拓冰网站定制 
简介石头岩石检测与分割数据集面向计算机视觉研究者和工程师收录700余张真实场景岩石图片配套COCO格式标注可同时支撑目标检测、实例分割与语义分割等任务。压缩包共782个文件包括779张jpg图像与3个json标注文件整体体积约30.68MB便于快速下载与本地解压json中提供了边界框、类别及像素级掩码信息能灵活适配主流训练框架减少数据预处理成本。数据集覆盖不同光照、视角和背景下的岩石样本有助于增强模型泛化能力适合地质勘探、环境监测与矿物资源分析等应用方向。目前已有604人浏览学习对于正在入门或进阶目标检测/分割算法的开发者可作为高质量基准数据无需额外整理即可直接用于模型训练与效果验证。1. 石头rock检测分割数据集COCO 双标注检测和分割一次配齐“石头rock检测分割数据集”从名字就能看出它的价值同一批岩石图片既给目标检测用的 bbox又给语义分割用的 mask还统一成 COCO 标注格式。这种双标注组合在地质、矿业、建筑工地的视觉项目里并不多见——多数公开数据集要么只有检测框要么只有分割掩膜想对比两种任务效果得自己补一套标注费时还有标错的风险。这个包把两件事一次配齐意味着训练管线可以共用同一批图像做矿岩识别、碎石分选、边坡监测的团队能直接拿去跑。这份资源适合三类人需要快速验证岩石检测模型能不能落地的一线工程师做语义分割、想用同一份数据对比 mask 与 bbox 效果的算法同学以及刚接触 COCO 格式、想拿真实双标注数据练手的新手。下载之后先别急着进训练按下面顺序把格式、统计、可视化都过一遍再动手能省掉后面好几个小时的排错时间。2. 看懂 COCO 双标注目录结构、JSON 字段与两种分割编码2.1 目录结构拆解图片与标注文件怎么配对解压后典型的目录组织方式是这样的rock_dataset/ ├── annotations/ │ ├── instances_train.json │ ├── instances_val.json │ └── instances_test.json ├── train/ ├── val/ └── test/annotations目录下放的是三个 JSON 标注文件分别对应训练、验证、测试三个划分train/、val/、test/目录下放对应的图片。这里有一个容易搞混的点JSON 里的图片路径不一定和目录结构一致。有的数据集在 JSON 的file_name字段里只写文件名不带子目录有的写着train/rock_001.jpg这种带前缀的相对路径还有的干脆用train2017/这种 COCO 原版命名。我拿到这一类数据集第一步永远是打开 JSON 看file_name长什么样而不是凭目录名猜。你可以在解压目录下直接执行python -c import json; djson.load(open(annotations/instances_train.json)); print(d[images][0][file_name])如果输出只有文件名说明图片路径要靠代码拼接os.path.join(train, file_name)如果输出带了子目录拼接时就不要重复加。这里建议以 JSON 的file_name为唯一事实来源不要用自己扫目录得到的文件名去反查因为扫描结果通常带索引后缀或者编码问题容易错位。2.2 核心 JSON 字段images、annotations、categories 三者的关系COCO 格式的 JSON 顶层有三个数组images、annotations、categories。images里每个元素是图片信息关键字段是id、file_name、width、heightannotations里每个元素是一条目标标注关键字段是id、image_id、category_id、bbox、segmentation、area、iscrowdcategories里是类别定义通常只有id和name两个字段。对于这份岩石数据集来说几个字段需要重点理解字段类型对检测的意义对分割的意义bbox[x, y, width, height]左上角坐标 宽高像素单位一般不用但可用于面积比对segmentationlist或dict检测训练忽略polygon 坐标列表或 RLE 编码area浮点数评估时算 mAP 权重算 mask 面积可和 bbox 面积互相印证iscrowd0 或 1标记粘连目标是否参与训练同样影响训练样本是否被过滤segmentation字段有两种编码方式这是最容易踩坑的地方。如果它是list类型比如[[x1, y1, x2, y2, ...]]这是 polygon 格式每个子列表是一串扁平坐标表示一个多边形轮廓如果它是dict类型里面带counts和size两个键这是 RLE 格式是像素级的压缩编码。用图形标注工具比如 LabelMe 导出的一般是 polygon用像素级 mask 转换工具生成的多是 RLE。两者在后续转 YOLO 格式时的处理方式完全不同下一步验证时先只判断类型不做转换。2.3 先用 pycocotools 做标注体检能读是前提读对是目标拿到数据集先别急着写转换脚本用 COCO 官方提供的pycocotools库把 JSON 读一遍能发现一大批隐藏问题。这个库是 COCO 数据集的官方解析工具用pip install pycocotools安装Windows 上如果编译报错就装pycocotools-windows。from pycocotools.coco import COCO # 加载训练集标注 coco COCO(annotations/instances_train.json) # 类别信息 cats coco.loadCats(coco.getCatIds()) print(categories:, cats) # 图片数量和标注数量 img_ids coco.getImgIds() print(train images:, len(img_ids)) ann_ids coco.getAnnIds() print(total anns:, len(ann_ids)) # 看第一张图的标注长什么样 img coco.loadImgs(img_ids[0])[0] print(first image:, img[file_name], img[width], img[height]) first_anns coco.loadAnns(coco.getAnnIds(imgIdsimg[id])) for ann in first_anns[:3]: print(bbox:, ann[bbox], seg_type:, type(ann[segmentation]), crowd:, ann[iscrowd])这段代码的逻辑是先用COCO(json_path)把整个标注文件加载进内存然后通过getCatIds、getImgIds、getAnnIds三个接口拿索引再按索引取具体内容。type(ann[segmentation])这一行很关键它直接告诉你该数据集的 mask 是 polygon 还是 RLE后面写转换脚本时按这个类型走分支。参数说明getAnnIds()不传参数时返回全部标注的 ID传imgIds[...]按图片过滤loadAnns接收 ID 列表返回标注字典。加载阶段要确认三件事第一categories里是否只有 rock 一个类别第二是否有图片存在但没有任何标注这种图训练时会当背景数量过多会拉偏 loss第三segmentation类型是否统一。如果同一份 JSON 里既有 polygon 又有 RLE说明数据集可能是多个人分批标注后合并且没统一格式必须先统一才能转 YOLO。3. 转成 YOLO 格式检测与分割两套转换脚本3.1 为什么要转YOLO 训练器读的是 txt不是 jsonCOCO JSON 是集中式标注一张图片的所有标注存在同一个文件里按image_id索引。而 YOLO 系列的数据格式是分散式的每张图片对应一个同名.txt文件文件里每行是一条目标标注。Ultralytics YOLO 虽然提供了 COCO 格式转 YOLO 格式的脚本但它默认针对 COCO 官方数据集的目录命名放到这份岩石数据集上往往对不上路径自己动手写转换脚本反而更可控。转换的另一个原因是训练习惯问题。我接触的大多数做岩石视觉的团队检测和分割都在 Ultralytics YOLO 生态里跑因为这个框架把两种任务的训练命令收敛得几乎一致模型权重也互相兼容。用同一份 COCO 数据集分别转成检测 txt 和分割 txt对应训练yolov8s.pt和yolov8s-seg.pt两条线共用同一套图片只差标注文件对比实验非常干净。下面两个脚本我拆开写方便在同一个数据集上分别生成检测标注和分割标注。3.2 检测标注转换COCO bbox 归一化成 YOLO 中心点格式import json from pathlib import Path def coco_to_yolo_det(json_path, out_dir): with open(json_path, r, encodingutf-8) as f: coco json.load(f) # 把 COCO 的 category_id 映射到 0 开始的连续索引 cat_map {c[id]: idx for idx, c in enumerate(coco[categories])} images {img[id]: img for img in coco[images]} anns_by_img {} for ann in coco[annotations]: anns_by_img.setdefault(ann[image_id], []).append(ann) out_dir Path(out_dir) out_dir.mkdir(parentsTrue, exist_okTrue) for img_id, anns in anns_by_img.items(): img images[img_id] w, h img[width], img[height] lines [] for ann in anns: cls cat_map[ann[category_id]] x, y, bw, bh ann[bbox] # COCO bbox 是左上角宽高YOLO 需要中心点宽高 cx (x bw / 2) / w cy (y bh / 2) / h nw bw / w nh bh / h # 边界裁剪防止越界值导致训练报错 cx min(1.0, max(0.0, cx)) cy min(1.0, max(0.0, cy)) nw min(1.0, max(0.0, nw)) nh min(1.0, max(0.0, nh)) lines.append(f{cls} {cx:.6f} {cy:.6f} {nw:.6f} {nh:.6f}) txt_path out_dir / (Path(img[file_name]).stem .txt) txt_path.write_text(\n.join(lines), encodingutf-8) coco_to_yolo_det(annotations/instances_train.json, labels_det/train) coco_to_yolo_det(annotations/instances_val.json, labels_det/val)逻辑说明脚本先把它 COCO 的category_id通过enumerate(coco[categories])映射成从 0 开始的连续索引再按image_id把标注分组逐图写 txt。转换公式上COCO 的bbox是左上角坐标加宽高YOLO 需要的是归一化后的中心点坐标加归一化宽高所以cx x bw / 2后除以图片宽度。参数说明cat_map的构建方式决定了类别不会错位enumerate按 JSON 里categories数组的顺序生成 0、1、2这要求 JSON 里的categories顺序本身是有意义的如果原文件里类别 ID 不连续这个映射依然可靠因为它只依赖数组顺序。边界裁剪这段别删YOLO 训练时如果读到超出 [0,1] 的归一化坐标会直接报 all indices must be within the range 之类错误裁掉后最多损失几个像素精度不影响整体训练。3.3 分割标注转换polygon 坐标归一化与多段多边形处理import json from pathlib import Path def coco_to_yolo_seg(json_path, out_dir): with open(json_path, r, encodingutf-8) as f: coco json.load(f) cat_map {c[id]: idx for idx, c in enumerate(coco[categories])} images {img[id]: img for img in coco[images]} anns_by_img {} for ann in coco[annotations]: anns_by_img.setdefault(ann[image_id], []).append(ann) out_dir Path(out_dir) out_dir.mkdir(parentsTrue, exist_okTrue) for img_id, anns in anns_by_img.items(): img images[img_id] w, h img[width], img[height] lines [] for ann in anns: seg ann[segmentation] cls cat_map[ann[category_id]] if isinstance(seg, list): # polygon 格式取点数最多的多边形作为该目标的轮廓 best_poly max(seg, keylen) if len(seg) 0 else [] norm_coords [] for i in range(0, len(best_poly), 2): px min(w, max(0.0, best_poly[i])) / w py min(h, max(0.0, best_poly[i 1])) / h norm_coords.append(f{px:.6f}) norm_coords.append(f{py:.6f}) lines.append(f{cls} .join(norm_coords)) elif isinstance(seg, dict): # RLE 格式先用 pycocotools 还原 mask再取轮廓 from pycocotools import mask as mask_utils import numpy as np mask mask_utils.decode(seg) # 转 polygon 需要 cv2 或 skimage这里给一个走轮廓的常见做法 try: import cv2 contours, _ cv2.findContours( mask.astype(np.uint8), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) if len(contours) 0: continue contour max(contours, keylambda c: cv2.contourArea(c)) pts contour.flatten().tolist() norm_coords [] for i in range(0, len(pts), 2): norm_coords.append(f{pts[i] / w:.6f}) norm_coords.append(f{pts[i 1] / h:.6f}) lines.append(f{cls} .join(norm_coords)) except ImportError: print(RLE 转换需要 opencv-python请先安装) continue txt_path out_dir / (Path(img[file_name]).stem .txt) txt_path.write_text(\n.join(lines), encodingutf-8) coco_to_yolo_seg(annotations/instances_train.json, labels_seg/train) coco_to_yolo_seg(annotations/instances_val.json, labels_seg/val)逻辑说明这个脚本比检测转换复杂在两点。第一polygon 格式下一个segmentation的 list 里可能包含多个子多边形表示同一个目标被分成几段轮廓YOLO-seg 对多段多边形的支持并不好常见做法是取点数最多的那个子多边形这样至少保住目标的主体轮廓而不是把不相连的轮廓强拼成一个。第二RLE 格式没法直接写坐标需要先用mask_utils.decode还原成二值掩膜再用 OpenCV 的findContours提取外轮廓最后做归一化。参数说明max_poly max(seg, keylen)取的是点数最多的子多边形mask_utils.decode(seg)是 pycocotools 官方接口返回一个 H×W 的 0/1 数组cv2.RETR_EXTERNAL表示只提取最外层轮廓cv2.CHAIN_APPROX_SIMPLE压缩轮廓点数量减少 txt 体积。注意这里用try接住了cv2未安装的情况实际使用建议先把 opencv-python 装好再跑我因为漏装在这卡过半小时。3.4 转换后的文件自检转完之后不要直接开训先做三个快速检查。第一统计生成的 txt 数量是否与图片数量一致。如果不一致通常是有些图片没有标注、被漏写或者是file_name的 stem 重复导致文件覆盖。第二抽查几个 txt 文件检测格式每行应该是 5 列分割格式每行应该是「类别 偶数个坐标」列数不对基本就是 polygon 解析出了问题。第三看数值范围是否全部在 [0,1] 区间有大于 1 的值说明边界裁剪或归一化逻辑有漏洞。# 统计 txt 数量 find labels_det/train -name *.txt | wc -l # 抽查行数列数 head -n 3 labels_det/train/rock_001.txt head -n 3 labels_seg/train/rock_001.txt这一步做扎实了后面训练时的数据加载阶段基本不会因为标注格式翻车。4. 训练配置YOLOv8 检测与分割两条线怎么设4.1 数据 YAML类别映射和数据集路径Ultralytics YOLO 训练前需要一份 YAML 文件描述数据集的绝对路径、类别数量和类别名称。注意这个文件里写的train、val是路径前缀和标注 txt 的存放位置对应。# rock.yaml path: /data/rock_dataset train: images/train val: images/val test: images/test nc: 1 names: 0: rock这段配置说明了三件事path是整个数据集挂载的根目录训练时会自动和train、val拼接nc是类别数量这份数据集只有 rock 一类写 1names里的 0 必须和转换脚本里的索引对齐因为 YOLO 读取 txt 时第一列就是类别索引它不关心你在 JSON 里的原始类别 id 是多少。注意一个细节YOLO 默认找标注的路径是「图片路径同级下的labels目录」。也就是说如果train写的是images/train训练器会去找labels/train下的同名 txt。我看到不少人在这一步不理解把train直接写成labels_det/train导致训练器找不到标注。正确做法是图片保持images/train标注放在labels_det/train然后在命令里用--label-dir或者直接把转换后的目录命名为labels/train。为避免混淆我更推荐把转换输出目录直接命名为labels这样 YAML 不用额外参数。4.2 检测线yolo detect train 参数与调法yolo taskdetect modetrain \ modelyolov8s.pt \ datarock.yaml \ epochs100 \ imgsz640 \ batch16 \ device0 \ projectruns_det参数说明modelyolov8s.pt是预训练权重s 版本在岩石检测这种相对单一的场景里性价比最高显存有限就换yolov8n.pt想要更高精度上yolov8m.ptepochs100对于单类别的岩石检测通常够用前提是你没有在 60 轮左右看到 val loss 明显回升imgsz640是训练输入尺寸这份数据集如果图片分辨率普遍在 2000 以上建议先用第 6 章的统计脚本看目标占比分布如果目标较小再考虑imgsz1280但显存占用会翻到 2 到 4 倍。有一个点容易被忽略YOLOv8 的batch指单卡批次大小不设--batch时默认是 16如果你的显卡是 8GB 显存训练imgsz640时 16 可能直接 OOM把batch8甚至batch4。还有随机种子多跑几次对比实验时加上--seed 0防止随机性干扰结论。4.3 分割线yolo segment train 参数与调法yolo tasksegment modetrain \ modelyolov8s-seg.pt \ datarock.yaml \ epochs100 \ imgsz640 \ batch16 \ device0 \ projectruns_seg分割训练和检测训练唯一的硬性区别是tasksegment和modelyolov8s-seg.pt数据 YAML 可以共用同一份。yolov8s-seg.pt是带分割头的预训练权重它的后四行网络结构与检测版本不同不能用yolov8s.pt替代。如果显存吃紧分割任务比检测任务更耗内存因为中间要多算一层 mask 分支8GB 显卡建议直接batch8。这里要提醒一个问题旧版 YOLOv5 的分割模式不支持rect批处理但 YOLOv8 的 segment 默认也不会开 rect所以不要手动加--rect。如果你加了训练不会报错但会显著降低分割精度因为 mask 的标注在矩形批次裁剪时可能出现对齐问题。我实际测下来分割任务老老实实让训练器自己缩放是最稳的。4.4 训练中看哪些指标loss 曲线和 mAP 的关系训练过程中终端会持续打印指标检测线重点看mAP50、mAP50-95、precision、recall分割线额外看mask_mAP50、mask_mAP50-95。loss 曲线方面train/box_loss、train/cls_loss、train/dfl_loss是检测的三个主要项分割线还有train/seg_loss。我的判断习惯是前 30 轮如果mAP50还停留在个位数先怀疑是标注问题而不是模型问题回到第 3 章的自检步骤抽 10 张图确认 mask 是否贴合岩石边缘如果val/box_loss在第 70 轮后开始回升而train/box_loss还在下降这是过拟合信号处理方案是提前epochs70或者加weight_decay0.0005。岩石类目标纹理单一类别间差异小过拟合比一般场景来得早这是这个数据集比较特殊的地方。5. 避坑指南COCO 标注石头数据集的五个常见翻车点5.1 现象一segmentation 坐标与图片尺寸对不上训练时画的 mask 总是整体偏移或者面积明显大于真实岩石区域。转换脚本算出来的归一化坐标看起来也在 [0,1] 内但就是不对。原因最常见的是转换脚本里用了PIL读出的图片实际尺寸而标注坐标是以 JSON 里images字段的width、height为基准生成的。两边一旦不一致比如图片经过 EXIF 旋转、或者数据集发布前做过缩放但 JSON 没更新polygon 坐标就会整体错位。另一个次常见原因是分割标注和检测标注来自两条标注流水线本来就不对齐。解决转换和验证一律以 JSON 里的width、height为唯一基准不要用PIL重新读图。在第 2 章的验证脚本里顺手把 JSON 尺寸和实际图片尺寸做一次全量比对不一致的直接挑出来单独处理。从那以后我拿到 COCO 数据集的第一步必做这个尺寸核对救过好几回。5.2 现象二类别 id 从 0 还是从 1 开始检测训练完成后预测结果里类别名对不上rock 变成了其他类或者 loss 一直不收敛。原因COCO 的category_id习惯从 1 开始而 YOLO 的类别索引从 0 开始。如果转换脚本里直接拿ann[category_id]当 YOLO 类别索引写进 txt所有类别会整体偏一位。对单类数据集来说表现为类别索引变成 1 而不是 0nc1时训练器会直接忽略这条标注等于所有目标都没参与训练。解决用enumerate(coco[categories])构建映射字典让 COCO id 落到连续索引上。转换之后抽查一个 txt 文件确认第一列是 0 而不是 1。单类别数据最容易在这个问题上翻车因为现象很不直观。5.3 现象三RLE 标注解析失败加载 JSON 时报错报错信息指向segmentation的counts字段或者自己写的 RLE 解析代码输出乱码。原因RLE 分为两种一种是 unencoded 的数组形式一种是 compressed RLE 的 dict 形式。COCO 官方接口只认后者。有些数据导出工具会把像素级 mask 序列化成自定义的 base64 或二进制字符串直接塞进countspycocotools 解析就会报错或算错。解决不要自己写 RLE 解码直接用pycocotools.mask的decode、toBbox、frPyObjects这几个标准接口。如果annToMask报错先用mask_utils.frPyObjects(ann[segmentation], h, w)做一次对象规范化再交给decode。RLE 解析是分割任务里最不建议手搓的部分官方接口经过大量数据集验证比自己 debug 省力得多。5.4 现象四iscrowd1 的粘连物体被当成背景训练完成后的 mAP 不差但可视化时发现很多粘连在一起的岩石目标完全没有被预测出来。原因iscrowd1是 COCO 里专门标记「人群/密集粘连区域」的字段语义是这些区域里的单个目标难以分离因此不会单独为它们计算评估指标。很多数据集的标注工具会自动把难以区分的粘连块标成iscrowd1。岩石场景里碎石头相互堆叠正是这类标注的高发区。如果它们在 JSON 里占比很大等于这些样本根本没参与训练和评估。解决先统计iscrowd1的占比。如果比例低于 5%忽略即可如果超过 10%说明这批粘连样本本来就代表你的真实部署场景不能丢。处理办法是把所有ann[iscrowd]强制改成 0然后重新导出训练集。注意这种处理会让原本被屏蔽的粘连目标进入训练初期 mAP 反而会下降这是正常现象等模型学到了堆叠特征会回升。5.5 现象五mask 面积与 bbox 面积比例异常训练前可视化时发现有的 mask 面积比 bbox 面积还大有的 mask 面积接近为零而 bbox 正常。原因segmentation和bbox是两套独立标注时容易出现这种不一致。正常情况下 mask 面积应该小于等于 bbox 面积且二者比值不会低于 0.3比值接近 1 说明目标形状接近矩形比值小于 0.1 说明 mask 标注严重缩水多半是标注工具导出时某个环节丢了轮廓点。解决用第 6 章的统计脚本筛出面积比异常的样本逐张复查。如果异常样本集中在某几张图通常是标注质量问题建议人工修正或删除如果分散在全数据集更可能是转换脚本的缩放逻辑出了问题。6. 验证标注质量可视化与统计体检脚本6.1 画图bbox 与 mask 叠加到原图from pycocotools.coco import COCO import random import numpy as np from PIL import Image, ImageDraw coco COCO(annotations/instances_train.json) img_ids coco.getImgIds() sample_ids random.sample(img_ids, 8) for img_id in sample_ids: img_info coco.loadImgs(img_id)[0] img Image.open(img_info[file_name]).convert(RGB) ann_ids coco.getAnnIds(imgIdsimg_id) anns coco.loadAnns(ann_ids) overlay img.copy() draw ImageDraw.Draw(img, RGBA) for ann in anns: x, y, w, h ann[bbox] draw.rectangle([x, y, x w, y h], outline(255, 0, 0, 255), width3) mask coco.annToMask(ann) color_mask Image.new(RGBA, img.size, (0, 200, 0, 140)) mask_img Image.fromarray((mask * 255).astype(uint8)).convert(L) overlay.paste(Image.composite(color_mask, overlay, mask_img), (0, 0), mask_img) preview Image.blend(img, overlay, 0.4) preview.save(fcheck_{img_id}.jpg)逻辑说明coco.annToMask(ann)是官方最可靠的 mask 还原接口不管是 polygon 还是 RLE 都会转成 H×W 的二值数组。把 bbox 画成红色框mask 画成半透明绿色遮罩保存后逐张看。随机抽样覆盖整个数据集而不是只看前几张避免目录顺序带来的偏差。参数说明random.sample(img_ids, 8)里 8 可改第一次检查建议 20 张以上Image.blend的 0.4 决定透明程度数值越大遮罩越实。6.2 统计类别分布和面积分布from pycocotools.coco import COCO from collections import Counter import numpy as np coco COCO(annotations/instances_train.json) anns coco.dataset[annotations] cat_names {c[id]: c[name] for c in coco.dataset[categories]} cat_count Counter(cat_names[ann[category_id]] for ann in anns) print(类别分布:, dict(cat_count)) widths, heights [], [] for img in coco.dataset[images]: widths.append(img[width]) heights.append(img[height]) print(图片尺寸均值:, int(np.mean(widths)), int(np.mean(heights))) area_ratios [] for ann in anns: img_info coco.loadImgs(ann[image_id])[0] img_area img_info[width] * img_info[height] area_ratios.append(ann[area] / img_area) print(目标面积占比 中位数:, np.median(area_ratios)) mask_bbox_ratios [] for ann in anns: mask_area coco.annToArea(ann) x, y, w, h ann[bbox] bbox_area w * h if bbox_area 0: mask_bbox_ratios.append(mask_area / bbox_area) print(mask/bbox 面积比在 [0.4, 1.0] 内的占比:, np.mean([0.4 r 1.0 for r in mask_bbox_ratios]))逻辑说明四个统计量分别回答四个问题——类别是否均衡、整体图片分辨率、目标在画面中的尺度、mask 与 bbox 的一致性。参数说明coco.annToArea(ann)计算的是分割面积官方接口不区分 polygon 和 RLEmask/bbox 面积比在 0.4 到 1.0 之间属于正常范围低于 0.4 的样本要重点复查。面积占比中位数如果小于 0.05说明这张数据集里目标偏小训练时imgsz建议往 1280 靠而不是盲目用 640。这份体检脚本我每个 COCO 数据集都会跑一遍它不解决训练问题但它能把标注里的地雷提前排掉。最典型的一次是某个数据集的验证集标注文件实际是空的训练时 mAP 一直在 0 附近我当时第一反应是模型问题调了两天参才发现是验证集标准错乱。从那以后我要求自己任何标注数据进训练管线之前先跑一遍可视化和统计体检再谈模型、损失函数这些东西。流程虽然多花二十分钟但能把后面几天的排错时间都省回来希望这套检查流程也能帮到你。本文还有配套的精品资源点击获取 COCO岩石双标注数据集转YOLO格式实战：检测与分割一次搞定
简介石头岩石检测与分割数据集面向计算机视觉研究者和工程师收录700余张真实场景岩石图片配套COCO格式标注可同时支撑目标检测、实例分割与语义分割等任务。压缩包共782个文件包括779张jpg图像与3个json标注文件整体体积约30.68MB便于快速下载与本地解压json中提供了边界框、类别及像素级掩码信息能灵活适配主流训练框架减少数据预处理成本。数据集覆盖不同光照、视角和背景下的岩石样本有助于增强模型泛化能力适合地质勘探、环境监测与矿物资源分析等应用方向。目前已有604人浏览学习对于正在入门或进阶目标检测/分割算法的开发者可作为高质量基准数据无需额外整理即可直接用于模型训练与效果验证。1. 石头rock检测分割数据集COCO 双标注检测和分割一次配齐“石头rock检测分割数据集”从名字就能看出它的价值同一批岩石图片既给目标检测用的 bbox又给语义分割用的 mask还统一成 COCO 标注格式。这种双标注组合在地质、矿业、建筑工地的视觉项目里并不多见——多数公开数据集要么只有检测框要么只有分割掩膜想对比两种任务效果得自己补一套标注费时还有标错的风险。这个包把两件事一次配齐意味着训练管线可以共用同一批图像做矿岩识别、碎石分选、边坡监测的团队能直接拿去跑。这份资源适合三类人需要快速验证岩石检测模型能不能落地的一线工程师做语义分割、想用同一份数据对比 mask 与 bbox 效果的算法同学以及刚接触 COCO 格式、想拿真实双标注数据练手的新手。下载之后先别急着进训练按下面顺序把格式、统计、可视化都过一遍再动手能省掉后面好几个小时的排错时间。2. 看懂 COCO 双标注目录结构、JSON 字段与两种分割编码2.1 目录结构拆解图片与标注文件怎么配对解压后典型的目录组织方式是这样的rock_dataset/ ├── annotations/ │ ├── instances_train.json │ ├── instances_val.json │ └── instances_test.json ├── train/ ├── val/ └── test/annotations目录下放的是三个 JSON 标注文件分别对应训练、验证、测试三个划分train/、val/、test/目录下放对应的图片。这里有一个容易搞混的点JSON 里的图片路径不一定和目录结构一致。有的数据集在 JSON 的file_name字段里只写文件名不带子目录有的写着train/rock_001.jpg这种带前缀的相对路径还有的干脆用train2017/这种 COCO 原版命名。我拿到这一类数据集第一步永远是打开 JSON 看file_name长什么样而不是凭目录名猜。你可以在解压目录下直接执行python -c import json; djson.load(open(annotations/instances_train.json)); print(d[images][0][file_name])如果输出只有文件名说明图片路径要靠代码拼接os.path.join(train, file_name)如果输出带了子目录拼接时就不要重复加。这里建议以 JSON 的file_name为唯一事实来源不要用自己扫目录得到的文件名去反查因为扫描结果通常带索引后缀或者编码问题容易错位。2.2 核心 JSON 字段images、annotations、categories 三者的关系COCO 格式的 JSON 顶层有三个数组images、annotations、categories。images里每个元素是图片信息关键字段是id、file_name、width、heightannotations里每个元素是一条目标标注关键字段是id、image_id、category_id、bbox、segmentation、area、iscrowdcategories里是类别定义通常只有id和name两个字段。对于这份岩石数据集来说几个字段需要重点理解字段类型对检测的意义对分割的意义bbox[x, y, width, height]左上角坐标 宽高像素单位一般不用但可用于面积比对segmentationlist或dict检测训练忽略polygon 坐标列表或 RLE 编码area浮点数评估时算 mAP 权重算 mask 面积可和 bbox 面积互相印证iscrowd0 或 1标记粘连目标是否参与训练同样影响训练样本是否被过滤segmentation字段有两种编码方式这是最容易踩坑的地方。如果它是list类型比如[[x1, y1, x2, y2, ...]]这是 polygon 格式每个子列表是一串扁平坐标表示一个多边形轮廓如果它是dict类型里面带counts和size两个键这是 RLE 格式是像素级的压缩编码。用图形标注工具比如 LabelMe 导出的一般是 polygon用像素级 mask 转换工具生成的多是 RLE。两者在后续转 YOLO 格式时的处理方式完全不同下一步验证时先只判断类型不做转换。2.3 先用 pycocotools 做标注体检能读是前提读对是目标拿到数据集先别急着写转换脚本用 COCO 官方提供的pycocotools库把 JSON 读一遍能发现一大批隐藏问题。这个库是 COCO 数据集的官方解析工具用pip install pycocotools安装Windows 上如果编译报错就装pycocotools-windows。from pycocotools.coco import COCO # 加载训练集标注 coco COCO(annotations/instances_train.json) # 类别信息 cats coco.loadCats(coco.getCatIds()) print(categories:, cats) # 图片数量和标注数量 img_ids coco.getImgIds() print(train images:, len(img_ids)) ann_ids coco.getAnnIds() print(total anns:, len(ann_ids)) # 看第一张图的标注长什么样 img coco.loadImgs(img_ids[0])[0] print(first image:, img[file_name], img[width], img[height]) first_anns coco.loadAnns(coco.getAnnIds(imgIdsimg[id])) for ann in first_anns[:3]: print(bbox:, ann[bbox], seg_type:, type(ann[segmentation]), crowd:, ann[iscrowd])这段代码的逻辑是先用COCO(json_path)把整个标注文件加载进内存然后通过getCatIds、getImgIds、getAnnIds三个接口拿索引再按索引取具体内容。type(ann[segmentation])这一行很关键它直接告诉你该数据集的 mask 是 polygon 还是 RLE后面写转换脚本时按这个类型走分支。参数说明getAnnIds()不传参数时返回全部标注的 ID传imgIds[...]按图片过滤loadAnns接收 ID 列表返回标注字典。加载阶段要确认三件事第一categories里是否只有 rock 一个类别第二是否有图片存在但没有任何标注这种图训练时会当背景数量过多会拉偏 loss第三segmentation类型是否统一。如果同一份 JSON 里既有 polygon 又有 RLE说明数据集可能是多个人分批标注后合并且没统一格式必须先统一才能转 YOLO。3. 转成 YOLO 格式检测与分割两套转换脚本3.1 为什么要转YOLO 训练器读的是 txt不是 jsonCOCO JSON 是集中式标注一张图片的所有标注存在同一个文件里按image_id索引。而 YOLO 系列的数据格式是分散式的每张图片对应一个同名.txt文件文件里每行是一条目标标注。Ultralytics YOLO 虽然提供了 COCO 格式转 YOLO 格式的脚本但它默认针对 COCO 官方数据集的目录命名放到这份岩石数据集上往往对不上路径自己动手写转换脚本反而更可控。转换的另一个原因是训练习惯问题。我接触的大多数做岩石视觉的团队检测和分割都在 Ultralytics YOLO 生态里跑因为这个框架把两种任务的训练命令收敛得几乎一致模型权重也互相兼容。用同一份 COCO 数据集分别转成检测 txt 和分割 txt对应训练yolov8s.pt和yolov8s-seg.pt两条线共用同一套图片只差标注文件对比实验非常干净。下面两个脚本我拆开写方便在同一个数据集上分别生成检测标注和分割标注。3.2 检测标注转换COCO bbox 归一化成 YOLO 中心点格式import json from pathlib import Path def coco_to_yolo_det(json_path, out_dir): with open(json_path, r, encodingutf-8) as f: coco json.load(f) # 把 COCO 的 category_id 映射到 0 开始的连续索引 cat_map {c[id]: idx for idx, c in enumerate(coco[categories])} images {img[id]: img for img in coco[images]} anns_by_img {} for ann in coco[annotations]: anns_by_img.setdefault(ann[image_id], []).append(ann) out_dir Path(out_dir) out_dir.mkdir(parentsTrue, exist_okTrue) for img_id, anns in anns_by_img.items(): img images[img_id] w, h img[width], img[height] lines [] for ann in anns: cls cat_map[ann[category_id]] x, y, bw, bh ann[bbox] # COCO bbox 是左上角宽高YOLO 需要中心点宽高 cx (x bw / 2) / w cy (y bh / 2) / h nw bw / w nh bh / h # 边界裁剪防止越界值导致训练报错 cx min(1.0, max(0.0, cx)) cy min(1.0, max(0.0, cy)) nw min(1.0, max(0.0, nw)) nh min(1.0, max(0.0, nh)) lines.append(f{cls} {cx:.6f} {cy:.6f} {nw:.6f} {nh:.6f}) txt_path out_dir / (Path(img[file_name]).stem .txt) txt_path.write_text(\n.join(lines), encodingutf-8) coco_to_yolo_det(annotations/instances_train.json, labels_det/train) coco_to_yolo_det(annotations/instances_val.json, labels_det/val)逻辑说明脚本先把它 COCO 的category_id通过enumerate(coco[categories])映射成从 0 开始的连续索引再按image_id把标注分组逐图写 txt。转换公式上COCO 的bbox是左上角坐标加宽高YOLO 需要的是归一化后的中心点坐标加归一化宽高所以cx x bw / 2后除以图片宽度。参数说明cat_map的构建方式决定了类别不会错位enumerate按 JSON 里categories数组的顺序生成 0、1、2这要求 JSON 里的categories顺序本身是有意义的如果原文件里类别 ID 不连续这个映射依然可靠因为它只依赖数组顺序。边界裁剪这段别删YOLO 训练时如果读到超出 [0,1] 的归一化坐标会直接报 all indices must be within the range 之类错误裁掉后最多损失几个像素精度不影响整体训练。3.3 分割标注转换polygon 坐标归一化与多段多边形处理import json from pathlib import Path def coco_to_yolo_seg(json_path, out_dir): with open(json_path, r, encodingutf-8) as f: coco json.load(f) cat_map {c[id]: idx for idx, c in enumerate(coco[categories])} images {img[id]: img for img in coco[images]} anns_by_img {} for ann in coco[annotations]: anns_by_img.setdefault(ann[image_id], []).append(ann) out_dir Path(out_dir) out_dir.mkdir(parentsTrue, exist_okTrue) for img_id, anns in anns_by_img.items(): img images[img_id] w, h img[width], img[height] lines [] for ann in anns: seg ann[segmentation] cls cat_map[ann[category_id]] if isinstance(seg, list): # polygon 格式取点数最多的多边形作为该目标的轮廓 best_poly max(seg, keylen) if len(seg) 0 else [] norm_coords [] for i in range(0, len(best_poly), 2): px min(w, max(0.0, best_poly[i])) / w py min(h, max(0.0, best_poly[i 1])) / h norm_coords.append(f{px:.6f}) norm_coords.append(f{py:.6f}) lines.append(f{cls} .join(norm_coords)) elif isinstance(seg, dict): # RLE 格式先用 pycocotools 还原 mask再取轮廓 from pycocotools import mask as mask_utils import numpy as np mask mask_utils.decode(seg) # 转 polygon 需要 cv2 或 skimage这里给一个走轮廓的常见做法 try: import cv2 contours, _ cv2.findContours( mask.astype(np.uint8), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) if len(contours) 0: continue contour max(contours, keylambda c: cv2.contourArea(c)) pts contour.flatten().tolist() norm_coords [] for i in range(0, len(pts), 2): norm_coords.append(f{pts[i] / w:.6f}) norm_coords.append(f{pts[i 1] / h:.6f}) lines.append(f{cls} .join(norm_coords)) except ImportError: print(RLE 转换需要 opencv-python请先安装) continue txt_path out_dir / (Path(img[file_name]).stem .txt) txt_path.write_text(\n.join(lines), encodingutf-8) coco_to_yolo_seg(annotations/instances_train.json, labels_seg/train) coco_to_yolo_seg(annotations/instances_val.json, labels_seg/val)逻辑说明这个脚本比检测转换复杂在两点。第一polygon 格式下一个segmentation的 list 里可能包含多个子多边形表示同一个目标被分成几段轮廓YOLO-seg 对多段多边形的支持并不好常见做法是取点数最多的那个子多边形这样至少保住目标的主体轮廓而不是把不相连的轮廓强拼成一个。第二RLE 格式没法直接写坐标需要先用mask_utils.decode还原成二值掩膜再用 OpenCV 的findContours提取外轮廓最后做归一化。参数说明max_poly max(seg, keylen)取的是点数最多的子多边形mask_utils.decode(seg)是 pycocotools 官方接口返回一个 H×W 的 0/1 数组cv2.RETR_EXTERNAL表示只提取最外层轮廓cv2.CHAIN_APPROX_SIMPLE压缩轮廓点数量减少 txt 体积。注意这里用try接住了cv2未安装的情况实际使用建议先把 opencv-python 装好再跑我因为漏装在这卡过半小时。3.4 转换后的文件自检转完之后不要直接开训先做三个快速检查。第一统计生成的 txt 数量是否与图片数量一致。如果不一致通常是有些图片没有标注、被漏写或者是file_name的 stem 重复导致文件覆盖。第二抽查几个 txt 文件检测格式每行应该是 5 列分割格式每行应该是「类别 偶数个坐标」列数不对基本就是 polygon 解析出了问题。第三看数值范围是否全部在 [0,1] 区间有大于 1 的值说明边界裁剪或归一化逻辑有漏洞。# 统计 txt 数量 find labels_det/train -name *.txt | wc -l # 抽查行数列数 head -n 3 labels_det/train/rock_001.txt head -n 3 labels_seg/train/rock_001.txt这一步做扎实了后面训练时的数据加载阶段基本不会因为标注格式翻车。4. 训练配置YOLOv8 检测与分割两条线怎么设4.1 数据 YAML类别映射和数据集路径Ultralytics YOLO 训练前需要一份 YAML 文件描述数据集的绝对路径、类别数量和类别名称。注意这个文件里写的train、val是路径前缀和标注 txt 的存放位置对应。# rock.yaml path: /data/rock_dataset train: images/train val: images/val test: images/test nc: 1 names: 0: rock这段配置说明了三件事path是整个数据集挂载的根目录训练时会自动和train、val拼接nc是类别数量这份数据集只有 rock 一类写 1names里的 0 必须和转换脚本里的索引对齐因为 YOLO 读取 txt 时第一列就是类别索引它不关心你在 JSON 里的原始类别 id 是多少。注意一个细节YOLO 默认找标注的路径是「图片路径同级下的labels目录」。也就是说如果train写的是images/train训练器会去找labels/train下的同名 txt。我看到不少人在这一步不理解把train直接写成labels_det/train导致训练器找不到标注。正确做法是图片保持images/train标注放在labels_det/train然后在命令里用--label-dir或者直接把转换后的目录命名为labels/train。为避免混淆我更推荐把转换输出目录直接命名为labels这样 YAML 不用额外参数。4.2 检测线yolo detect train 参数与调法yolo taskdetect modetrain \ modelyolov8s.pt \ datarock.yaml \ epochs100 \ imgsz640 \ batch16 \ device0 \ projectruns_det参数说明modelyolov8s.pt是预训练权重s 版本在岩石检测这种相对单一的场景里性价比最高显存有限就换yolov8n.pt想要更高精度上yolov8m.ptepochs100对于单类别的岩石检测通常够用前提是你没有在 60 轮左右看到 val loss 明显回升imgsz640是训练输入尺寸这份数据集如果图片分辨率普遍在 2000 以上建议先用第 6 章的统计脚本看目标占比分布如果目标较小再考虑imgsz1280但显存占用会翻到 2 到 4 倍。有一个点容易被忽略YOLOv8 的batch指单卡批次大小不设--batch时默认是 16如果你的显卡是 8GB 显存训练imgsz640时 16 可能直接 OOM把batch8甚至batch4。还有随机种子多跑几次对比实验时加上--seed 0防止随机性干扰结论。4.3 分割线yolo segment train 参数与调法yolo tasksegment modetrain \ modelyolov8s-seg.pt \ datarock.yaml \ epochs100 \ imgsz640 \ batch16 \ device0 \ projectruns_seg分割训练和检测训练唯一的硬性区别是tasksegment和modelyolov8s-seg.pt数据 YAML 可以共用同一份。yolov8s-seg.pt是带分割头的预训练权重它的后四行网络结构与检测版本不同不能用yolov8s.pt替代。如果显存吃紧分割任务比检测任务更耗内存因为中间要多算一层 mask 分支8GB 显卡建议直接batch8。这里要提醒一个问题旧版 YOLOv5 的分割模式不支持rect批处理但 YOLOv8 的 segment 默认也不会开 rect所以不要手动加--rect。如果你加了训练不会报错但会显著降低分割精度因为 mask 的标注在矩形批次裁剪时可能出现对齐问题。我实际测下来分割任务老老实实让训练器自己缩放是最稳的。4.4 训练中看哪些指标loss 曲线和 mAP 的关系训练过程中终端会持续打印指标检测线重点看mAP50、mAP50-95、precision、recall分割线额外看mask_mAP50、mask_mAP50-95。loss 曲线方面train/box_loss、train/cls_loss、train/dfl_loss是检测的三个主要项分割线还有train/seg_loss。我的判断习惯是前 30 轮如果mAP50还停留在个位数先怀疑是标注问题而不是模型问题回到第 3 章的自检步骤抽 10 张图确认 mask 是否贴合岩石边缘如果val/box_loss在第 70 轮后开始回升而train/box_loss还在下降这是过拟合信号处理方案是提前epochs70或者加weight_decay0.0005。岩石类目标纹理单一类别间差异小过拟合比一般场景来得早这是这个数据集比较特殊的地方。5. 避坑指南COCO 标注石头数据集的五个常见翻车点5.1 现象一segmentation 坐标与图片尺寸对不上训练时画的 mask 总是整体偏移或者面积明显大于真实岩石区域。转换脚本算出来的归一化坐标看起来也在 [0,1] 内但就是不对。原因最常见的是转换脚本里用了PIL读出的图片实际尺寸而标注坐标是以 JSON 里images字段的width、height为基准生成的。两边一旦不一致比如图片经过 EXIF 旋转、或者数据集发布前做过缩放但 JSON 没更新polygon 坐标就会整体错位。另一个次常见原因是分割标注和检测标注来自两条标注流水线本来就不对齐。解决转换和验证一律以 JSON 里的width、height为唯一基准不要用PIL重新读图。在第 2 章的验证脚本里顺手把 JSON 尺寸和实际图片尺寸做一次全量比对不一致的直接挑出来单独处理。从那以后我拿到 COCO 数据集的第一步必做这个尺寸核对救过好几回。5.2 现象二类别 id 从 0 还是从 1 开始检测训练完成后预测结果里类别名对不上rock 变成了其他类或者 loss 一直不收敛。原因COCO 的category_id习惯从 1 开始而 YOLO 的类别索引从 0 开始。如果转换脚本里直接拿ann[category_id]当 YOLO 类别索引写进 txt所有类别会整体偏一位。对单类数据集来说表现为类别索引变成 1 而不是 0nc1时训练器会直接忽略这条标注等于所有目标都没参与训练。解决用enumerate(coco[categories])构建映射字典让 COCO id 落到连续索引上。转换之后抽查一个 txt 文件确认第一列是 0 而不是 1。单类别数据最容易在这个问题上翻车因为现象很不直观。5.3 现象三RLE 标注解析失败加载 JSON 时报错报错信息指向segmentation的counts字段或者自己写的 RLE 解析代码输出乱码。原因RLE 分为两种一种是 unencoded 的数组形式一种是 compressed RLE 的 dict 形式。COCO 官方接口只认后者。有些数据导出工具会把像素级 mask 序列化成自定义的 base64 或二进制字符串直接塞进countspycocotools 解析就会报错或算错。解决不要自己写 RLE 解码直接用pycocotools.mask的decode、toBbox、frPyObjects这几个标准接口。如果annToMask报错先用mask_utils.frPyObjects(ann[segmentation], h, w)做一次对象规范化再交给decode。RLE 解析是分割任务里最不建议手搓的部分官方接口经过大量数据集验证比自己 debug 省力得多。5.4 现象四iscrowd1 的粘连物体被当成背景训练完成后的 mAP 不差但可视化时发现很多粘连在一起的岩石目标完全没有被预测出来。原因iscrowd1是 COCO 里专门标记「人群/密集粘连区域」的字段语义是这些区域里的单个目标难以分离因此不会单独为它们计算评估指标。很多数据集的标注工具会自动把难以区分的粘连块标成iscrowd1。岩石场景里碎石头相互堆叠正是这类标注的高发区。如果它们在 JSON 里占比很大等于这些样本根本没参与训练和评估。解决先统计iscrowd1的占比。如果比例低于 5%忽略即可如果超过 10%说明这批粘连样本本来就代表你的真实部署场景不能丢。处理办法是把所有ann[iscrowd]强制改成 0然后重新导出训练集。注意这种处理会让原本被屏蔽的粘连目标进入训练初期 mAP 反而会下降这是正常现象等模型学到了堆叠特征会回升。5.5 现象五mask 面积与 bbox 面积比例异常训练前可视化时发现有的 mask 面积比 bbox 面积还大有的 mask 面积接近为零而 bbox 正常。原因segmentation和bbox是两套独立标注时容易出现这种不一致。正常情况下 mask 面积应该小于等于 bbox 面积且二者比值不会低于 0.3比值接近 1 说明目标形状接近矩形比值小于 0.1 说明 mask 标注严重缩水多半是标注工具导出时某个环节丢了轮廓点。解决用第 6 章的统计脚本筛出面积比异常的样本逐张复查。如果异常样本集中在某几张图通常是标注质量问题建议人工修正或删除如果分散在全数据集更可能是转换脚本的缩放逻辑出了问题。6. 验证标注质量可视化与统计体检脚本6.1 画图bbox 与 mask 叠加到原图from pycocotools.coco import COCO import random import numpy as np from PIL import Image, ImageDraw coco COCO(annotations/instances_train.json) img_ids coco.getImgIds() sample_ids random.sample(img_ids, 8) for img_id in sample_ids: img_info coco.loadImgs(img_id)[0] img Image.open(img_info[file_name]).convert(RGB) ann_ids coco.getAnnIds(imgIdsimg_id) anns coco.loadAnns(ann_ids) overlay img.copy() draw ImageDraw.Draw(img, RGBA) for ann in anns: x, y, w, h ann[bbox] draw.rectangle([x, y, x w, y h], outline(255, 0, 0, 255), width3) mask coco.annToMask(ann) color_mask Image.new(RGBA, img.size, (0, 200, 0, 140)) mask_img Image.fromarray((mask * 255).astype(uint8)).convert(L) overlay.paste(Image.composite(color_mask, overlay, mask_img), (0, 0), mask_img) preview Image.blend(img, overlay, 0.4) preview.save(fcheck_{img_id}.jpg)逻辑说明coco.annToMask(ann)是官方最可靠的 mask 还原接口不管是 polygon 还是 RLE 都会转成 H×W 的二值数组。把 bbox 画成红色框mask 画成半透明绿色遮罩保存后逐张看。随机抽样覆盖整个数据集而不是只看前几张避免目录顺序带来的偏差。参数说明random.sample(img_ids, 8)里 8 可改第一次检查建议 20 张以上Image.blend的 0.4 决定透明程度数值越大遮罩越实。6.2 统计类别分布和面积分布from pycocotools.coco import COCO from collections import Counter import numpy as np coco COCO(annotations/instances_train.json) anns coco.dataset[annotations] cat_names {c[id]: c[name] for c in coco.dataset[categories]} cat_count Counter(cat_names[ann[category_id]] for ann in anns) print(类别分布:, dict(cat_count)) widths, heights [], [] for img in coco.dataset[images]: widths.append(img[width]) heights.append(img[height]) print(图片尺寸均值:, int(np.mean(widths)), int(np.mean(heights))) area_ratios [] for ann in anns: img_info coco.loadImgs(ann[image_id])[0] img_area img_info[width] * img_info[height] area_ratios.append(ann[area] / img_area) print(目标面积占比 中位数:, np.median(area_ratios)) mask_bbox_ratios [] for ann in anns: mask_area coco.annToArea(ann) x, y, w, h ann[bbox] bbox_area w * h if bbox_area 0: mask_bbox_ratios.append(mask_area / bbox_area) print(mask/bbox 面积比在 [0.4, 1.0] 内的占比:, np.mean([0.4 r 1.0 for r in mask_bbox_ratios]))逻辑说明四个统计量分别回答四个问题——类别是否均衡、整体图片分辨率、目标在画面中的尺度、mask 与 bbox 的一致性。参数说明coco.annToArea(ann)计算的是分割面积官方接口不区分 polygon 和 RLEmask/bbox 面积比在 0.4 到 1.0 之间属于正常范围低于 0.4 的样本要重点复查。面积占比中位数如果小于 0.05说明这张数据集里目标偏小训练时imgsz建议往 1280 靠而不是盲目用 640。这份体检脚本我每个 COCO 数据集都会跑一遍它不解决训练问题但它能把标注里的地雷提前排掉。最典型的一次是某个数据集的验证集标注文件实际是空的训练时 mAP 一直在 0 附近我当时第一反应是模型问题调了两天参才发现是验证集标准错乱。从那以后我要求自己任何标注数据进训练管线之前先跑一遍可视化和统计体检再谈模型、损失函数这些东西。流程虽然多花二十分钟但能把后面几天的排错时间都省回来希望这套检查流程也能帮到你。本文还有配套的精品资源点击获取