【PYTHON-YOLOV8N】如何自定义数据集

【PYTHON-YOLOV8N】如何自定义数据集

• • • [一、核心前提：明确 YOLO 数据集格式](#一、核心前提：明确 YOLO 数据集格式)
    • [二、步骤 1：整理原始数据（图片）](#二、步骤 1：整理原始数据（图片）)
    • • [1. 文件夹结构（推荐）](#1. 文件夹结构（推荐）)
      • [2. 数据收集/筛选](#2. 数据收集/筛选)
    • [三、步骤 2：标注数据（生成 YOLO 格式标签）](#三、步骤 2：标注数据（生成 YOLO 格式标签）)
    • • [方式 1：手动标注（新手/小数据集，精准）](#方式 1：手动标注（新手/小数据集，精准）)
      • [方式 2：自动标注（大数据集/快速迭代，高效）](#方式 2：自动标注（大数据集/快速迭代，高效）)
    • [四、步骤 3：编写数据集配置文件（.yaml）](#四、步骤 3：编写数据集配置文件（.yaml）)
    • [五、步骤 4：验证数据集（避免训练报错）](#五、步骤 4：验证数据集（避免训练报错）)
    • • [1. 可视化验证](#1. 可视化验证)
      • [2. 基础检查项](#2. 基础检查项)
    • [六、步骤 5：使用自定义数据集训练 YOLOv8](#六、步骤 5：使用自定义数据集训练 YOLOv8)
    • 七、常见问题与解决方案
    • 总结

自定义适配 YOLO（以 YOLOv8 为例）的数据集是训练专属模型（如面部表情识别、特定目标检测）的核心步骤，核心遵循「数据整理 → 格式标注 → 配置文件编写 → 数据集划分」四步流程，以下是详细、可落地的操作指南：

一、核心前提：明确 YOLO 数据集格式

YOLO 要求数据集为「图片 + 标签文件」的一对一结构，且标签需满足归一化坐标格式，先明确规则：

文件类型	要求
图片文件	格式：JPG/PNG/BMP 等；命名：建议数字/字母（如 001.jpg、face_002.png）
标签文件	1. 与图片同名，后缀为 .txt（如 001.txt 对应 001.jpg）； 2. 每行格式：类别索引 归一化x中心 归一化y中心 归一化宽度 归一化高度； 3. 无标注的图片无需创建 .txt 文件
类别索引	从 0 开始连续编号（如表情识别：0=开心，1=悲伤，2=愤怒...）
归一化坐标	坐标值范围 0~1，公式： x中心 = (x1 + x2)/2 / 图片宽度 y中心 = (y1 + y2)/2 / 图片高度 宽度 = (x2 - x1)/图片宽度 高度 = (y2 - y1)/图片高度 （x1,y1 是框左上角，x2,y2 是框右下角）

二、步骤 1：整理原始数据（图片）

1. 文件夹结构（推荐）

先按「用途」划分数据集，创建统一的根目录（如 my_dataset），结构如下：

my_dataset/
├── images/          # 所有图片存放目录
│   ├── train/       # 训练集图片（占总数据 70~80%）
│   │   ├── 001.jpg
│   │   ├── 002.jpg
│   │   └── ...
│   ├── val/         # 验证集图片（占 10~15%）
│   └── test/        # 测试集图片（占 10~15%，可选）
└── labels/          # 所有标签文件存放目录（与 images 结构完全对应）
    ├── train/
    │   ├── 001.txt
    │   ├── 002.txt
    │   └── ...
    ├── val/
    └── test/

2. 数据收集/筛选

• 来源：自己拍摄、公开数据集（如 FER2013 表情、VOC/COCO 目标检测）、网络爬取；
• 筛选：删除模糊、无目标、重复的图片，保证数据质量；
• 统一尺寸（可选）：若图片尺寸差异大，可批量缩放到统一尺寸（如 640×640），减少训练时的尺寸适配成本。

三、步骤 2：标注数据（生成 YOLO 格式标签）

标注是核心环节，分「手动标注」和「自动标注」两种方式，按需选择：

方式 1：手动标注（新手/小数据集，精准）

用之前提到的 LabelImg/Labelme 工具，以 LabelImg 为例：

1. 激活虚拟环境，安装 LabelImg：

   activate about
   pip install labelimg -i https://pypi.tuna.tsinghua.edu.cn/simple

2. 启动 LabelImg，配置标注环境：

   labelimg

   • 点击「Open Dir」选择 my_dataset/images/train（先标训练集）；
   • 点击「Change Save Dir」选择 my_dataset/labels/train；
   • 左上角「View」→ 勾选「Auto Save Mode」（自动保存标签）；
   • 关键：点击「Format」→ 选择「YOLO」（切换标注格式为 YOLO）。

3. 开始标注：

   • 按 W 调出标注框，拖动鼠标框选目标（如人脸）；
   • 输入类别名称（如 happy），LabelImg 会自动映射为类别索引（需提前在 predefined_classes.txt 中配置类别列表，避免拼写错误）；
   • 按 D 切换下一张图片，重复标注。

详细的用法可以参考篇文章：https://blog.csdn.net/knighthood2001/article/details/125883343

方式 2：自动标注（大数据集/快速迭代，高效）

用 YOLO 预训练模型自动标注（如人脸检测用 yolov8n-face.pt，通用目标用 yolov8n.pt），大幅减少手动工作量，示例代码（以面部表情识别为例）：

from ultralytics import YOLO
import os
import cv2

# 1. 配置路径
img_dir = "my_dataset/images/train"  # 待标注图片目录
label_dir = "my_dataset/labels/train"  # 标签保存目录
os.makedirs(label_dir, exist_ok=True)

# 2. 加载预训练模型（按需选择：人脸/通用目标）
model = YOLO("yolov8n-face.pt")  # 人脸检测模型（表情识别先标人脸框）

# 3. 类别映射（根据你的需求定义，如表情：0=开心，1=悲伤，2=愤怒）
emotion_mapping = {"happy": 0, "sad": 1, "angry": 2}

# 4. 批量标注
for img_name in os.listdir(img_dir):
    if not img_name.endswith((".jpg", ".png")):
        continue
    # 读取图片
    img_path = os.path.join(img_dir, img_name)
    img = cv2.imread(img_path)
    h, w = img.shape[:2]  # 图片宽高（用于坐标归一化）
    
    # 模型预测（检测目标，如人脸）
    results = model(img, conf=0.5)  # conf=0.5 过滤低置信度框
    
    # 生成标签文件
    label_path = os.path.join(label_dir, img_name.replace(".jpg", ".txt"))
    with open(label_path, "w", encoding="utf-8") as f:
        for box in results[0].boxes:
            # 提取像素坐标（x1,y1,x2,y2）
            x1, y1, x2, y2 = box.xyxy.cpu().numpy()[0]
            # 转换为YOLO归一化坐标
            x_center = (x1 + x2) / 2 / w
            y_center = (y1 + y2) / 2 / h
            width = (x2 - x1) / w
            height = (y2 - y1) / h
            # 手动指定类别（自动标注仅标框，类别需手动/批量赋值，或结合分类模型）
            # 此处示例：假设当前图片是"开心"表情，类别索引为0
            class_idx = 0
            # 写入标签文件（保留6位小数）
            f.write(f"{class_idx} {x_center:.6f} {y_center:.6f} {width:.6f} {height:.6f}\n")

⚠️ 注意：自动标注后需抽查 10~20% 的标签，修正错误/漏标，保证数据质量。

四、步骤 3：编写数据集配置文件（.yaml）

YOLO 训练时需通过 .yaml 文件读取数据集路径和类别信息，创建 my_dataset.yaml（放在 my_dataset 根目录），示例如下：

# 1. 数据集根目录（绝对路径/相对路径，推荐绝对路径）
path: D:/projects/my_dataset  # 替换为你的数据集根目录
# 2. 训练/验证/测试集路径（相对于 path）
train: images/train
val: images/val
test: images/test  # 可选，若无测试集可注释

# 3. 类别数（必须与实际标注的类别数一致）
nc: 3
# 4. 类别名称（按索引顺序排列，与标注时的类别一一对应）
names:
  0: happy
  1: sad
  2: angry

✅ 关键检查：

• path 路径不能有中文/空格（避免训练时报错）；
• nc（类别数）必须准确（如表情识别有7类则 nc=7）；
• names 的顺序必须与标注时的类别索引一致（如索引0对应happy，就不能颠倒）。

五、步骤 4：验证数据集（避免训练报错）

标注和配置完成后，先验证数据集格式是否正确，避免训练时出现「找不到标签」「类别不匹配」等问题：

1. 可视化验证

用 YOLO 自带的可视化功能检查标注框：

from ultralytics import YOLO

# 加载预训练模型
model = YOLO("yolov8n.pt")
# 验证数据集（可视化前5张训练集图片）
results = model.val(data="my_dataset/my_dataset.yaml", split="train", save_json=False, plots=True)
# 运行后会在 runs/val 目录生成可视化图片，查看标注框是否与目标匹配

2. 基础检查项

• 图片和标签数量是否对应（训练集图片数 = 训练集标签数，无标注的图片除外）；
• 标签文件中是否有超出 0~1 范围的坐标（归一化错误）；
• .yaml 文件的 path 和类别信息是否正确。

六、步骤 5：使用自定义数据集训练 YOLOv8

验证无误后，即可用自定义数据集训练模型，命令如下（激活 about 环境后执行）：

# 基础训练命令
yolo detect train model=yolov8n.pt data=my_dataset/my_dataset.yaml epochs=50 batch=16 imgsz=640 device=cpu

参数说明：

• model=yolov8n.pt：用 YOLOv8 nano 轻量化模型（新手推荐，训练快）；
• data=...：指定你的数据集配置文件路径；
• epochs=50：训练轮数（小数据集可设 30~50，大数据集设 100+）；
• batch=16：批次大小（CPU 训练设 8/16，GPU 可设 32/64）；
• imgsz=640：输入图片尺寸（与标注时的图片尺寸匹配）；
• device=cpu：无 GPU 则用 CPU，有 GPU 改 device=0。

七、常见问题与解决方案

问题	原因	解决方案
训练时报「找不到标签文件」	图片和标签文件名不一致/路径配置错误	检查文件名（如 001.jpg ↔ 001.txt），核对 .yaml 的 path
标注框偏移/错位	归一化时图片宽高搞反（w/h 颠倒）	检查代码中 h, w = img.shape[:2]（shape 是 (高,宽,通道)）
类别预测错误	类别索引与 names 顺序不匹配	修正 .yaml 的 names 顺序，与标注索引一致
训练时 loss 为 NaN	标签中有无效值（如坐标>1）/图片损坏	清理无效标签/图片，重新标注

总结

自定义 YOLO 数据集的核心是「对齐格式」：

1. 按「images/labels → train/val/test」整理文件结构；
2. 保证标签文件的「归一化坐标 + 类别索引」符合 YOLO 规则；
3. 编写准确的 .yaml 配置文件；
4. 先验证再训练，减少报错概率。

小数据集（<1000张）推荐手动标注，大数据集优先用「自动标注 + 人工抽查」，既能提升效率，又能保证数据质量。