因train/val 划分时按图片随机分但同一段视频或同一场景的连续帧被分到了两边验证集里出现了训练集近邻帧指标虚高。风筝数据集如果是从视频抽帧来的这个问题很常见。解决按场景或视频源划分同一来源的帧只进 train 或只进 val。如果数据集已经分好检查 val 里有没有和 train 高度相似的图用感知哈希或简单的像素差筛一遍。宁可 val 少一点也要保证它和 train 不同分布。5. 从 2260 张到可用模型提升风筝检测精度的三个进阶技巧5.1 用 K-means 重聚类 anchor 适配风筝尺度YOLOv8 虽然是无锚框设计但如果你用的是 YOLOv5 或想理解尺度分布对训练集标注做 K-means 聚类能得到适合风筝的 anchor 尺寸。做法是把所有 YOLO 标注的 w、h 拿出来聚成 9 类看聚类中心的分布。如果大部分框集中在 0.05 到 0.15 之间说明小目标为主训练时imgsz要相应提高。这个分析不直接改模型但能帮你判断该选哪个输入分辨率。import numpy as np from sklearn.cluster import KMeans wh [] with open(kite_dataset/YOLO/labels/train/list.txt) as f: for line in f: for row in open(line.strip()): _, _, _, w, h row.split() wh.append([float(w), float(h)]) wh np.array(wh) kmeans KMeans(n_clusters9, random_state0).fit(wh) print(anchor 宽高归一化:) print(kmeans.cluster_centers_)聚类中心里宽高都小于 0.1 的簇占比高就说明小目标多imgsz至少 960 起步。这个脚本跑一次几秒钟比盲目调参靠谱。5.2 用验证集混淆矩阵定位误检来源YOLOv8 训练完会在runs/kite/v8n_baseline/下生成confusion_matrix.png。单类检测的混淆矩阵只有两行两列预测为风筝、预测为背景对应真实为风筝、真实为背景。看右上角和左下角右上角是漏检左下角是误检。如果漏检多降conf阈值如果误检多升conf阈值或者加负样本。我一般会在验证时跑yolo detect val modelbest.pt conf0.25然后手动调 conf 看 mAP 曲线找拐点。5.3 导出 ONNX 做部署前的最后验证训练完的.pt权重在 PyTorch 环境里跑没问题但部署到 C 或边缘设备通常要转 ONNX。导出命令yolo export modelruns/kite/v8n_baseline/weights/best.pt formatonnx opset12 imgsz640导出后一定要用onnxruntime跑一张测试图和 PyTorch 的输出对比。我遇到过导出后输出维度对不上原因是imgsz和训练时不一致。ONNX 推理的预处理归一化、通道顺序必须和训练时完全一致否则结果全错。这一步没有捷径只能逐层对比输出。最后说个习惯我每次拿到新数据集先花半小时跑 2.3 的标注一致性脚本和 4.4 的数据检查再开始训练。这半小时能省掉后面几小时的无效调试。风筝数据集 2260 张不算大但标注质量如果过关跑一个可用的检测模型完全够。希望帮到你。本文还有配套的精品资源点击获取