企业官网建设流程全解析

简介：本数据集面向公共场所安全监控、危险物品识别等计算机视觉任务，适合目标检测模型训练与算法验证，尤其适用于安防场景下的多类别物品检测研究。资源采用Pascal VOC与YOLO双格式标注，包含1431张jpg图片及对应的xml、txt标注文件，标注工具为labelImg，以矩形框方式完成六类目标标注：billete、knife、monedero、pistol、smartphone、tarjeta，总框数1497个，其中knife类别框数最多达1035个。压缩包为7z格式，共2000个文件，含1431个xml与569个txt，整体约126.77MB，目录结构清晰，便于直接接入主流检测框架进行训练与评估。目前已有330人学习下载，可为安防检测、危险品识别等课题提供现成的标注数据基础，帮助读者省去数据采集与标注环节，快速开展模型实验与效果对比。

1. 1431 张图、6 个类别：这份公共场所危险物品检测数据集到底能干什么

如果你正在找一份能直接跑通 YOLO 训练、又带 VOC 双格式标注的小规模危险物品数据集，这份 1431 张图片、6 个类别、1497 个标注框的资源值得先看一眼。它覆盖了 billete（纸币）、knife（刀具）、monedero（零钱包）、pistol（手枪）、smartphone（手机）、tarjeta（卡片）六类目标，全部用 labelImg 画矩形框，同时提供 Pascal VOC 的 xml 和 YOLO 的 txt 两套标注。换句话说，你不需要自己写格式转换脚本，拿到就能分别喂给 YOLOv5/v8 或者任何吃 VOC 的老框架。

它的定位很明确：不是那种几十万张的工业级数据集，而是一个能让你在单卡上几小时内跑完一轮实验的轻量包。适合做公共场所安检场景的原型验证、课堂演示、或者作为你自建数据集前的格式参考。1431 张的体量意味着你用它来验证数据增强策略、损失函数改动、或者 efficient head 这类结构微调时，迭代成本很低。但也要提前说清楚：类别分布并不均衡，knife 有 1035 个框，monedero 只有 18 个，这种长尾分布会直接影响训练时的类别权重设置，后面会专门讲怎么处理。

2. 拆开压缩包：VOC 与 YOLO 双格式的目录结构与字段含义

2.1 文件清单与命名规则

解压后你会看到 jpg 图片、对应的 xml 文件、以及同名的 txt 文件，三者数量都是 1431。另外还有一批 firc_ 开头的 txt 和一个「使用前必读.txt」。firc_ 系列通常是图片的分组或索引文件，具体用途以「使用前必读.txt」里的说明为准，不要想当然地当成标注文件去解析。图片命名没有统一前缀，所以划分训练集和验证集时不能靠文件名排序，得用脚本随机切分或者按 firc 分组切分。

VOC 格式的 xml 里，每个目标对应一个<object>节点，包含<name>、<bndbox>下的 xmin/ymin/xmax/ymax。YOLO 格式的 txt 每行是class_id x_center y_center width height，全部归一化到 0~1。两套标注的类别顺序必须一致，否则你混用时会出现类别错位。常见做法是先用脚本统计一遍两边的类别名和数量，确认对齐后再开始训练。

2.2 类别分布与长尾问题

knife 一类占了将近七成，monedero 和 tarjeta 加起来不到 50 个框。这种分布下，如果你直接用默认的类别权重训练，模型会强烈偏向 knife，小类别几乎学不到。我一般会先算一遍每个类别的框数，然后要么在 loss 里加类别权重，要么对小类别做过采样。YOLOv8 的cls损失本身不带自动加权，需要你自己在 dataset 的get_labels或者 sampler 里处理。

2.3 用脚本核对标注一致性

在训练之前，先跑一段校验脚本，确认每张图都有对应的 xml 和 txt，且类别 id 映射正确。下面这段代码遍历目录，输出缺失文件和类别统计：

import os from collections import Counter from xml.etree import ElementTree as ET img_dir = "images" xml_dir = "annotations_xml" txt_dir = "labels_yolo" imgs = {os.path.splitext(f)[0] for f in os.listdir(img_dir) if f.endswith(".jpg")} xmls = {os.path.splitext(f)[0] for f in os.listdir(xml_dir) if f.endswith(".xml")} txts = {os.path.splitext(f)[0] for f in os.listdir(txt_dir) if f.endswith(".txt")} print("缺失 xml:", imgs - xmls) print("缺失 txt:", imgs - txts) cls_counter = Counter() for f in os.listdir(xml_dir): if not f.endswith(".xml"): continue tree = ET.parse(os.path.join(xml_dir, f)) for obj in tree.findall("object"): cls_counter[obj.find("name").text] += 1 print("VOC 类别统计:", cls_counter)

这段脚本做了三件事：用集合差集找出缺标注的图片、遍历 xml 统计每个类别的框数、把结果打印出来。参数上只需要改三个目录路径。如果你发现某个类别在 VOC 和 YOLO 里的数量对不上，说明转换时出过错，得回去检查类别映射表。常见做法是把类别名按字母序排好，生成一个classes.txt，两边都用这个顺序。

3. 从 VOC 到 YOLO：转换脚本、类别映射与训练配置

3.1 自己写一遍转换脚本的必要性

虽然数据集已经提供了 YOLO 格式的 txt，但你还是应该自己写一遍转换脚本。原因有两个：一是你要确认类别 id 的映射顺序和你的data.yaml一致；二是你可能会做数据增强后再生成新的标注，那时候需要批量转换。下面是一个标准的 VOC 转 YOLO 脚本：

import os import xml.etree.ElementTree as ET classes = ["billete", "knife", "monedero", "pistol", "smartphone", "tarjeta"] cls_to_id = {c: i for i, c in enumerate(classes)} def convert(xml_path, out_path, img_w, img_h): tree = ET.parse(xml_path) root = tree.getroot() lines = [] for obj in root.findall("object"): name = obj.find("name").text if name not in cls_to_id: continue bbox = obj.find("bndbox") xmin = float(bbox.find("xmin").text) ymin = float(bbox.find("ymin").text) xmax = float(bbox.find("xmax").text) ymax = float(bbox.find("ymax").text) xc = (xmin + xmax) / 2.0 / img_w yc = (ymin + ymax) / 2.0 / img_h w = (xmax - xmin) / img_w h = (ymax - ymin) / img_h lines.append(f"{cls_to_id[name]} {xc:.6f} {yc:.6f} {w:.6f} {h:.6f}") with open(out_path, "w") as f: f.write("\n".join(lines))

关键参数是classes列表的顺序，它决定了 txt 里每行第一个数字代表哪个类别。img_w和img_h必须从对应 jpg 读取，不能硬编码，因为数据集里图片尺寸可能不统一。转换完成后，随便抽几张图用可视化脚本画框，确认坐标没有偏移。

3.2 data.yaml 与训练超参设置

YOLOv8 的data.yaml写法如下：

path: ./danger_dataset train: images/train val: images/val nc: 6 names: ["billete", "knife", "monedero", "pistol", "smartphone", "tarjeta"]

nc必须等于 6，names的顺序和转换脚本里的classes完全一致。训练时，针对长尾分布，我一般会把lr0设到 0.001 而不是默认的 0.01，因为小数据集上大学习率容易让模型只记住 knife。batch设 16 或 32，取决于你的显存。epochs可以先跑 100 轮看曲线，如果 val 的 mAP 在 50 轮后还在涨，再加到 200。

还有一个容易忽略的点：close_mosaic参数。默认是最后 10 轮关闭 mosaic 增强，但小数据集上 mosaic 会进一步加剧类别不平衡，因为 knife 的图片被拼来拼去，小类别更没机会。我通常会把close_mosaic设成 20 甚至 30，让模型在后半程看到更多原始分布。

3.3 训练命令与日志观察

yolo detect train data=data.yaml model=yolov8n.pt epochs=150 imgsz=640 batch=16 lr0=0.001 close_mosaic=20

跑起来之后，重点看三个指标：metrics/mAP50、metrics/mAP50-95、以及每个类别的metrics/mAP50分项。如果 knife 的 mAP 很高但 monedero 一直是 0，说明小类别完全没学到，需要回去加类别权重或者做过采样。日志里还会输出instances数量，确认每轮的训练实例数和你的标注总数对得上。

4. 避坑与排查：标注、类别与训练中的五个血泪教训

4.1 现象：训练时 loss 突然变 NaN

原因：学习率过大，或者某张图的标注框宽高为 0。这个数据集里 monedero 只有 18 个框，如果其中某个框的 xmax 等于 xmin，归一化后宽度为 0，YOLO 在计算 loss 时会出问题。

解决：在转换脚本里加一行判断，if xmax <= xmin or ymax <= ymin: continue，把无效框过滤掉。同时把lr0降到 0.001 以下再试。

4.2 现象：验证集 mAP 很高，但实际推理时框全偏了

原因：训练时用了 letterbox 填充，但推理时没有保持同样的预处理。YOLO 默认会做 letterbox，但如果你自己写推理脚本，忘了把坐标映射回原图尺寸，框就会整体偏移。

解决：直接用 ultralytics 的model.predict，它内部处理了坐标还原。如果必须自己写，记住 letterbox 的缩放比例和 padding 值，反算回去。

4.3 现象：类别 id 对不上，knife 被识别成 pistol

原因：VOC 的 xml 里类别名是字符串，YOLO 的 txt 里是数字 id。如果你手动改过classes.txt的顺序，但没重新生成 txt，就会错位。

解决：永远用同一个classes列表生成 txt 和data.yaml，不要中途改顺序。校验脚本里加一步：随机抽 10 张图，把 xml 的类别名和 txt 的 id 映射回去对比。

4.4 现象：小类别 monedero 和 tarjeta 的召回率始终为 0

原因：框数太少，模型在训练中几乎看不到正样本。加上 mosaic 增强后，小类别被进一步稀释。

解决：对小类别做过采样，把包含 monedero 和 tarjeta 的图片复制多份，或者在 dataloader 里给它们更高的采样权重。另一个办法是冻结 backbone，只训练 head，减少模型对小类别的遗忘。

4.5 现象：训练到一半显存爆了

原因：batch设太大，或者imgsz设成了 1280。1431 张图里有些图片分辨率较高，放大到 1280 后显存占用翻倍。

解决：先用imgsz=640跑通，确认流程没问题再尝试更大尺寸。如果显存不够，把batch降到 8，或者用yolov8n而不是yolov8m。

5. 进阶技巧：用分层采样和类别权重把长尾拉平

5.1 分层采样：让每个 batch 都见到小类别

YOLO 默认的 dataloader 是随机打乱，小类别可能连续几个 batch 都不出现。我一般会写一个自定义 sampler，保证每个 batch 里至少包含一张含 monedero 或 tarjeta 的图片。实现方式是按图片的类别标签分组，然后从每组轮流采样。下面是一个简化版：

import random from torch.utils.data import Sampler class BalancedSampler(Sampler): def __init__(self, labels, batch_size=16): self.batch_size = batch_size self.groups = {} for idx, lbls in enumerate(labels): key = tuple(sorted(set(lbls))) self.groups.setdefault(key, []).append(idx) self.keys = list(self.groups.keys()) def __iter__(self): while True: batch = [] for key in self.keys: if self.groups[key]: batch.append(random.choice(self.groups[key])) while len(batch) < self.batch_size: key = random.choice(self.keys) batch.append(random.choice(self.groups[key])) yield from batch[:self.batch_size] def __len__(self): return sum(len(v) for v in self.groups.values())

这段代码按类别组合分组，每个 batch 先从每组抽一张，不够的再随机补。参数batch_size要和训练时的 batch 一致。注意这个 sampler 是无限迭代的，需要配合max_steps或者epochs控制训练长度。

5.2 类别权重：在 loss 里给小类别加杠杆

YOLOv8 的v8DetectionLoss里，cls分支用的是 BCEWithLogitsLoss。你可以手动传入pos_weight，让 monedero 和 tarjeta 的损失权重更高。常见做法是按框数的倒数开根号来设权重：

把权重传给 loss 函数时，注意顺序要和data.yaml的names一致。如果不想改源码，也可以在数据集层面做重采样，效果类似但更简单。

5.3 验证方法：用混淆矩阵和 PR 曲线确认长尾是否改善

训练完之后，跑一遍yolo detect val，然后看混淆矩阵。如果 monedero 的列里大部分预测都落到 knife 或背景上，说明模型还是没学会区分。这时候可以进一步加大权重，或者把 monedero 的图片单独拿出来做一轮微调。PR 曲线里，小类别的曲线如果贴近坐标轴，说明召回率极低，需要继续调整采样策略。

从那以后我每次拿到这种长尾数据集，都会先跑一遍类别统计，把权重和采样策略定下来再开训，不然跑完 150 轮才发现小类别全灭，那才是真的后悔药都没得吃。希望这份拆解能帮到你，拿到数据后先校验、再转换、最后调采样，三步走完再开训，能省下不少返工时间。

本文还有配套的精品资源，点击获取