当前位置：首页 > news >正文

YOLOV8的学习记录（三）训练各种模型所使用的数据格式区别

news 来源：原创 2025/5/19 7:58:00

在使用 YOLOv8 训练自己的数据以创建用于目标检测、实例分割、分类、姿态估计等不同任务的模型时，数据格式在图片类型和标签格式等方面既有相同点，也存在一些区别。

图片类型

对于目标检测、实例分割、分类和姿态估计任务，YOLOv8 支持的常见图片格式基本相同，如 JPEG（.jpg、.jpeg）、PNG（.png）等。这些格式是通用的图像格式，在不同任务中都可以使用。

• 特殊情况：通常情况下，图片的格式要求是一致的，但对于某些特殊的姿态估计场景，如果需要额外的深度信息等，可能会涉及到其他特殊格式的数据输入，但这种情况相对较少，一般的 RGB 图像格式就能满足大多数姿态估计任务的需求。

标签格式

• 目标检测： YOLOv8 的目标检测标签格式为每行代表一个目标，包含类别索引和边界框信息。

具体格式为：class x_center y_center width height，其中 class 是目标的类别索引（从 0 开始），x_center、y_center 是边界框中心点相对于图像宽度和高度的归一化坐标，width 和 height 是边界框宽度和高度相对于图像宽度和高度的归一化值。

例如，对于一张 640x640 的图像，有一个类别索引为 0 的目标，其边界框中心点坐标为 (320, 320)，宽度为 100，高度为 200，则对应的标签行应为：0 0.5 0.5 0.15625 0.3125。

• 实例分割：实例分割的标签除了类别信息外，还需要包含目标的轮廓信息。标签文件同样是每行代表一个目标，格式为：class x1 y1 x2 y2... xn yn，其中 class 是类别索引，后面跟着目标轮廓上一系列点的归一化坐标（x 和 y 交替出现）。

例如，一个类别索引为 1 的目标，其轮廓上有三个点 (100, 100)、(200, 100)、(150, 200)，对于一张 640x640 的图像，对应的标签行应为：1 0.15625 0.15625 0.3125 0.15625 0.234375 0.3125。

• 分类：分类任务的标签相对简单，通常每个图像对应一个标签文件（也可以使用 CSV 等表格形式），标签文件中只包含图像所属的类别名称或类别索引。

例如，如果使用文件夹结构进行分类数据组织，每个文件夹的名称就是该文件夹内所有图像的类别名称；如果使用标签文件，每行可以只写一个类别索引，如 0 表示图像属于第 0 类。

• 姿态估计：姿态估计的标签格式较为复杂，需要包含关键点的信息。标签文件通常包含每个目标的类别索引、关键点坐标以及关键点的可见性信息。

例如，对于一个人体姿态估计任务，假设每个人体有 17 个关键点，标签文件可能的格式为：class x1 y1 v1 x2 y2 v2... x17 y17 v17，其中 class 是类别索引，xi 和 yi 是第 i 个关键点的归一化坐标，vi 是该关键点的可见性（通常 0 表示不可见，1 表示可见）。

综上所述，虽然图片类型在不同任务中基本通用，但标签格式根据任务的不同有明显的差异，在准备数据时需要根据具体的任务需求进行相应的处理和标注。