简介这是一份面向YOLO系列目标检测学习者的手机图像数据集共593张带标注图像适合刚入门目标检测或需要快速验证模型效果的开发者使用。数据集已按训练与验证需求划分完毕可直接投入yolov5、yolov8、yolov9、yolov7、yolov10及yolo11等主流算法进行训练与测试省去自行采集与标注的繁琐环节。压缩包共1780个文件包含593个jpg图像、593个txt格式的YOLO标注、593个xml格式的VOC标注以及1个yaml配置文件整体约20.43MB。其中txt标注采用归一化中心点与宽高格式xml则保留VOC结构两种标签并存便于在不同框架间灵活切换。yaml文件可直接用于配置数据路径与类别信息帮助读者快速跑通训练流程。目前已有63人学习下载适合作为目标检测入门练手、算法对比实验或课程作业的轻量级数据支撑。1. 手机数据集跑 YOLO593 张带标签图像到底够不够用手上拿到一个yolo算法-手机数据集-593张图像带标签-手机.zip第一反应往往不是兴奋而是犯嘀咕593 张还全是手机拍的这能训出能用的检测模型吗我一开始也这么想。去年帮一个做二手手机质检的团队搭过类似规模的检测流程他们用手机在流水线工位上拍了六百来张目标就是识别屏幕划痕、边框磕碰、摄像头进灰这几类缺陷。当时最大的争议就是数据量——有人坚持要凑到三千张再开训有人觉得先跑一轮 baseline 看指标再说。最后我们用 593 张先跑通了全流程mAP0.5 到了 0.71虽然不算惊艳但足够支撑内部试用和后续迭代方向判断。这个标题里的关键词其实很明确YOLO 算法、手机数据集、593 张图像、带标签。它解决的不是“如何从零造一个 SOTA 模型”而是“手头就这么多手机拍的标注数据怎么把它变成能跑的检测器”。适合两类人一是刚接触 YOLO 训练、想拿一份真实小数据集练手的工程师二是业务侧已经有手机采集条件、需要快速验证检测可行性的团队。593 张不算多但带标签意味着省掉了最耗时的标注环节真正要花心思的是数据划分、增强策略和训练参数——这三件事决定了这批数据是被浪费还是被榨干。2. 593 张手机图像进 YOLO 之前先搞清楚数据长什么样2.1 解压后先做三件事看目录、数类别、查标注格式拿到压缩包别急着写训练脚本。我一般先解压到一个干净目录然后用几条命令把数据摸清楚。手机数据集常见的坑是图像文件名带空格或中文、标注格式混用有的 XML 有的 TXT、类别名前后有空格。这些在训练时不会报错但会让模型学出玄学行为。# 解压并进入目录 unzip yolo算法-手机数据集-593张图像带标签-手机.zip -d phone_dataset cd phone_dataset # 看目录结构确认 images 和 labels 是否分开 find . -maxdepth 2 -type d | sort # 统计图像数量确认是不是 593 张 find . -name *.jpg -o -name *.png | wc -l # 查看标注文件格式YOLO 通常是 .txt每行 class x_center y_center w h head -5 labels/$(ls labels | head -1)逻辑说明find用来确认目录层级很多数据集把图像和标签混在一起训练脚本会找不到对应文件。head看标注内容如果第一列是类别索引、后面四个是 0 到 1 之间的浮点数那就是标准 YOLO 格式如果看到annotation或object说明是 VOC XML需要先转换。参数上注意-maxdepth 2避免递归太深拖慢速度head -5只看前五行足够判断格式。2.2 类别分布决定你的训练策略593 张图像里如果只有一类目标那算是简单场景如果有五类以上每类可能就几十个实例这时候类别不平衡会直接反映在混淆矩阵上。我习惯用一段 Python 脚本把每个类别的实例数统计出来再决定要不要做重采样或加权。import os from collections import Counter label_dir labels class_counter Counter() image_with_target 0 for fname in os.listdir(label_dir): if not fname.endswith(.txt): continue path os.path.join(label_dir, fname) with open(path, r) as f: lines [l.strip() for l in f if l.strip()] if lines: image_with_target 1 for line in lines: cls_id int(line.split()[0]) class_counter[cls_id] 1 print(有目标的图像数:, image_with_target) print(各类别实例数:, dict(class_counter))逻辑说明这段脚本遍历所有标签文件统计每个类别出现的次数同时记录至少有一个目标的图像数量。如果image_with_target远小于 593说明大量图像是负样本背景图这时候训练时要控制负样本比例否则模型会偏向预测背景。参数上class_counter的键是类别索引你需要对照classes.txt或data.yaml里的类别名去映射。常见做法是实例数少于 100 的类别在增强时给它更高的复制概率或者用copy_paste这类增强手段补一补。2.3 划分训练集和验证集别用随机划分就完事手机数据集有个特点同一场景下连续拍摄的图像高度相似。如果直接随机划分验证集里很可能出现和训练集几乎一样的帧导致验证指标虚高。我一般会先按拍摄时间或文件名前缀分组再按组划分。如果数据里没有时间信息至少要用sklearn的分层划分保证每个类别在训练集和验证集里的比例接近。import os import random from sklearn.model_selection import train_test_split image_dir images label_dir labels all_images [f for f in os.listdir(image_dir) if f.endswith((.jpg, .png))] # 按文件名前缀分组假设前缀代表不同拍摄批次 groups {} for img in all_images: prefix img.split(_)[0] groups.setdefault(prefix, []).append(img) group_list list(groups.keys()) train_groups, val_groups train_test_split(group_list, test_size0.2, random_state42) train_images [img for g in train_groups for img in groups[g]] val_images [img for g in val_groups for img in groups[g]] print(训练集:, len(train_images), 验证集:, len(val_images))逻辑说明先按文件名前缀分组再对组做划分这样同一批次的图像不会同时出现在训练和验证里。test_size0.2对 593 张来说验证集大约 118 张够用但不宽裕。如果类别极度不平衡可以把train_test_split换成StratifiedGroupKFold但那个需要每个组有类别标签实现起来稍麻烦。我一般先跑一轮看验证指标是否合理如果验证 mAP 比训练 mAP 高很多大概率是划分泄漏了。3. 用 YOLOv8 在 593 张图上跑通第一个 baseline3.1 环境准备与数据配置文件YOLOv8 是目前小数据集上最容易跑通的版本之一安装简单对显存要求也不高。我一般用 conda 建一个干净环境避免和系统里的包冲突。数据配置文件data.yaml要写清楚路径、类别数和类别名这是训练脚本读取数据的入口。conda create -n yolo_phone python3.10 -y conda activate yolo_phone pip install ultralytics opencv-python scikit-learn# data.yaml path: ./phone_dataset train: images/train val: images/val nc: 3 names: [scratch, dent, dust]逻辑说明path是数据集根目录train和val是相对路径。nc是类别数必须和标注里的最大类别索引加一一致。names的顺序要和标注里的类别索引对应写反了模型会把划痕认成磕碰。参数上如果图像和标签不在同一级目录YOLOv8 默认会去images同级的labels找同名 txt所以目录结构最好是images/train和labels/train平行。3.2 训练命令与关键参数设置第一次跑不要一上来就调大 epoch先用小分辨率、少 epoch 验证流程通不通。我一般先用imgsz640、epochs50、batch16跑一轮看损失曲线和验证指标是否正常下降。yolo detect train \ datadata.yaml \ modelyolov8n.pt \ epochs50 \ imgsz640 \ batch16 \ lr00.01 \ patience10 \ projectruns/phone \ namebaseline逻辑说明modelyolov8n.pt是最小的预训练模型593 张图用 nano 版本足够用大模型反而容易过拟合。lr00.01是初始学习率小数据集上这个值比较稳如果损失震荡可以降到 0.005。patience10表示验证指标 10 轮不提升就早停避免浪费时间。project和name决定输出目录方便对比不同实验。常见做法是先用yolov8n跑通再根据指标决定要不要换yolov8s。3.3 看结果混淆矩阵和验证曲线怎么读训练结束后runs/phone/baseline目录下会有confusion_matrix.png、results.csv和val_batch0_pred.jpg。混淆矩阵是判断类别混淆最直接的工具对角线越深越好非对角线上的数字说明模型把 A 类认成了 B 类。如果某一类几乎全被认成背景说明该类实例太少或标注质量有问题。import pandas as pd import matplotlib.pyplot as plt df pd.read_csv(runs/phone/baseline/results.csv) df.columns df.columns.str.strip() plt.plot(df[epoch], df[train/box_loss], labeltrain_box_loss) plt.plot(df[epoch], df[val/box_loss], labelval_box_loss) plt.legend() plt.xlabel(epoch) plt.ylabel(loss) plt.savefig(loss_curve.png)逻辑说明results.csv里记录了每轮的损失和指标列名可能有空格先strip一下。训练损失和验证损失如果同步下降说明模型还在学习如果训练损失降但验证损失升就是过拟合需要加增强或减模型容量。参数上box_loss是边界框回归损失cls_loss是分类损失dfl_loss是分布焦点损失三个都要看不能只看总和。4. 小数据集训练避坑593 张图最容易翻车的五个地方4.1 现象验证 mAP 高得离谱实际测试一塌糊涂原因训练集和验证集划分时没有按场景分组同一场景的相似帧同时进了两边模型相当于在“背答案”。解决按文件名前缀或拍摄时间分组划分确保验证集里的场景在训练集里没出现过。如果数据里没有分组信息至少用GroupKFold按图像哈希聚类后再划分。4.2 现象训练到一半 loss 突然变成 NaN原因标注文件里有坐标超出 0 到 1 范围或者某个标注框宽高为 0。YOLO 在计算损失时会对这些异常值做除法直接炸掉。解决训练前用脚本扫一遍所有标签把x_center、y_center、w、h不在 (0,1] 范围内的行删掉或修正。常见做法是加一行断言assert 0 w 1 and 0 h 1。4.3 现象模型只预测背景所有框都不出来原因负样本比例太高或者nc设置和标注里的类别索引不匹配。593 张图里如果有一半是纯背景模型会学到“预测背景最安全”。解决检查data.yaml里的nc是否等于最大类别索引加一同时统计有目标的图像比例。如果负样本超过 30%训练时用fraction参数只取一部分负样本或者手动剔除一些纯背景图。4.4 现象小目标检测效果极差划痕几乎全漏原因手机拍摄的划痕在 640 分辨率下可能只有几个像素YOLO 的下采样倍数导致小目标特征丢失。解决把imgsz提到 1280或者用yolov8n-p2这种带 P2 检测头的变体。如果显存不够用multi_scale训练让模型适应不同尺度。我一般会先试 1280如果显存爆了再降到 1024 并开mosaic增强。4.5 现象训练速度极慢一张图要好几秒原因图像分辨率太高但batch设得太小或者数据加载时用了太多 CPU 做增强。解决先确认imgsz和batch的乘积是否超过显存如果没超但速度慢把workers调到 CPU 核数的一半。另外手机图像如果都是 4000x3000训练前统一缩放到 1280 长边能大幅减少 IO 时间。5. 把 593 张用到极致增强策略与迭代节奏5.1 小数据集增强不是越多越好而是要“像手机拍的”手机数据集有个天然优势你知道测试时的拍摄条件。增强策略应该模拟这些条件而不是随便加。我一般会开hsv_h0.015、hsv_s0.7、hsv_v0.4来模拟不同光照degrees10模拟手持角度偏差translate0.1模拟对焦偏移。但mosaic1.0在小数据集上要慎用它会把四张图拼在一起可能让划痕这种细长目标被截断。我通常先开mosaic0.5看验证指标再决定要不要调高。yolo detect train \ datadata.yaml \ modelyolov8n.pt \ epochs100 \ imgsz1280 \ batch8 \ lr00.005 \ hsv_h0.015 \ hsv_s0.7 \ hsv_v0.4 \ degrees10 \ translate0.1 \ mosaic0.5 \ mixup0.1 \ projectruns/phone \ nameaug_v1逻辑说明imgsz1280提升小目标召回batch8防止显存溢出。lr00.005比 baseline 更低因为增强后数据分布更复杂学习率太大会震荡。mixup0.1做少量图像混合增加泛化但不会过度模糊目标。参数上hsv_h是色调扰动幅度手机拍摄的白平衡变化一般不超过 0.015设太大反而失真。5.2 迭代节奏先保召回再提精度593 张图训出来的模型第一版不要追求高精度先看召回率。如果划痕这类关键缺陷漏检太多后面精度再高也没用。我一般会看val/recall曲线如果召回低于 0.6优先加数据或调低置信度阈值。等召回稳定在 0.8 以上再用conf阈值扫描找精度和召回的平衡点。from ultralytics import YOLO model YOLO(runs/phone/aug_v1/weights/best.pt) metrics model.val(datadata.yaml, conf0.25, iou0.5) print(mAP0.5:, metrics.box.map50) print(召回:, metrics.box.r)逻辑说明conf0.25是验证时的置信度阈值实际部署时可以调低到 0.15 换更高召回。iou0.5是判定预测框正确的 IoU 阈值小目标上可以降到 0.4 让匹配更宽松。参数上metrics.box.r是整体召回如果要看每个类别的召回用metrics.box.r_per_class。5.3 一个具体技巧用验证集反推标注质量593 张带标签的数据标注质量往往参差不齐。我习惯在训练后把验证集里预测置信度低但实际有目标的图像挑出来人工看一遍标注。如果发现标注框明显偏了或类别标错修正后重新训练通常能带来 3 到 5 个点的 mAP 提升。这个习惯帮我省过很多次“模型不行”的误判——其实是标注不行。import os from ultralytics import YOLO model YOLO(runs/phone/aug_v1/weights/best.pt) results model.predict(phone_dataset/images/val, conf0.1, saveTrue) # 找出预测框数量远少于标注框数量的图像 for r in results: img_name os.path.basename(r.path) pred_count len(r.boxes) label_path r.path.replace(images, labels).replace(.jpg, .txt) if os.path.exists(label_path): with open(label_path) as f: gt_count len([l for l in f if l.strip()]) if pred_count gt_count * 0.5: print(疑似漏检或标注问题:, img_name, 预测:, pred_count, 标注:, gt_count)逻辑说明用低置信度阈值跑预测对比预测框数量和标注框数量。如果预测远少于标注要么是模型漏检要么是标注里有大量错误框。把这类图像挑出来人工复核修正标注后重新训练。参数上conf0.1是为了尽量多召回预测框避免因为阈值太高而误判。这个技巧在 593 张规模上特别有效因为人工复核一百来张验证集是可行的。我自己的习惯是拿到任何小数据集先跑一轮 baseline再花半天时间做标注质检最后才调参。593 张图不算多但足够让你把 YOLO 训练的完整链路走一遍踩过的坑在更大数据集上一样会遇到。希望帮到你。本文还有配套的精品资源点击获取