TinyPerson数据集COCO转YOLO格式完整教程与训练避坑指南

简介：该数据集面向目标检测、人群检测及小目标检测方向的开发者与研究者，由TinyPerson图像整理而成，共包含1532张带标注样本，标注格式覆盖VOC xml与YOLO txt两种主流类型，其中YOLO txt已划分好训练、验证、测试集，可直接用于YOLO系列模型训练，省去自行标注和格式转换的环节。压缩包总计2000个文件，以1532个txt标签文件为主体，另有467个xml标注文件与1个yaml配置文件，整体大小78.54MB，目录结构清晰，便于直接放入YOLO项目使用。当前已有2915人学习下载，资源适合正在开展目标检测课程设计、毕业设计或算法对比实验的深度学习学习者与进阶者，借助现成标注数据快速验证模型效果，并为后续小目标检测优化与调参提供可靠基础。

1. 为什么大家都在找“YOLO格式的TinyPerson数据集”

做了一段时间目标检测的人，尤其是专注小目标识别方向的朋友，大概率都听过TinyPerson数据集。这个数据集在远距离行人检测、海上搜救、岸线监控这一类场景里地位很特殊，因为是少有的专门针对“极小目标行人”设计的公开数据集。它的原始标注是COCO JSON格式，但YOLO系列训练需要的是txt标签，而且网上能直接下载到的“YOLO格式成品”质量参差不齐，有的标签类别映射是乱的，有的坐标没归一化好，拿过来直接跑，训练出来的模型大概率是废的。

这篇文章我就把“把TinyPerson数据集从COCO格式转换成YOLO格式”这件事掰开揉碎讲清楚。内容包括格式转换的核心逻辑、完整脚本、转换后如何自查、以及训练时最容易踩的坑。适合正在折腾YOLOv5/YOLOv8/YOLOv11的检测玩家，也适合准备自己做数据集、又不太清楚YOLO标签规范的新手。看完这篇文章，你不仅能拿到一份能直接跑的YOLO格式TinyPerson，还能理解背后的转换原理，以后遇到其他COCO格式数据集（比如VisDrone、SODA）也能顺手处理。

1.1 TinyPerson到底是什么

TinyPerson数据集的核心定位，一句话概括就是：专门为“远距离小目标行人检测”设计的高难度数据集。它采集的大多是海上、岸边、航拍视角下的行人画面，背景复杂、目标极小，很多目标在整张图里只有几个像素甚至更小，人眼都需要仔细凑近了才能分辨。

官方公布的数据规模大概在500张图左右，标注实例大约1600个。这个体量放在今天的大模型时代不算大，但它的难度恰恰是“目标尺寸”这一点。数据集中目标平均尺寸通常在20像素以下，有的极端场景连5像素都不到。对于YOLO这类基于锚框或中心点的检测器来说，这种目标属于“看不见就真的看不见”的级别，特征极度匮乏，非常考验数据标注质量和训练策略。

标注类别上有两个：sea_person（海上的行人/类人目标）和earth_person（陆地/岸边的行人/类人目标）。这两个类别名挺有意思，它不是简单的“人”分类，而是按场景区分，在做海上搜救这类任务时，这样的细粒度标注反而有用——你可以知道目标是在水中还是岸上，这对救援决策很有价值。

1.2 “YOLO格式”和COCO格式的差异

很多刚接触数据集转换的人容易犯迷糊：同样是标注框，为什么非要费劲转格式？直接用COCO JSON不行吗？

这里要理解YOLO系列训练脚本的工作方式。YOLO系列（v5/v8/v11）默认的标签系统是：每张图片对应一个同名txt文件，txt文件里每一行代表一个目标，格式是：

class_id x_center y_center width height

注意，这五个值全部是归一化后的浮点数。x_center y_center width height表示的是目标中心点坐标和宽高相对于图片宽高的比例，取值范围0到1。

而COCO JSON里记录的bbox是绝对像素坐标，格式是：

[x, y, width, height]

其中x, y是目标框左上角的像素坐标。从COCO转到YOLO，核心操作就是两步：把左上角坐标转成中心点坐标，然后除以图片宽高做归一化。

2. 动手转换前，先搞清楚这5个关键点

如果你只是随便找个转换脚本跑一下，运气好也许能跑通，但只要数据稍有变化，脚本就最容易翻车。转换这个动作虽然简单，背后的5个细节没想清楚，后面训练时才会有各种奇怪问题冒出来。

2.1 标注坐标系与归一化

第一个关键点是坐标系的转换公式。COCO的bbox是[x, y, width, height]，左上角坐标加宽高。YOLO需要的是目标中心点的位置和宽高比例。

转换公式如下：

x_center = (x + width / 2) / image_width y_center = (y + height / 2) / image_height norm_width = width / image_width norm_height = height / image_height

这里有个容易忽略的细节：image_width和image_height必须来自图片的真实尺寸，而不是JSON里某个字段。TinyPerson原始JSON里images字段会记录width和height，按理说可以直接用，但有些第三方整理的版本在标注时对图片做过缩放、裁剪甚至补边，JSON里的尺寸可能和实际图片对不上。最稳妥的做法是转换时用cv2.imread或者PIL.Image.open读一遍真实图片尺寸，再去做归一化。虽然慢一点，但绝对不会错。

2.2 类别映射：sea_person / earth_person

TinyPerson原始JSON里的类别ID，我记得raw COCO文件里categories的id不是从0开始的（具体可能是1和2，也可能有偏移），而YOLO训练要求类别ID必须严格从0开始连续编号，没有空洞。

所以转换时不能直接把COCO的category_id写进txt，必须先建立一个映射表：

categories_map = { 1: 0, # sea_person -> 0 2: 1 # earth_person -> 1 }

如果你有特殊需求，比如只关心“有没有人”，不关心是在海上还是岸上，可以把两个类别合成一个person，都在txt里写成0。这个选择和你的实际任务强相关，没有绝对的对错，但决定了模型最后的输出粒度。

2.3 训练集/验证集划分策略

TinyPerson官方其实提供了划分好的train/val列表，但网上流传的版本不一定带这层信息。如果你拿到的JSON里没有划分，建议自己做。

划分时要注意：一定要按图片维度划分，而不是按标注实例划分。也就是同一张图的所有目标必须全部进训练集或全部进验证集，不能一张图的一半个框在训练集、另外半个框在验证集。后者会导致数据泄漏，验证集loss会异常低，但实际泛化能力一塌糊涂。

推荐比例：训练集80%，验证集20%。TinyPerson总共500多张图，验证集100多张，量级合理。

3. 一步步把COCO转成YOLO格式

说了一堆原理，现在上实操。我直接给一份我用过很多次的转换脚本，它不光是给TinyPerson用的，任何COCO格式的数据集都能用同一个逻辑处理。

3.1 完整转换脚本

import json import os import random from collections import defaultdict def convert_coco_json_to_yolo( coco_json_path, output_dir, image_dir=None, train_ratio=0.8 ): """ COCO JSON -> YOLO txt coco_json_path: 原始COCO标注文件 output_dir: 输出目录，会在里面生成 images/train, images/val, labels/train, labels/val image_dir: 图片目录，如果不传则默认使用JSON里的file_name字段 train_ratio: 训练集比例 """ with open(coco_json_path, 'r', encoding='utf-8') as f: coco = json.load(f) # 建立COCO类别ID -> YOLO类别ID的映射 cat_id_to_yolo_id = {} categories = sorted(coco['categories'], key=lambda x: x['id']) for yolo_id, cat in enumerate(categories): cat_id_to_yolo_id[cat['id']] = yolo_id print("类别映射:", {cat['name']: cat_id_to_yolo_id[cat['id']] for cat in categories}) # 建立 image_id -> 图片信息 的索引 images_info = {} for img in coco['images']: images_info[img['id']] = img # 建立 image_id -> 标注列表 的索引 annotations_by_image = defaultdict(list) for ann in coco['annotations']: annotations_by_image[ann['image_id']].append(ann) # 打乱图片顺序后划分train/val，确保一张图的所有标注进同一集合 image_ids = list(images_info.keys()) random.shuffle(image_ids) split_idx = int(len(image_ids) * train_ratio) train_ids = set(image_ids[:split_idx]) val_ids = set(image_ids[split_idx:]) # 创建目录结构 for split in ['train', 'val']: os.makedirs(os.path.join(output_dir, 'images', split), exist_ok=True) os.makedirs(os.path.join(output_dir, 'labels', split), exist_ok=True) train_count, val_count = 0, 0 issue_count = 0 for img_id, img in images_info.items(): # 判断当前图片属于哪个集合 if img_id in train_ids: split = 'train' train_count += 1 else: split = 'val' val_count += 1 # 图片文件名：优先用JSON里的file_name，没有的话用image_dir+id if 'file_name' in img: file_name = os.path.basename(img['file_name']) else: file_name = f"{img['id']:012d}.jpg" src_path = os.path.join(image_dir, file_name) if image_dir else file_name dst_img_dir = os.path.join(output_dir, 'images', split, file_name) # 优先用真实图片尺寸，避免JSON虚标 try: from PIL import Image with Image.open(src_path) as im: img_w, img_h = im.size except Exception: img_w, img_h = img.get('width'), img.get('height') if not img_w or not img_h: print(f"[跳过] 无法获取图片尺寸: {file_name}") issue_count += 1 continue # 复制图片到目标目录 import shutil if os.path.exists(src_path): shutil.copy2(src_path, dst_img_dir) else: print(f"[警告] 图片不存在: {src_path}") label_lines = [] for ann in annotations_by_image.get(img_id, []): # 过滤无效标注 if 'bbox' not in ann: continue x, y, w, h = ann['bbox'] if w <= 0 or h <= 0: issue_count += 1 continue # 归一化转换 x_center = (x + w / 2) / img_w y_center = (y + h / 2) / img_h norm_w = w / img_w norm_h = h / img_h # 类别ID映射 yolo_id = cat_id_to_yolo_id.get(ann['category_id']) if yolo_id is None: print(f"[跳过] 未知类别ID: {ann['category_id']}") issue_count += 1 continue label_lines.append(f"{yolo_id} {x_center:.6f} {y_center:.6f} {norm_w:.6f} {norm_h:.6f}") # 写入txt标签 txt_path = os.path.join(output_dir, 'labels', split, os.path.splitext(file_name)[0] + '.txt') with open(txt_path, 'w', encoding='utf-8') as f: f.write('\n'.join(label_lines)) print(f"转换完成: train {train_count} 张, val {val_count} 张, 问题标注 {issue_count} 条") print(f"输出目录: {output_dir}") if __name__ == '__main__': convert_coco_json_to_yolo( coco_json_path='tiny_person_coco.json', output_dir='tiny_yolo', image_dir='tiny_person_images', train_ratio=0.8 )

3.2 脚本怎么用

先把官方标注文件命名为tiny_person_coco.json，图片放在tiny_person_images目录下，然后直接运行脚本。跑完会在tiny_yolo下生成完整目录：

tiny_yolo/ ├── images/ │ ├── train/ │ └── val/ └── labels/ ├── train/ └── val/

代码里有一点我刻意加了：尝试用PIL读取真实图片尺寸。跑TinyPerson这类数据时，图片是原始尺寸还好说，但如果有些版本图片被预处理过，这一步就是保命用的。宁可多花几秒钟读图，也不要为了省事直接信JSON里的尺寸字段。

3.3 生成Dataset配置文件

转换完目录，还要给YOLO训练写一个data.yaml。拿YOLOv8举例，在tiny_yolo目录下新建data.yaml：

path: ./tiny_yolo train: images/train val: images/val names: 0: sea_person 1: earth_person

如果你的类别顺序和我不一样，一定先看labels里第一列的数字对应什么名字，再改names。这一步错位，模型训练完输出全是乱的。

4. 转换后的自查与可视化

转换脚本跑完不代表万事大吉。我自己第一次转完直接拿去训练，结果模型完全学不到东西，回头检查才发现小问题一堆。转换完必须做一轮自查，这步省不了。

4.1 数据分布检查

我先说几个自查的指标：

标注数量分布：统计每个txt文件的行数，看是否有全部为空的标签文件。TinyPerson里有些极端难例目标实在太小，标注员可能漏标，但也不能出现大量空标签把训练带偏。空标签文件如果超过总样本的10%，建议检查JSON原始文件是不是解析出问题了。

目标面积分布：YOLO训练时如果目标归一化宽度小于0.01（即目标宽度不到图片宽度的1%），损失函数里目标框的权重会非常小，模型很容易忽略这类目标。记录一下转换后目标宽高的min/median/max，做到心里有数。

import os import numpy as np label_dir = 'tiny_yolo/labels/train' sizes = [] empty_count = 0 for txt_file in os.listdir(label_dir): with open(os.path.join(label_dir, txt_file), 'r') as f: lines = f.readlines() if len(lines) == 0: empty_count += 1 for line in lines: parts = line.strip().split() if len(parts) == 5: w, h = float(parts[3]), float(parts[4]) sizes.append((w, h)) sizes = np.array(sizes) print(f"空标签文件数量: {empty_count}") print(f"目标数量: {len(sizes)}") print(f"归一化宽度: min={sizes[:,0].min():.4f}, median={np.median(sizes[:,0]):.4f}, max={sizes[:,0].max():.4f}") print(f"归一化高度: min={sizes[:,1].min():.4f}, median={np.median(sizes[:,1]):.4f}, max={sizes[:,1].max():.4f}")

如果发现中位数已经到0.01以下，说明这数据集确实够“小目标”，训练时要针对性地调整策略。

4.2 可视化验证

脚本跑完必须抽几张贴框图看看。用OpenCV把归一化坐标换算回像素坐标，画在图上，肉眼确认框的位置是否贴合目标。

import cv2 import os def draw_yolo_boxes(image_path, label_path): img = cv2.imread(image_path) h, w = img.shape[:2] with open(label_path, 'r') as f: for line in f.readlines(): parts = line.strip().split() if len(parts) != 5: continue cls_id = int(parts[0]) x_c, y_c, box_w, box_h = map(float, parts[1:]) x1 = int((x_c - box_w / 2) * w) y1 = int((y_c - box_h / 2) * h) x2 = int((x_c + box_w / 2) * w) y2 = int((y_c + box_h / 2) * h) color = (0, 255, 0) if cls_id == 0 else (0, 0, 255) cv2.rectangle(img, (x1, y1), (x2, y2), color, 1) return img sample = 'tiny_yolo/images/train/000000.jpg' sample_label = 'tiny_yolo/labels/train/000000.txt' result = draw_yolo_boxes(sample, sample_label) cv2.imwrite('check_visual.jpg', result)

画出来的图如果框整体偏移、框大小明显不对，多半是归一化时图片尺寸和真实尺寸不一致。如果框偏移只出现在特定图片，检查那张图是不是分辨率和其他图不一样，或者JSON里的尺寸字段写错了。

5. 训练时最常见的坑与排查

转换完数据，喂给YOLO训练，又会遇到新一轮问题。这一节我把训练TinyPerson时最常见的问题和排查思路整理成表格，基本都是我实际踩过的。

5.1 常见问题速查表

5.2 类别ID错位的典型案例

这个坑我印象太深了。早期转完TinyPerson后没仔细看，直接拿YOLOv5默认的COCO预训练权重训练，发现模型输出一直在“预测人”，但精确定位全错。排查了半天，最后发现是转换脚本里把类别映射写反了，sea_person对应1，earth_person对应0，而data.yaml里写的是反过来。模型不是学不会，是学了一套类别错位的标签。

处理这类问题，核心原则就一条：转完先抽查5-10个标签文件，确认第一列数字对应的类别和图片里实际目标一致，再进训练流程。哪怕检查花20分钟，也比训练一晚上后发现白跑强。

5.3 小目标训练的参数调整建议

TinyPerson数据集的特殊性在于目标极小，用YOLO默认参数训练效果很一般。我在实验里试过几个参数调整，实测有效：

开启SAHI切片推理：训练时用原图（或切图训练），推理时用SAHI这类切片工具把大图切成若干小图分别检测，再合并结果。TinyPerson原图里目标太小，整图推理容易漏检，切图后小目标的相对尺寸变大，检测率提升明显。

调高输入分辨率：YOLO默认输入640x640，但TinyPerson的原始图片分辨率通常在1024x1024甚至更高，直接resize到640把目标缩得更小。有几个方案可以考虑：训练时用1280x1280输入；或者保留原分辨率，只在训练时随机裁剪局部区域（相当于放大目标）。显存不够的话，用切图训练更实际。

关闭或降低mosaic增强：mosaic对常规目标检测很有用，但对极小目标可能起反作用——4张图拼在一起，小目标被进一步缩小，而且拼接边界容易把目标截断，导致标注失真。实测下来，对TinyPerson这类数据，关闭mosaic，改用简单的平移、翻转、色彩抖动，训练稳定性反而更好。

6. 除了转换，这个数据集还能怎么用

最后顺便聊一下拿到YOLO格式TinyPerson之后，除了直接训练，还能做点什么。这个数据集的真正价值不只是当训练集，它还适合用来做数据增强验证、小目标检测器对比评测，以及配合其他数据集做联合训练。

TinyPerson最大的问题是数据量不大、场景单一（海上为主），单独训练出来的模型换到城市街道、园区监控这些场景，泛化能力会比较有限。我建议把它和常规行人数据集混合使用，比如在通用行人数据集上先预训练，再用TinyPerson微调，这样能兼顾通用场景和小目标专门场景。

另一个思路是类别合并。如果你最终任务只是“检测人”，不太关心人在海上还是岸上，训练时把sea_person和earth_person合并成单一person类别会更好。类别多意味着每个类别的正样本更少，对只有1600个实例的小数据集来说，合并类别能让模型学到更鲁棒的行人特征，而不是纠结于场景区分。

我自己在实际使用中的体会是：TinyPerson是个非常适合用来检验小目标检测能力的“压力测试”数据集，模型在它上面的表现基本能反映真实小目标场景中的下限水平。如果你做的项目涉及高空监控、无人机视角、远距离行人识别这些方向，花一个下午把数据格式搞定，后面能少走很多弯路。最后再分享一个小技巧：转换脚本和检查脚本别删，整理成一个数据预处理的小工具库，下次碰到COCO格式的数据集，改个路径直接就能复用。

本文还有配套的精品资源，点击获取