使用LLaMA-Factory微调Qwen2.5-VL-3B 的目标检测任务-数据集格式转换（voc 转 ShareGPT）

一、LLaMA-Factory + Qwen2.5-VL + ShareGPT 格式要求

ShareGPT 格式就是多轮对话的 list，每条数据如下：

[{"conversations": [{"from": "user", "value": "<image>\n请标注图片中的所有目标及其类别和位置。"},{"from": "assistant", "value": "[{\"category\": \"person\", \"bbox\": [50, 100, 200, 300]}]"}],"image": "相对路径/xxx.jpg"},...
]

注意：

• 字段是 "from" 而不是 "role"；

• 图片路径通常为相对路径，实际训练时配合 --image_folder 参数；

• 你可以有任意多轮（这里只做单轮QA，适合目标检测）。