Skip to content

Latest commit

 

History

History
130 lines (100 loc) · 4.67 KB

yolo.md

File metadata and controls

130 lines (100 loc) · 4.67 KB

YOLO 数据格式

概述

YOLO（You Only Look Once）是一种流行的目标检测和实例分割算法，其数据格式被广泛用于训练和评估模型。YOLO格式使用简单的文本文件存储标注信息，每个图像对应一个标签文件。

核心特点

  • 每图一标签：每个图像（如 image.jpg）对应一个同名的 .txt 标签文件（如 image.txt）。
  • 归一化坐标：所有坐标值均归一化到 [0, 1] 区间，相对于图像的宽度和高度。
  • 独立的类别文件：类别名称存储在一个独立的文本文件（如 classes.names）中，每行一个类别。
  • 支持检测与分割：
    • 检测格式：使用边界框（bounding box）表示目标。
    • 分割格式：使用多边形（polygon）顶点表示目标的精确轮廓。

标签结构

标签文件（.txt）

标签文件是一个纯文本文件，每行代表图像中的一个标注实例。每行的格式取决于标注类型：

1. 检测格式（Bounding Box）

class_id x_center y_center width height
  • class_id：整数，表示目标的类别索引（从 0 开始）。
  • x_center：浮点数，边界框中心点的 x 坐标（归一化）。
  • y_center：浮点数，边界框中心点的 y 坐标（归一化）。
  • width：浮点数，边界框的宽度（归一化）。
  • height：浮点数，边界框的高度（归一化）。

归一化公式：

x_center = (x_min + width/2) / image_width
y_center = (y_min + height/2) / image_height
width = bbox_width / image_width
height = bbox_height / image_height

2. 分割格式（Polygon）

class_id x1 y1 x2 y2 ...
  • class_id：整数，表示目标的类别索引（从 0 开始）。
  • x1 y1 x2 y2 ...：一系列浮点数，表示多边形顶点的归一化坐标，顺序为 x1, y1, x2, y2, ...。
  • 至少需要 3 个点（6个坐标值）才能构成一个有效的多边形。

归一化公式：

x_i = original_x_i / image_width
y_i = original_y_i / image_height

类别文件（.names）

类别文件是一个纯文本文件，每行一个类别名称，顺序与 class_id 对应。

示例：

person
car
bicycle
traffic light

示例

示例图像

  • 图像文件：image.jpg（尺寸：640×480 像素）

检测格式示例

标签文件 image.txt：

0 0.512500 0.400000 0.175000 0.300000
1 0.200000 0.600000 0.100000 0.150000

解释：

  • 第一行：类别 0（person），中心点位于 (0.5125*640, 0.4*480) = (328, 192)，宽度 0.175*640=112，高度 0.3*480=144。
  • 第二行：类别 1（car），中心点位于 (0.2*640, 0.6*480) = (128, 288)，宽度 0.1*640=64，高度 0.15*480=72。

分割格式示例

标签文件 image.txt：

0 0.3 0.2 0.5 0.2 0.5 0.6 0.3 0.6

解释：

  • 类别 0（person），多边形顶点（归一化）：(0.3,0.2), (0.5,0.2), (0.5,0.6), (0.3,0.6)。
  • 对应原始坐标（640×480）：(192,96), (320,96), (320,288), (192,288)。

类别文件示例

classes.names：

person
car
bicycle
traffic light

坐标系统

归一化坐标

YOLO 使用归一化坐标，使标注与图像尺寸无关。归一化坐标的计算方式为：

normalized_x = original_x / image_width
normalized_y = original_y / image_height

边界框表示

  • 原始格式：[x_min, y_min, width, height]，其中 x_min, y_min 为左上角坐标。
  • YOLO 格式：[x_center, y_center, width, height]，均为归一化值。

多边形表示

  • 多边形顶点按顺序列出，形成闭合区域。
  • 坐标值必须为偶数个（每对表示一个点）。

注意事项

  1. 坐标范围：归一化坐标应在 [0, 1] 范围内，超出范围的坐标可能被截断或导致错误。
  2. 图像尺寸：在读取标签时通常需要图像的实际尺寸（宽度、高度）以进行坐标反归一化。
  3. 分割标注：分割格式要求至少 3 个点（6个坐标值）。如果点数不足，该标注可能被视为无效。
  4. 类别索引：class_id 必须与类别文件中的行号对应（从 0 开始计数）。如果索引超出范围，标注可能被忽略。
  5. 文件编码：建议使用 UTF-8 编码保存标签文件和类别文件，以确保兼容性。

参考