简介：面向溺水检测场景的YOLO系列目标检测数据集，涵盖溺水、出水、游泳等典型状态，适用于使用YOLOv5、YOLOv7、YOLOv8、YOLOv9、YOLOv10、YOLO11等算法进行模型训练与验证。压缩包内共1018个文件，大小为14.6MB，包括339张JPG原始图像，以及对应的339个XML与339个TXT标注文件，另附1个YAML配置文件。TXT文件采用YOLO格式记录归一化的目标框坐标，XML文件则按照VOC格式保存，便于不同算法框架直接读取；数据集已预先划分好训练与验证集，下载后即可开始训练和测试。目前已有302人学习使用，适合目标检测学习者、算法研究人员以及智慧安防项目开发者，快速构建溺水检测demo或完善安全监控方案。
1. 溺水检测数据集：训练 YOLO 系列模型的第一道门槛
做溺水检测的同行应该都有体会：模型结构再先进，没有干净、带标准标签的数据集，训练出来的东西就是黑匣子，测试集上跑得欢，到了真实泳池场景就翻车。这份 yolo 溺水数据集共 339 张标注图像，覆盖出水、溺水、游泳三类场景，且同时提供 YOLO 格式（txt）和 VOC 格式（xml）标签，省去了自己写转换脚本的功夫。对于要快速验证 YOLOv5、YOLOv8、YOLOv9、YOLOv10、YOLO11 的检测效果，或者做算法对比实验的从业者来说，这份数据可以直接喂给训练管道，不用在数据清洗和格式转换上耗时间。新手拿来熟悉训练流程，老手拿来当基准集，都合适。下面从标签格式、目录结构、训练配置到避坑，完整拆一遍。
2. 双标签格式：YOLO 与 VOC 坐标系的换算逻辑
这份数据集最方便的地方是两种标签格式都齐了：YOLO 用的 txt 归一化坐标，VOC 用的 xml 绝对像素坐标。理解两者之间的对应关系，能让你在切换框架或做数据增强时少踩一半的坑。
2.1 YOLO 格式标签的归一化坐标
打开任意一个 txt 标签文件，比如img_0700_282.txt，内容长这样：
0 0.482031 0.416667 0.105469 0.180556 0 0.730469 0.444444 0.085938 0.158333 1 0.350000 0.538194 0.090625 0.187500每一行对应一个目标框，五个字段分别是：<class> <x_center> <y_center> <width> <height>。class 是类别索引，从 0 开始；x_center 和 y_center 是框中心点相对图像宽高的比例；width 和 height 同理，都是归一化到 0~1 的小数。
我的理解是，这套归一化设计就是为了跟图像实际分辨率解耦。模型训练时输入尺寸是 640×640，但原始图像可能是 1280×720 或 1920×1080，只要标签是比例制，任意缩放都不会导致框偏移。这点要注意，如果你拿到的是像素坐标（比如 XML），在训练前必须手动归一化，否则 loss 会异常大且不收敛。
2.2 VOC 格式的 xml 像素坐标
对应的 VOC 标签里，坐标是绝对的：
<annotation> <filename>img_0700_282.jpg</filename> <size> <width>1280</width> <height>720</height> </size> <object> <name>drowning</name> <bndbox> <xmin>587</xmin> <ymin>224</ymin> <xmax>722</xmax> <ymax>354</ymax> </bndbox> </object> </annotation>从 xml 转 yolo 的换算公式是：x_center = (xmin + xmax) / 2 / width，y_center = (ymin + ymax) / 2 / height，w = (xmax - xmin) / width，h = (ymax - ymin) / height。转换脚本一般用 xml.etree 解析，三分钟就能写完。
2.3 双格式文件组织方式
这份数据集的标签分文件夹存放，YOLO 格式的 txt 和 VOC 格式的 xml 分别在两个目录下，图像在第三个目录。训练时关键是把图像和 txt 放对应路径下，类别映射文件按 txt 中的索引顺序写。常见做法是data.yaml里这样指定：
train: ./images/train val: ./images/val nc: 3 names: ['swimming', 'drowning', 'emerging']需要补充的是，VOC xml 里的<name>可能是swimming、drowning、emerging这类字符串，而 YOLO 用索引，所以训练前先跑一遍标签检查脚本，确认索引和 names 对应，避免类别标签错位导致模型学了个寂寞，后面避坑章也会再提到。
3. 用这份数据集跑通 YOLOv5 训练：目录结构到命令行
拿到这份资源，第一件事不是急着训练，而是把目录整理到 YOLO 仓库预期结构里。YOLOv5 和 YOLOv8 对数据集目录约定略有差异，YOLOv5 是images和labels同级，YOLOv8 也沿用这套约定，所以这里以 YOLOv5 为主线展开。
3.1 数据集目录规范化
数据集本身已经划分好 train 和 val，原始结构大概是这样的：
drowning_dataset/ ├── images/ │ ├── train/ │ │ ├── img_0700_282.jpg │ │ └── ... │ └── val/ │ ├── img_0700_21.jpg │ └── ... ├── labels_yolo/ │ ├── train/ │ │ ├── img_0700_282.txt │ │ └── ... │ └── val/ │ └── ... └── labels_voc/ ├── train/ │ ├── img_0700_282.xml │ └── ... └── val/ └── ...需要做的是把labels_yolo复制一份或软链为labels，目录保持和 images 一样的 train/val 划分。用一条命令可以完成：
cd drowning_dataset cp -r labels_yolo labels这里复制而不是改名，是为了保留 VOC 原文件夹，方便后续做数据增强或转化回 VOC 验证。常见的做法是先把 labels 和 images 放到同一父目录下，再改data.yaml路径，不用把图片和标签混在一个目录里。
3.2 data.yaml 配置与训练命令
在 YOLOv5 根目录下新建drowning.yaml：
train: /absolute/path/to/drowning_dataset/images/train val: /absolute/path/to/drowning_dataset/images/val nc: 3 names: ['swimming', 'drowning', 'emerging']注意 train 和 val 路径指向的是 images 目录，YOLOv5 会自动在同级找 labels 目录。建议使用绝对路径，避免相对路径在多级目录下解析出错。接下来直接开始训练：
python train.py --img 640 --batch 16 --epochs 100 \ --data drowning.yaml --weights yolov5s.pt --name drowning_v5s--img 640是输入分辨率，--batch 16视显存调整，8GB 显存跑 s 模型建议 batch 不超过 16，--epochs 100对于 339 张图来说已经够用，模型小、数据量不大，100 轮能收敛得很充分。--weights yolov5s.pt用 COCO 预训练权重做迁移学习，比从头训练少一半时间还能提点。
3.3 类别不均衡与初始训练结果评估
训练 100 轮后看runs/train/exp/下的results.csv，主要关注mAP@0.5和mAP@0.5:0.95两个值。如果mAP@0.5在 0.7 以上，说明基础模型已经可用；如果低于 0.5，先检查标签是否有误，再考虑调参。
常见的问题是类别分布不均，比如 drowning 样本少。可以用utils/loss.py里的plot_labels功能或者直接统计 txt 文件里每类目标数量：
cat labels/train/*.txt | awk '{print $1}' | sort | uniq -c输出如果显示类别 0 有 400 个框，类别 1 只有 100 个，可以考虑数据增强或增加对应类别权重，避免模型偏向多数类。
3.4 数据增强对溺水检测的适配
YOLOv5 默认开了马赛克增强和随机仿射变换，这对溺水场景其实很关键。泳池水面的反光、波纹、水花对检测器来说都是干扰，增强等于变相扩充了样本多样性。
# hyp.scratch-low.yaml 中对溺水检测比较关键的几项 hsv_h: 0.015 hsv_s: 0.7 hsv_v: 0.4 flipud: 0.5 mosaic: 1.0flipud 水平翻转对于水面倒影、游泳姿势有一定帮助；mosaic 增强的小目标拼接对远处游泳者检测有益。参数值一般保持默认，不需要额外改动，除非你发现模型在特定角度下频繁漏检。
4. 避坑与排查：溺水场景检测翻车的几个高频原因
这份资源本身能少踩很多坑，但实际操作中环境问题、标签问题才是新手最容易卡住的地方。结合常见实操经验，把必踩的坑列出来。
4.1 第一个坑：标签索引与 names 顺序不对应
现象：训练时 mAP 全程极低，甚至接近 0，但 loss 在正常下降。
原因：txt 标签里类别索引是 1 的开头却对应着names里的第一个类别swimming，而实际想表示的是drowning，导致模型学反了类别映射。
解决：先统计全部 txt 文件里出现过的 class 索引值，再逐个打开几个 xml 核对<name>字段。确保names列表顺序跟索引完全对应：假设 xml 中显示类别 0 是 swimming，但你的 names 第一个是 drowning，那就需要交换 names 顺序，或者写脚本统一批量改动标签索引。注意改完重新统计类别数量，看是否均衡。
4.2 第二个坑：训练时标签全部报错，提示找不到对应文件
现象：训练命令启动后直接报错，image 1/339 ... WARNING: label path not exist。
原因：YOLOv5 找标签的机制是，将 images 路径下的images字段替换为labels。如果数据集目录结构里没有 labels 文件夹或者标签文件命名与对应图像不一致，就会全报错。
解决：严格按第三节的目录结构操作。先把labels_yolo复制为labels，再检查每个图像和 txt 的 basename 是否完全一致，常见的坑是图片是img_0700_282.jpg，标签却写成了img_0700_282.txt（多空格），这类低级问题用ls对比就能发现。
4.3 第三个坑：救援人员被识别成溺水者
现象：验证集上 precision 高，但 recall 低，漏检多，现场误报也多。
原因：数据集中没有单独标注“救生员/旁人”类别，只有游泳、溺水、出水三类。救生员坐在池边或站在水中，姿势跟溺水者相似，模型被判成溺水是逻辑必然。
解决：这个值得多说两句。最直接的办法是在训练集里补充包含救生员、泳池边站立的行人、休息区游客的验证图像，并新增一个 background 或 passerby 类别，或者直接把救生员的标签从训练集中剔除，避免干扰。没有额外数据的话，就先调低置信度阈值，用 NMS 后的框面积和长宽比做筛选过滤锚框，再结合帧间运动方向做时序判断。
4.4 第四个坑：VOC 转 YOLO 时坐标越界
现象：自己写了脚本从 xml 转 txt，训练时 YOLOv5 警告WARNING: invalid bbox，检查发现部分框坐标是负数或大于 1。
原因：xml 里个别 bndbox 超出了图像边界，通常是标注时手滑拖出画布，或者图像本身有黑边而标注包含黑边范围。归一化后就会出现负值或超 1 的值。
解决：写转换脚本时加一层 clamp，强制边界约束：
x_center = min(max((xmin + xmax) / 2 / width, 0.0), 1.0) y_center = min(max((ymin + ymax) / 2 / height, 0.0), 1.0) box_w = min(max((xmax - xmin) / width, 0.0), 1.0) box_h = min(max((ymax - ymin) / height, 0.0), 1.0)即便这份数据已经标好，也建议跑一遍检查脚本，把越界框过滤掉再训练，减少意外出错。
4.5 第五个坑：339 张图做训练，模型过拟合
现象：训练 loss 很低，但验证集 mAP 波动大，单次跑出的结果不稳定。
原因：339 张图、三类目标，数据量偏少，模型容易记住训练集的细节，而不是泛化出“溺水”这个概念。
解决：数据不够，增强来凑。用--augment开启测试时增强（TTA），或者增加训练时的随机 erasing、cutout，都能提升鲁棒性。也可以直接跑 YOLOv5 的--cache预加载数据，减少 I/O 波动，让训练更稳定。必要的时候，用 K 折交叉验证评估模型稳定性。
5. 模型评估与验证：从 mAP 到真实场景数据衡量
训练完成只是第一步，关键是能不能拿到一份可信的评估报告。这章说清楚验证手法和参数解读。
5.1 验证命令与输出指标解读
训练完后用自带验证脚本跑一遍：
python val.py --data drowning.yaml --weights runs/train/drowning_v5s/weights/best.pt --img 640 --task val输出指标中mAP@0.5是 IoU 阈值为 0.5 时的平均精度，mAP@0.5:0.95是 COCO 标准中的严格指标，对定位要求更高，更能反映模型实用性。溺水检测场景下，建议两个指标都看，尤其关注mAP@0.5:0.95，因为水下人体与背景对比度低，框的定位不精确会影响后续追踪或报警的准确性。
5.2 每类别的 PR 曲线单独分析
如果整体 mAP 可以，但是某一类很低，比如 drowning 只有 0.4，说明这一类数据过少或特征不明显。手动把runs/val/exp/PR_curve.png拉出来看，per-class 的 PR 曲线会直观暴露哪一类是短板。针对表现差的类别，优先补充样本，其次调整 loss 的类别权重。
5.3 实际推理测试部署预演
评估指标是参考，真实视频流才是试金石。用训练好的模型跑一段泳池监控视频，观察连续帧的稳定性：
python detect.py --weights runs/train/drowning_v5s/weights/best.pt --source demo.mp4 --conf 0.35 --iou 0.5 --view-img--conf 0.35比默认 0.25 严格一点，可以过滤一部分背景误检；--iou 0.5是 NMS 的 IoU 阈值，对于遮挡严重的溺水场景，建议调低到 0.3 防止相邻框被合并吞掉。水花干扰、救生员走动、光照突变，这些非理想条件在静态图上看不出来，跑视频能筛掉大部分不落地的模型。
6. 进阶：用难例挖掘迭代提升溺水检测的报警稳定性
跑通训练和评估后，想要让模型在真实场景中稳定运行，最值得投入的是难例挖掘和持续迭代。我自己的习惯是前向推理后，把置信度低于 0.5 但确实有溺水行为的样本截取出来，人工复核后加入训练集。
操作逻辑是：先跑一次推理，用脚本把所有漏检或置信度偏低的检测结果导出：
import cv2 import torch from pathlib import Path model = torch.hub.load('ultralytics/yolov5', 'custom', path='runs/train/drowning_v5s/weights/best.pt') video_path = Path('demo.mp4') results = model(video_path, augment=False) results.pandas().xyxy[0].to_csv('detections.csv', index=False)接着筛选出 detection 置信度低于 0.3 且没有框的帧，统一抽帧。
import pandas as pd df = pd.read_csv('detections.csv') hard_frames = df[df['confidence'] < 0.3]['frame_id'].unique() for fid in hard_frames: # 抽帧并另存为 hard_example_{fid}.jpg pass将这些难例图像重新标注（格式与原始数据集一致），合并到原训练集重新训练，repeat 两到三轮，模型对复杂水面的误检率通常会有肉眼可见的下降。关键参数是置信度阈值的选择：报警灵敏度优先就调低到 0.2，误报优先就拉高到 0.5，没有绝对值，只有业务权衡。
利用这份数据集把模型基线、验证流程、难例迭代全部打通之后，再遇到新的场景视频，问题就不再是“模型能不能识别溺水”，而是“当前环境的干扰项有哪些，如何快速采集样本补齐”。每次换场地，我都要用这套流程走一遍难例挖掘再上报告警，希望能帮到同样卡在数据到报警这最后一步的你。
本文还有配套的精品资源，点击获取
