1. 项目背景
在进行无人机场景小目标检测研究时，VisDrone 是一个非常常用的数据集。它包含大量航拍图像，目标类型包括行人、车辆、自行车、三轮车、公交车等，非常适合研究密集小目标检测、遮挡目标检测以及无人机边缘部署场景下的轻量化检测问题。
但是，VisDrone 原始标注格式并不能直接用于 YOLOv8 训练。YOLOv8 要求数据集满足固定的目录结构和标签格式，因此在正式训练模型之前，需要先将 VisDrone 原始标注转换为 YOLO 格式。
本文记录 VisDrone2019-DET 数据集转换为 YOLO 格式的完整思路与代码实现。
2. VisDrone 原始标注格式
VisDrone 的每个图片对应一个.txt标注文件，文件中每一行表示一个目标框，格式如下：
x, y, w, h, score, category, truncation, occlusion各字段含义如下：
| 字段 | 含义 |
|---|---|
| x | 目标框左上角 x 坐标 |
| y | 目标框左上角 y 坐标 |
| w | 目标框宽度 |
| h | 目标框高度 |
| score | 标注置信度 |
| category | 类别编号 |
| truncation | 截断程度 |
| occlusion | 遮挡程度 |
其中，最关键的是x, y, w, h, category。
这些信息决定了目标的位置和类别。
3. YOLO 标签格式
YOLO 使用的标签格式为：
class_id x_center y_center width height并且要求：
类别编号从
0开始；坐标全部归一化到
0~1；每张图片对应一个同名
.txt标签文件；标签文件和图片文件按照固定目录组织。
例如：
3 0.521233 0.618293 0.032111 0.041225 0 0.217833 0.348901 0.012655 0.028411其中：
3 表示类别编号 0.521233 表示目标框中心点 x 坐标 0.618293 表示目标框中心点 y 坐标 0.032111 表示目标框宽度 0.041225 表示目标框高度4. 类别编号转换
VisDrone 原始类别如下：
0: ignored regions 1: pedestrian 2: people 3: bicycle 4: car 5: van 6: truck 7: tricycle 8: awning-tricycle 9: bus 10: motor 11: others在目标检测任务中，我们通常只保留1~10这 10 个有效类别，忽略0 ignored regions和11 others。
由于 YOLO 类别编号必须从0开始，因此需要进行如下映射：
| VisDrone 类别 | YOLO 类别 | 类别名称 |
|---|---|---|
| 1 | 0 | pedestrian |
| 2 | 1 | people |
| 3 | 2 | bicycle |
| 4 | 3 | car |
| 5 | 4 | van |
| 6 | 5 | truck |
| 7 | 6 | tricycle |
| 8 | 7 | awning-tricycle |
| 9 | 8 | bus |
| 10 | 9 | motor |
代码中通过下面语句完成类别过滤和编号转换：
VALID_CLASSES = set(range(1, 11)) if category not in VALID_CLASSES: continue cls = category - 15. 坐标格式转换
VisDrone 使用的是左上角坐标格式：
x, y, w, h其中：
x, y 表示目标框左上角坐标 w, h 表示目标框宽度和高度YOLO 使用的是中心点坐标格式：
x_center, y_center, width, height并且需要归一化。
转换公式如下：
x_center = (x1 + new_w / 2) / img_w y_center = (y1 + new_h / 2) / img_h box_w = new_w / img_w box_h = new_h / img_h其中：
img_w 表示图片宽度 img_h 表示图片高度 new_w 表示修正后的目标框宽度 new_h 表示修正后的目标框高度6. 为什么要进行边界裁剪？
在真实数据集中，部分目标框可能存在越界情况。例如目标框超出图片左边界、上边界，或者右下角超过图片尺寸。
如果不处理这些异常框，可能会导致 YOLO 训练时报错，或者影响模型训练稳定性。
因此代码中使用如下方式对目标框进行裁剪：
x1 = max(0, x) y1 = max(0, y) x2 = min(img_w, x + w) y2 = min(img_h, y + h)这样可以保证目标框坐标始终位于图片范围内。
裁剪后重新计算宽高：
new_w = x2 - x1 new_h = y2 - y1如果目标框过小，则直接跳过：
if new_w <= 1 or new_h <= 1: continue7. 项目目录结构
转换前的原始数据目录如下：
datasets/VisDrone/raw/ ├── VisDrone2019-DET-train/ │ ├── images/ │ └── annotations/ ├── VisDrone2019-DET-val/ │ ├── images/ │ └── annotations/ └── VisDrone2019-DET-test-dev/ ├── images/ └── annotations/转换后生成 YOLO 数据目录：
datasets/VisDrone/ ├── images/ │ ├── train/ │ ├── val/ │ └── test/ └── labels/ ├── train/ ├── val/ └── test/YOLO 训练时会自动根据图片路径寻找对应标签文件。
例如：
datasets/VisDrone/images/train/000001.jpg datasets/VisDrone/labels/train/000001.txt8. 完整转换代码
from pathlib import Path import shutil from PIL import Image from tqdm import tqdm # VisDrone 原始类别： # 0: ignored regions # 1: pedestrian # 2: people # 3: bicycle # 4: car # 5: van # 6: truck # 7: tricycle # 8: awning-tricycle # 9: bus # 10: motor # 11: others # # YOLO 类别编号需要从 0 开始： # VisDrone 1-10 -> YOLO 0-9 VALID_CLASSES = set(range(1, 11)) def convert_annotation(txt_path: Path, img_path: Path, save_path: Path): img = Image.open(img_path) img_w, img_h = img.size yolo_lines = [] with open(txt_path, "r", encoding="utf-8") as f: lines = f.readlines() for line in lines: parts = line.strip().split(",") if len(parts) < 8: continue x, y, w, h = map(float, parts[:4]) score = int(parts[4]) category = int(parts[5]) truncation = int(parts[6]) occlusion = int(parts[7]) # 忽略 ignored regions 和 others，只保留 1-10 类 if category not in VALID_CLASSES: continue # VisDrone 类别 1-10 转 YOLO 类别 0-9 cls = category - 1 # 过滤无效框 if w <= 0 or h <= 0: continue # 防止框越界 x1 = max(0, x) y1 = max(0, y) x2 = min(img_w, x + w) y2 = min(img_h, y + h) new_w = x2 - x1 new_h = y2 - y1 if new_w <= 1 or new_h <= 1: continue # 转 YOLO 格式：class x_center y_center width height x_center = (x1 + new_w / 2) / img_w y_center = (y1 + new_h / 2) / img_h box_w = new_w / img_w box_h = new_h / img_h yolo_lines.append( f"{cls} {x_center:.6f} {y_center:.6f} {box_w:.6f} {box_h:.6f}\n" ) with open(save_path, "w", encoding="utf-8") as f: f.writelines(yolo_lines) def process_split(root: Path, split_name: str, raw_folder: str): raw_dir = root / "raw" / raw_folder raw_img_dir = raw_dir / "images" raw_ann_dir = raw_dir / "annotations" out_img_dir = root / "images" / split_name out_label_dir = root / "labels" / split_name out_img_dir.mkdir(parents=True, exist_ok=True) out_label_dir.mkdir(parents=True, exist_ok=True) img_paths = sorted(raw_img_dir.glob("*.jpg")) print(f"\nProcessing {split_name}: {len(img_paths)} images") print(f"Image dir: {raw_img_dir}") print(f"Annotation dir: {raw_ann_dir}") for img_path in tqdm(img_paths): ann_path = raw_ann_dir / f"{img_path.stem}.txt" out_img_path = out_img_dir / img_path.name out_label_path = out_label_dir / f"{img_path.stem}.txt" shutil.copy2(img_path, out_img_path) if ann_path.exists(): convert_annotation(ann_path, img_path, out_label_path) else: out_label_path.write_text("", encoding="utf-8") def main(): root = Path("datasets/VisDrone") process_split(root, "train", "VisDrone2019-DET-train") process_split(root, "val", "VisDrone2019-DET-val") process_split(root, "test", "VisDrone2019-DET-test-dev") print("\nConversion finished.") print("YOLO images saved to: datasets/VisDrone/images") print("YOLO labels saved to: datasets/VisDrone/labels") if __name__ == "__main__": main()9. 运行转换脚本
在项目根目录执行：
python scripts/convert_visdrone_to_yolo.py正常情况下会看到类似输出：
Processing train: 6471 images Processing val: 548 images Processing test: 1610 images Conversion finished.转换完成后，可以检查图片和标签数量：
(Get-ChildItem datasets\VisDrone\images\train -Filter *.jpg).Count (Get-ChildItem datasets\VisDrone\labels\train -Filter *.txt).Count (Get-ChildItem datasets\VisDrone\images\val -Filter *.jpg).Count (Get-ChildItem datasets\VisDrone\labels\val -Filter *.txt).Count如果图片数量和标签数量一致，说明转换基本成功。
10. YOLO 数据配置文件
转换完成后，还需要准备 YOLO 数据配置文件：
path: ./datasets/VisDrone train: images/train val: images/val test: images/test names: 0: pedestrian 1: people 2: bicycle 3: car 4: van 5: truck 6: tricycle 7: awning-tricycle 8: bus 9: motor保存为：
configs/visdrone.yaml后续训练 YOLOv8 时，就可以使用：
yolo detect train model=yolov8n.pt data=configs/visdrone.yaml imgsz=640 epochs=50 batch=8 device=011. 总结
本文完成了 VisDrone2019-DET 数据集到 YOLO 格式的转换。核心步骤包括：
读取 VisDrone 原始标注文件；
过滤无效类别；
将类别编号从
1~10转换为0~9；将左上角坐标格式转换为 YOLO 中心点坐标格式；
对坐标进行归一化；
裁剪越界目标框；
按照 YOLO 标准目录保存图片和标签。
完成该步骤后，VisDrone 数据集就可以被 YOLOv8 正常读取和训练。
这也是后续开展无人机场景密集小目标检测、轻量化检测网络设计和边缘部署实验的基础。
