YOLO-v5入门教程：labels标签格式与COCO数据集解析
1. 引言
1.1 YOLO-v5 简介
YOLO（You Only Look Once）是一种流行的物体检测和图像分割模型，由华盛顿大学的Joseph Redmon 和Ali Farhadi 开发。 YOLO 于2015 年推出，因其高速和高精度而广受欢迎。作为该系列的迭代版本之一，YOLOv5在保持实时性的同时进一步提升了检测精度和易用性，广泛应用于工业检测、自动驾驶、安防监控等多个领域。
YOLOv5并非官方YOLO团队发布，而是由Ultralytics公司基于PyTorch框架实现并开源的一套高效目标检测系统。其模块化设计、轻量级结构以及出色的训练效率，使其成为当前实际项目中部署最广泛的YOLO变体之一。
1.2 镜像环境说明
本文所涉及的开发环境基于YOLO-V5 深度学习镜像构建，预装了以下核心组件：
- PyTorch 1.8+（CUDA支持）
- Ultralytics YOLOv5 官方代码库
- OpenCV、NumPy、Pandas 等常用视觉处理库
- Jupyter Notebook 可视化开发环境
该镜像支持通过Jupyter或SSH方式访问，用户可快速启动目标检测任务的开发、训练与推理流程。
提示：如需使用该环境，请参考 CSDN星图镜像广场 获取YOLO-V5镜像并一键部署。
2. YOLOv5 的 labels 标签格式详解
2.1 标签文件的基本结构
在YOLOv5中，每张图像对应的标注信息以.txt文件形式存储，文件名与图像文件一致（仅扩展名不同），内容采用归一化的边界框表示法。
每个.txt文件包含若干行，每一行代表一个目标对象，格式如下：
<class_id> <x_center> <y_center> <width> <height>其中五个字段均为归一化后的浮点数，取值范围为 [0, 1]：
| 字段 | 含义 | 归一化方式 |
|---|---|---|
class_id | 类别索引（从0开始） | 整数，无需归一化 |
x_center | 边界框中心点x坐标 | 相对于图像宽度 |
y_center | 边界框中心点y坐标 | 相对于图像高度 |
width | 边界框宽度 | 相对于图像宽度 |
height | 边界框高度 | 相对于图像高度 |
例如：
0 0.458333 0.325000 0.166667 0.250000 1 0.750000 0.500000 0.300000 0.400000表示图像中有两个目标：第一个是类别0（如人），中心位于图像水平方向约45.8%处；第二个是类别1（如车），位于右侧区域。
2.2 实际案例解析
假设有一张分辨率为640x480的图像，其中包含一个类别为“dog”（class_id = 2）的目标，其原始边界框为：
- 左上角：(100, 80)
- 右下角：(300, 280)
计算步骤如下：
计算中心点：
- x_center = (100 + 300) / 2 = 200
- y_center = (80 + 280) / 2 = 180
计算宽高：
- width = 300 - 100 = 200
- height = 280 - 80 = 200
归一化：
- x_center_norm = 200 / 640 ≈ 0.3125
- y_center_norm = 180 / 480 = 0.375
- width_norm = 200 / 640 ≈ 0.3125
- height_norm = 200 / 480 ≈ 0.4167
最终标签写入.txt文件的内容为：
2 0.3125 0.375 0.3125 0.41672.3 数据目录组织规范
YOLOv5要求训练数据遵循特定目录结构。典型布局如下：
dataset/ ├── images/ │ ├── train/ │ │ ├── img1.jpg │ │ └── img2.jpg │ └── val/ │ ├── img3.jpg │ └── img4.jpg ├── labels/ │ ├── train/ │ │ ├── img1.txt │ │ └── img2.txt │ └── val/ │ ├── img3.txt │ └── img4.txt └── data.yamldata.yaml文件定义数据集配置：
train: ./dataset/images/train val: ./dataset/images/val nc: 80 # 类别数量 names: ['person', 'bicycle', 'car', ...] # COCO类名列表3. COCO 数据集格式解析
3.1 COCO 数据集概述
COCO（Common Objects in Context）是由微软发布的大型目标检测、分割和关键点识别数据集。它包含超过20万张图像和150万个实例标注，涵盖80个常见物体类别。
COCO标注文件为JSON格式，结构复杂但信息丰富，适用于多任务学习场景。
3.2 JSON 结构核心字段
一个典型的instances_val2017.json文件包含以下顶级字段：
| 字段 | 描述 |
|---|---|
info | 数据集元信息（版本、贡献者等） |
licenses | 图像授权信息 |
images | 图像列表（ID、文件名、尺寸等） |
annotations | 所有标注实例（边界框、类别、分割轮廓等） |
categories | 类别定义（ID、名称、超类） |
示例片段（简化）：
{ "images": [ { "id": 397133, "file_name": "000000397133.jpg", "width": 352, "height": 500 } ], "annotations": [ { "id": 1768, "image_id": 397133, "category_id": 18, "bbox": [174.29, 82.35, 50.14, 90.23], "area": 4523.5, "iscrowd": 0 } ], "categories": [ {"id": 1, "name": "person", "supercategory": "human"}, {"id": 18, "name": "dog", "supercategory": "animal"} ] }说明：
bbox是[x_min, y_min, width, height]格式（非归一化）category_id对应类别编号iscrowd=1表示群体标注（如人群），通常忽略
3.3 COCO 转 YOLOv5 标签格式
由于YOLOv5使用归一化坐标且无嵌套结构，需将COCO JSON转换为多个.txt文件。
以下是转换脚本的核心逻辑（Python实现）：
import json import os from pathlib import Path def coco_to_yolo(json_path, output_dir, image_dir): with open(json_path, 'r') as f: data = json.load(f) # 建立 image_id 到图像信息的映射 image_info = {img['id']: img for img in data['images']} # 创建输出目录 Path(output_dir).mkdir(parents=True, exist_ok=True) # 处理每个标注 for ann in data['annotations']: image_id = ann['image_id'] if image_id not in image_info: continue img = image_info[image_id] img_width = img['width'] img_height = img['height'] # 解析边界框 x_min, y_min, bbox_w, bbox_h = ann['bbox'] # 转换为中心点 + 宽高 x_center = (x_min + bbox_w / 2) / img_width y_center = (y_min + bbox_h / 2) / img_height width = bbox_w / img_width height = bbox_h / img_height class_id = ann['category_id'] - 1 # COCO类别从1开始，YOLO从0开始 # 写入对应txt文件 txt_file = os.path.join(output_dir, f"{img['file_name'].split('.')[0]}.txt") with open(txt_file, 'a') as f: f.write(f"{class_id} {x_center:.6f} {y_center:.6f} {width:.6f} {height:.6f}\n") # 使用示例 coco_to_yolo( json_path='/path/to/instances_train2017.json', output_dir='./dataset/labels/train/', image_dir='./dataset/images/train/' )注意：COCO的
category_id从1开始，而YOLOv5从0开始，因此需要减1对齐。
4. 实践操作指南
4.1 使用 Jupyter 进行可视化调试
可通过浏览器访问Jupyter Notebook界面进行数据探索：
- 启动镜像后，打开
http://<your-ip>:8888 - 导航至
/root/yolov5/目录 - 新建
.ipynb文件，加载图像与标签进行可视化验证
示例代码：
import cv2 import matplotlib.pyplot as plt def plot_label(image_path, label_path, names): img = cv2.imread(image_path) h, w = img.shape[:2] with open(label_path, 'r') as f: for line in f.readlines(): parts = list(map(float, line.strip().split())) class_id, x_center, y_center, bw, bh = parts # 反归一化 x1 = int((x_center - bw/2) * w) y1 = int((y_center - bh/2) * h) x2 = int((x_center + bw/2) * w) y2 = int((y_center + bh/2) * h) cv2.rectangle(img, (x1, y1), (x2, y2), (0, 255, 0), 2) cv2.putText(img, names[int(class_id)], (x1, y1-10), cv2.FONT_HERSHEY_SIMPLEX, 0.9, (0, 255, 0), 2) plt.figure(figsize=(10, 8)) plt.imshow(cv2.cvtColor(img, cv2.COLOR_BGR2RGB)) plt.axis('off') plt.show() # 调用示例 plot_label('zidane.jpg', 'zidane.txt', ['person', 'bicycle', 'car', 'motorcycle'])4.2 SSH 方式远程开发
若使用终端操作，可通过SSH连接服务器执行命令：
ssh root@<server_ip> -p 22 cd /root/yolov5/ python detect.py --source https://ultralytics.com/images/zidane.jpg --weights yolov5s.pt结果将保存在runs/detect/exp/目录下。
4.3 快速运行 Demo 示例
首先进入YOLOv5项目目录：
cd /root/yolov5/然后运行以下Python代码进行推理：
import torch # 加载预训练模型（可选：yolov5n/s/m/l/x） model = torch.hub.load("ultralytics/yolov5", "yolov5s") # 默认使用yolov5s # 设置输入源（支持URL、本地路径、OpenCV帧等） img = "https://ultralytics.com/images/zidane.jpg" # 执行推理（自动处理批处理、缩放、归一化） results = model(img) # 处理结果 results.print() # 控制台打印检测结果 results.show() # 显示带框图像 results.save() # 保存结果到 runs/detect/exp/输出示例：
zidane.jpg: 640x480 4 persons, 1 tie, Done. (0.012s)5. 总结
5.1 关键要点回顾
- YOLOv5标签格式：使用归一化的
(class_id, x_center, y_center, w, h)表示法，每个图像对应一个.txt文件。 - 目录结构规范：必须正确组织
images/和labels/子目录，并配置data.yaml。 - COCO数据集特点：JSON格式存储，包含丰富的元信息，适合大规模训练。
- 格式转换必要性：将COCO转为YOLOv5格式时，需完成坐标系转换、类别ID调整和文件拆分。
- 开发环境优势：使用预置镜像可省去环境配置时间，直接进入开发阶段。
5.2 最佳实践建议
- 在转换数据前，先抽样检查原始标注质量；
- 使用脚本自动化生成
data.yaml和划分训练/验证集； - 推荐使用
labelme或CVAT等工具辅助标注，并导出为COCO格式再转换； - 训练前务必验证
.txt文件是否与图像匹配，避免因路径错误导致训练失败。
获取更多AI镜像
想探索更多AI镜像和应用场景？访问 CSDN星图镜像广场，提供丰富的预置镜像，覆盖大模型推理、图像生成、视频生成、模型微调等多个领域，支持一键部署。
