企业官网建设流程全解析

简介：本资源为面向目标检测学习者的YOLO海洋目标检测数据集，适用于需要真实场景海洋目标样本的算法训练与课程实践，可解决自建数据集标注成本高、格式转换繁琐的问题。压缩包共2000个文件，约23.38MB，包含1000张真实场景图片及对应标注，其中xml文件1000个、txt文件990个，另有yaml配置、py脚本与html说明文档，分别提供voc、coco和yolo三种格式标签，可直接接入YOLO系列模型训练。资源同时附赠数据集划分脚本与训练教程，支持按需生成训练集、验证集、测试集，并覆盖Windows与Linux环境搭建及训练案例，便于快速复现与迁移到自有数据。目前已有413人学习，适合具备一定深度学习基础、希望快速开展海洋目标检测实验的学生与开发者参考使用。

1. 拆开这个海洋目标检测数据集：1000 张图、三套标签、四个划分脚本

做海洋场景目标检测的同行大概都有过这种体验：模型在 COCO 上跑得挺欢，一换到海面、码头、养殖区就集体翻车，水面反光、目标尺度跨度大、背景纹理单一，全是玄学。这个资源包就是冲着这类场景来的——1000 张真实海洋场景图片，用 labelImg 标注，同时给了 VOC（xml）、COCO（json）、YOLO（txt）三种格式标签，分文件夹存放，拿到手不用自己转格式就能直接喂给 YOLO 系列。包里还塞了环境搭建、训练教程和四个划分脚本，覆盖 Windows 和 Linux 两套流程。适合谁？手上有海洋、海事、水面目标检测需求，又不想从零标数据、写转换脚本的从业者；新手可以照着教程走通全流程，熟手可以直接拿标签和划分脚本接进自己的训练管线。

2. 三种标签格式怎么选：VOC、COCO、YOLO 的坐标逻辑与转换关系

拿到一个数据集，第一件事不是急着训练，而是搞清楚三种标签格式各自在算什么。很多人训练报错、框画歪、mAP 上不去，根子就在坐标没对齐。这一章把三种格式的坐标定义、文件组织、适用场景讲透，再给出验证标签是否正确的可执行方法。

2.1 三种格式的坐标定义与文件组织

VOC 格式是每张图对应一个 xml 文件，核心节点是<bndbox>，里面存xmin、ymin、xmax、ymax，这四个值是绝对像素坐标，原点在图片左上角。xml 里还有<size>节点记录宽高，方便校验。它的好处是可读性强，labelImg 默认就存这个格式，缺点是文件多、解析慢。

COCO 格式把所有标注塞进一个 json 文件，images数组存图片信息，annotations数组存标注，categories存类别。标注里的bbox是[x, y, width, height]，注意这里是左上角坐标加宽高，不是右下角坐标，而且坐标是绝对像素值。COCO 还带area、iscrowd字段，做评估时用得上。

YOLO 格式是每张图一个 txt，每行一个目标，格式是class_id x_center y_center width height，后四个值全部是归一化到 0~1 的相对值，相对于图片宽高。class_id 从 0 开始，对应classes.txt或data.yaml里的类别顺序。这是 YOLO 训练直接吃的格式，也是三种里最容易写错的一种——忘了归一化、把中心点写成左上角，都是高频翻车点。

2.2 用脚本验证标签是否对得上图片

在动手训练前，我一般会先跑一段校验脚本，确认三件事：图片和标签文件名能一一对应、坐标没越界、归一化值都在 0~1 之间。下面这段针对 YOLO 格式，VOC 和 COCO 同理改解析逻辑即可。

import os import cv2 img_dir = "images" lbl_dir = "labels" bad = [] for name in os.listdir(img_dir): if not name.lower().endswith((".jpg", ".png", ".jpeg")): continue stem = os.path.splitext(name)[0] lbl_path = os.path.join(lbl_dir, stem + ".txt") if not os.path.exists(lbl_path): bad.append((name, "缺标签")) continue img = cv2.imread(os.path.join(img_dir, name)) h, w = img.shape[:2] with open(lbl_path) as f: for i, line in enumerate(f): parts = line.strip().split() if len(parts) != 5: bad.append((name, f"第{i}行字段数={len(parts)}")) continue cls, cx, cy, bw, bh = parts vals = list(map(float, [cx, cy, bw, bh])) if any(v < 0 or v > 1 for v in vals): bad.append((name, f"第{i}行归一化越界 {vals}")) # 还原像素框，检查是否超出图片边界 x1 = (float(cx) - float(bw) / 2) * w y1 = (float(cy) - float(bh) / 2) * h x2 = (float(cx) + float(bw) / 2) * w y2 = (float(cy) + float(bh) / 2) * h if x1 < -1 or y1 < -1 or x2 > w + 1 or y2 > h + 1: bad.append((name, f"第{i}行框越界 ({x1:.1f},{y1:.1f},{x2:.1f},{y2:.1f})")) print(f"共检查 {len(os.listdir(img_dir))} 张图，异常 {len(bad)} 条") for b in bad[:20]: print(b)

逻辑说明：先按文件名 stem 匹配图片和标签，缺标签直接记异常；再逐行解析 YOLO 标签，字段数不对、归一化值越界、还原成像素框后超出图片边界，都算问题。参数上img_dir和lbl_dir按你解压后的实际目录改，bad列表只打印前 20 条避免刷屏。跑完如果异常为 0，说明标签基本干净，可以进入划分环节；如果有越界框，多半是标注时框拖出了边界，需要回 labelImg 修。

2.3 三种格式互转时最容易错的地方

VOC 转 YOLO 时，归一化要除以图片宽高，而宽高要从 xml 的<size>里读，不能想当然用固定值。COCO 转 YOLO 时，bbox是左上角加宽高，要先算中心点cx = x + w/2，再归一化，顺序反了框就整体偏移。YOLO 转 VOC 时，要把归一化值乘回图片宽高，再算xmin = cx*w - bw*w/2，注意这里bw已经是归一化宽度，乘w才是像素宽。这三种转换我见过太多人栽在「中心点 vs 左上角」和「归一化 vs 绝对像素」这两组概念上，写转换脚本时建议每转完一批就抽几张可视化看一眼。

3. 划分脚本怎么用：train/val/test 与 ImageSets 两条路线

数据集划分看着简单，实际是个容易埋雷的环节。划分比例不对、随机种子没固定、图片和标签没同步搬移，都会导致训练时找不到标签或者验证集泄漏。这个包里给了四个脚本，覆盖了两种主流划分思路，这一章把每个脚本的用法、参数和适用场景讲清楚。

3.1 三个划分脚本的分工

包里的划分脚本大致分三类：训练集、验证集、测试集划分脚本（图片标签划分写入新文件夹）.py是把图片和对应标签一起复制到新的 train/val/test 文件夹，适合直接生成 YOLO 训练目录结构；训练集、验证集划分脚本（图片标签划分写入新文件夹）.py是它的两分版本，只分 train 和 val；split_train_val生成ImageSets下txt文件划分脚本.py走的是 VOC 那套 ImageSets 路线，只在ImageSets/Main/下生成train.txt、val.txt、test.txt，里面存的是文件名列表，不搬移原文件。train_list.txt则是已经生成好的一个示例列表，可以直接参考它的格式。

选哪条路线取决于你的训练框架。YOLOv5/v8 官方推荐的是images/train、images/val这种目录结构，用前两个脚本；如果你用的是早期 darknet 或者需要 ImageSets 的框架，用第三个脚本。

3.2 跑通三分划分脚本并检查结果

以三分脚本为例，典型用法是改脚本顶部的路径和比例参数，然后直接运行。下面是我一般会改的几个位置：

# 划分脚本关键参数（按实际解压路径修改） image_dir = "./images" # 原图目录 label_dir = "./labels" # YOLO 标签目录 output_dir = "./dataset_split" # 划分后输出根目录 train_ratio = 0.7 # 训练集比例 val_ratio = 0.2 # 验证集比例 test_ratio = 0.1 # 测试集比例 seed = 42 # 随机种子，固定后可复现

逻辑说明：脚本会先列出所有图片，按seed打乱，再按比例切分，然后把图片和同名标签一起复制到output_dir/train/images、output_dir/train/labels这样的子目录。参数上三个比例加起来必须等于 1，否则脚本可能报错或漏掉部分文件；seed固定是为了让每次划分结果一致，方便复现实验。跑完后建议用一条命令核对数量：

# 统计各子集图片数，确认比例符合预期 for d in train val test; do echo -n "$d images: "; ls dataset_split/$d/images | wc -l echo -n "$d labels: "; ls dataset_split/$d/labels | wc -l done

图片数和标签数必须相等，如果不等，说明有图片没有对应标签，或者标签文件名和图片名不一致（比如图片是.jpg标签是.JPG.txt），这类问题在 Windows 上尤其常见，因为文件名大小写不敏感但脚本里字符串比较是敏感的。

3.3 ImageSets 路线与 train_list.txt 的格式

如果你走 ImageSets 路线，脚本会在ImageSets/Main/下生成三个 txt，每行一个文件名（不带扩展名）。train_list.txt是包里的示例，格式通常是每行一个图片路径或文件名，具体取决于你的训练框架怎么读。用这条路线时要注意：ImageSets 只生成列表，不搬移文件，所以你的训练配置里要正确指向原始图片目录和标签目录，否则框架按列表找图会找不到。另外，ImageSets 路线下验证集和测试集的划分同样要固定 seed，不然每次跑出来的列表都不一样，实验没法对比。

提示：划分前先备份原始数据，脚本是复制不是移动，但万一路径写错覆盖了原目录就麻烦了。

4. 环境搭建与训练：Windows 和 Linux 两条线的关键差异

包里的教程分了 Windows 和 Linux 两个版本，还单独给了 Ubuntu 环境安装教程。这一章不逐字复述教程，而是把两条线里最容易卡住的地方拎出来——CUDA 版本匹配、依赖安装顺序、路径写法差异，这些才是决定你能不能一次跑通的关键。

4.1 Windows 线：CUDA、cuDNN 与 PyTorch 版本对齐

Windows 上搭 YOLO 环境，翻车最多的就是 CUDA 和 PyTorch 版本对不上。常见做法是先确认显卡驱动支持的 CUDA 最高版本（nvidia-smi右上角那个），然后去 PyTorch 官网找对应 CUDA 版本的安装命令。比如驱动支持 CUDA 11.8，就装cu118版本的 PyTorch，不要装成cu121，否则torch.cuda.is_available()会返回 False。

# 先看驱动支持的 CUDA 版本 nvidia-smi # 按官网给的命令装对应版本，例如 CUDA 11.8 pip install torch torchvision --index-url https://download.pytorch.org/whl/cu118 # 验证 python -c "import torch; print(torch.cuda.is_available(), torch.version.cuda)"

逻辑说明：nvidia-smi输出的 CUDA Version 是驱动能支持的最高版本，不是已安装版本；PyTorch 安装命令里的cu118要和它匹配或更低。验证时两个值都要看，is_available()为 True 且torch.version.cuda和你装的一致，才算成功。如果为 False，先别急着重装，检查是不是装了 CPU 版 PyTorch，或者环境变量里有多余的 CUDA 路径。

4.2 Linux 线：Ubuntu 依赖与虚拟环境隔离

Linux 线的教程从 Ubuntu 环境安装讲起，核心是依赖装全、环境隔离。我一般用 conda 建独立环境，避免和系统 Python 打架。关键依赖除了 PyTorch，还有opencv-python、pyyaml、tqdm、matplotlib，YOLOv5/v8 还需要requirements.txt里那一串。

# 建独立环境，指定 Python 版本 conda create -n yolo_sea python=3.9 -y conda activate yolo_sea # 装 PyTorch（按 CUDA 版本选） pip install torch torchvision --index-url https://download.pytorch.org/whl/cu118 # 装 YOLO 依赖 pip install -r requirements.txt # 验证 GPU 可用 python -c "import torch; print(torch.cuda.is_available())"

逻辑说明：Python 版本建议 3.8~3.10，太新可能有些依赖没轮子。requirements.txt在 YOLO 仓库根目录，装之前先cd进去。如果pip install卡在编译某个包，多半是缺系统库，Ubuntu 上常见的是libgl1、libglib2.0-0，用apt install补上。

4.3 用案例配置改自己的数据集

教程里给的是案例配置，改成自己的海洋数据集要动几个地方：data.yaml里的train、val、test路径指向划分后的目录，nc改成类别数，names改成类别名列表。nc和names长度必须一致，否则训练启动就报错。类别名要和标签里的 class_id 顺序对应，0 对应 names 第一个，1 对应第二个，错一个整个类别就乱了。

# data.yaml 示例 train: ./dataset_split/train/images val: ./dataset_split/val/images test: ./dataset_split/test/images nc: 3 names: ['ship', 'buoy', 'person']

逻辑说明：路径可以是相对路径也可以是绝对路径，相对路径是相对于训练脚本运行目录，容易搞错，建议先用绝对路径跑通再改相对。nc是类别数，names是类别名，两者必须对齐。改完可以先跑一个 epoch 看 loss 有没有正常下降，如果 loss 是 nan 或者不降，先回去查标签格式和类别对应。

5. 避坑与排查：训练前必须过的五道检查

这一章是我自己踩过的坑，也是带人时反复强调的检查项。每条按「现象 → 原因 → 解决」写，训练前过一遍能省下大量重跑时间。

5.1 现象：训练启动报「No labels found」

原因：YOLO 按图片路径推导标签路径，默认是把images替换成labels，如果你的目录结构不是这个约定，或者标签扩展名不是.txt，就找不到。解决：确认划分后的目录是images/train和labels/train这种平行结构，标签必须是.txt，文件名和图片 stem 完全一致。用 3.2 里的统计命令核对图片数和标签数是否相等。

5.2 现象：loss 一直不降或变成 nan

原因：常见是标签归一化值越界、类别 id 超出nc范围、学习率太大。解决：先跑 2.2 的校验脚本确认标签干净，再检查data.yaml的nc是否大于等于标签里出现的最大 class_id，最后把学习率调小一个量级试跑几个 epoch。海洋场景里如果目标特别小，还要检查输入分辨率是不是太小导致小目标特征丢失。

5.3 现象：验证集 mAP 高得离谱或低得离谱

原因：高得离谱多半是验证集和训练集有重叠（划分时没去重或 seed 没固定导致重复），低得离谱可能是验证集标签格式和训练集不一致。解决：划分时固定 seed，划分后比对 train 和 val 的文件名列表，确认没有交集；再抽查 val 的标签格式和 train 是否一致。海洋数据里同一段视频抽帧的图片很像，如果按帧划分，相邻帧会同时进 train 和 val，造成泄漏，建议按场景或时间段划分。

5.4 现象：Windows 上路径报错或中文乱码

原因：Windows 路径用反斜杠，Python 字符串里\是转义符；中文路径在某些库下编码不一致。解决：路径统一用正斜杠/或原始字符串r"..."，数据集目录尽量用英文，避免中文和空格。如果必须用中文路径，确认脚本文件本身是 UTF-8 编码。

5.5 现象：训练中途显存爆了

原因：batch size 太大、输入分辨率太高、模型太大。解决：先降 batch size 到 4 或 2 试跑，能跑通再往上加；输入分辨率从 640 起步，小目标多可以试 1280 但显存翻倍；模型从 yolov8n/s 这种小模型起步，跑通再换大的。海洋场景如果图片本身分辨率很高，预处理阶段先缩放到统一尺寸，别直接喂原图。

6. 进阶技巧：用混淆矩阵和可视化反查标注质量

训练跑通只是开始，真正决定模型上限的是标注质量。这一章讲两个我常用的反查手段：混淆矩阵定位类别混淆，可视化预测框定位漏标和错标。这两个手段配合用，能把数据集里的问题挖出来。

6.1 混淆矩阵怎么读才不误导

YOLO 训练完会在runs/下生成混淆矩阵图，横轴是预测类别，纵轴是真实类别，对角线是分对的，非对角线是分错的。但要注意，混淆矩阵的「总和」在不同版本里统计口径可能不一样，有的按检测框数，有的按图片数，所以别只看绝对值，看比例和分布。如果ship大量被预测成buoy，说明这两类在特征上太像，要么合并类别，要么补充区分性样本。如果某一类整行都是 0，说明这一类在验证集里根本没有样本，划分时漏了。

# 从验证结果里统计每类样本数，确认没有空类 import yaml from collections import Counter with open("data.yaml") as f: cfg = yaml.safe_load(f) names = cfg["names"] cnt = Counter() with open("dataset_split/val/labels/" + "".join([]) ) if False else None: pass import os for fn in os.listdir("dataset_split/val/labels"): with open(os.path.join("dataset_split/val/labels", fn)) as f: for line in f: cnt[int(line.split()[0])] += 1 for i, n in enumerate(names): print(f"{n}: {cnt.get(i, 0)} 个框")

逻辑说明：遍历验证集所有标签文件，统计每个 class_id 出现的次数，再映射回类别名。如果某类为 0，说明验证集里没有这个类，混淆矩阵那一行自然全空，评估结果不可信。参数上路径按实际划分目录改，names从data.yaml读，保证和训练时一致。

6.2 可视化预测框反查漏标

混淆矩阵看的是整体，定位具体问题要靠可视化。我一般会挑验证集里 loss 最高的几张图，把真实框和预测框画在一起对比。真实框有、预测框没有，可能是漏标；预测框有、真实框没有，可能是标错了或者模型误检。海洋场景里水面反光、浪花容易被误检成目标，这类图要重点看。

import cv2 def draw_boxes(img_path, label_path, color=(0, 255, 0)): img = cv2.imread(img_path) h, w = img.shape[:2] with open(label_path) as f: for line in f: cls, cx, cy, bw, bh = map(float, line.split()) x1 = int((cx - bw / 2) * w) y1 = int((cy - bh / 2) * h) x2 = int((cx + bw / 2) * w) y2 = int((cy + bh / 2) * h) cv2.rectangle(img, (x1, y1), (x2, y2), color, 2) return img # 用法：挑几张图，画真实框后保存，和预测结果对比 out = draw_boxes("dataset_split/val/images/xxx.jpg", "dataset_split/val/labels/xxx.txt") cv2.imwrite("check_xxx.jpg", out)

逻辑说明：把 YOLO 归一化标签还原成像素框画在图上，绿色是真实框。再拿模型预测结果画一遍（用不同颜色），两张图叠着看，就能定位漏标和误检。参数上color区分真实和预测，线宽 2 够看清。这个手段不依赖任何评估指标，纯靠眼睛，但对付标注问题最直接。

6.3 我自己的习惯

从那以后我每次拿到新数据集，都强制走一遍「校验脚本 → 划分 → 统计各类框数 → 可视化抽查」这四步，一步不省。海洋数据尤其如此，水面场景的标注一致性比陆地差很多，同一艘船不同标注员画的框可能差出一大截，不抽查根本发现不了。这套流程跑下来，训练翻车的概率能降一大半。希望帮到你。

本文还有配套的精品资源，点击获取