企业官网建设流程全解析

| 进度条：学习第 16 天｜当前完成度：【16%】 |

📎今日速览：上午在LS标注平台因为导入格式不对卡了半天，终于搞懂了YOLO和COCO的关联，顺便投了几份简历等回复。

一、今日任务（完成+收获）

任务原文：理清YOLO与COCO数据格式的来源与关联，跑通LS平台的数据导入，并坚持投递简历找实战机会。

今日收获：

• 【YOLO格式】：模型训练最常用的“小纸条”。
  • 大白话：每张图配一个小.txt文件，坐标记的是“中心点 + 宽高”，而且全部除以图片长宽，变成了0~1的小数（相对比例）。
• 【COCO格式】：大型数据集最爱用的“大账本”。
  • 大白话：所有图共用一个annotations.json文件，坐标记的是“左上角 + 宽高”，是图片真实的绝对像素值。信息全，但也重。
• 【LS平台导入的硬道理】：标注平台极其“挑食”。你给的格式不符合它要的字段，它就给你甩脸色报错。
  

🖼️【图注：今日手写笔记截图 】

二、遇到哪些问题与没有透的

没吃透：COCO格式的annotations.json里具体的字段含义（比如area、iscrowd）还没有完全啃下来，打算明天实操看一眼。

三、问题的理解和解决方法

【坑1】怎么解决的：LS平台为什么死活导不进去？

【理解：用自己的话解释原因】
LS平台（Label Studio）就像一个只认特定图纸的质检员。我今天没搞清楚它导入要的JSON结构长啥样，随便丢了个文件进去，它识别不出来哪个是图片、哪个是框，所以直接卡死报错。

【办法：具体做了什么】
发现死活倒不进去后，我没有继续瞎试，而是停下来重新加固巩固了一遍前面的格式逻辑，把导出导入的流程重新跑了一遍。比对着官方文档要求，调整了JSON文件里的字段。顺好字段之后，终于导入成功。这也让我明白了，格式转换不只是理论，是实打实影响工作进度的拦路虎，尤其是导入环节比导出更卡人。

✅验证：项目流程重新跑通，框和类别在平台上正确显示了。

【坑2】怎么解决的：COCO数据集到底能不能直接训练YOLO？

【理解 + 办法】
YOLO是算法（解题方法），COCO是数据集（答案库）。YOLO模型通常只吃YOLO格式的数据。记住了铁律：COCO转YOLO才是训练YOLO时的常见操作！如果拿到的是COCO的json，要先转成YOLO的txt才能喂给模型。

【坑3】怎么解决的：坐标怎么无损转换？

【理解 + 办法】
说白了就是“单位换算”。YOLO是“比例尺”（图片全图当1算），COCO是“像素尺”（按真实大小算）。

• COCO转YOLO，就是除以图片宽高：x_center = (x_left + w/2) / 图片宽。
• YOLO转COCO，就是乘以图片宽高：x_left = x_center * 图片宽 - (w * 图片宽) / 2。
  自己拿纸画个宽1000、高500的框，套一遍公式就秒懂了。
  
  

🖼️【图注：Label Studio平台报错和修正后的截图 —— 记录一下这个抓狂的瞬间】

四、小结和下一步计划

小结：今天把YOLO和COCO的底层逻辑彻底理清了，但上午在LS平台导入文件时卡了很久，重新加固巩固跑了一遍才通。工具上的细节明天继续深挖。

✨高光时刻：纠正了以前笔记里“用COCO直接训练YOLO”的错误认知，成功把概念理顺并跑通了导入！

明天不搞复杂的，就聚焦工具的最新技术和求职维护：

📌3 行速记
· 做了：LS平台死磕导入，理清格式逻辑，投递简历。
· 学会：COCO是像素，YOLO是比例，平台导入要喂对格式。
· 卡住：LS平台导入死活进不去，反复跑流程加固。

我是卿卿，一个正在自学AI知识的小白，今天核心搞懂了目标检测里的“数据格式转换”。如果你也在学习，或者也在边投简历边摸索，欢迎来交流。