可口可乐与百事可乐标志检测：2220张VOC+YOLO数据集实战yolov8训练

简介：本资源为可口可乐与百事可乐标志目标检测数据集，面向从事目标检测算法练习、品牌识别或零售场景分析的学生与开发者，可用于训练和验证两类别检测模型。数据集共2223张jpg图片，每张均配有对应的VOC格式xml标注与YOLO格式txt标注，标注类别为CocaCola和Pepsi，其中CocaCola框数2268、Pepsi框数2398，总框数4666，采用labelImg工具按矩形框规则完成标注。压缩包内文件总数约2000个，以xml标注文件为主，另含说明文件，整体大小120.84MB，目录结构简洁，便于直接接入常见检测框架。目前已有347人学习下载，适合需要快速获取双类别标注数据、验证模型训练流程或进行迁移学习实验的读者参考使用。

1. 可口可乐与百事可乐标志检测：2220 张双标签数据集到底能做什么

快消品货架审核、自动售货柜库存盘点、广告植入统计，这些场景里最常被问到的一个问题就是：画面里到底有没有可口可乐或百事可乐的标志，在哪个位置。要回答这个问题，绕不开目标检测数据集。手上这份「可口可乐与百事可乐标志检测数据集2220张2个标签VOC+YOLO格式」就是为这类任务准备的：2220 张图像，2 个类别标签，同时提供 VOC 与 YOLO 两套标注格式。它解决的不是「识别饮料瓶」这种粗粒度问题，而是把品牌标志当作独立目标框出来，属于典型的细粒度小目标检测。适合谁用？想跑通 yolov8目标检测数据集处理流程的新手，想验证品牌 logo 检测方案的算法工程师，以及需要快速搭一个货架识别原型的开发者。下面按「先立住原理、再动手复现、最后讲坑」的顺序拆开讲。

2. 双标签 VOC+YOLO 数据集的结构与选型逻辑

2.1 2220 张、2 个标签意味着什么

先把数字翻译成工程语言。2220 张图像、2 个类别，平均每类样本量在千级，属于中小规模数据集。这个量级决定了它不适合从零训练一个大 backbone，而是更适合迁移学习：加载 yolo预训练模型下载得到的权重，冻结主干、微调检测头。2 个标签的好处是类别极度聚焦，模型不需要在几十个类之间分配容量，收敛快、混淆矩阵干净，很适合用来验证「小目标 + 相似外观」这个难点。

需要提前有心理预期的是类别不平衡。可口可乐和百事可乐在真实图像里的出现频次往往不对等，如果某一类只有几百张，训练时该类召回会明显偏低。动手前先统计每类实例数，别等训练完看混淆矩阵才发现某一类几乎没学到。

2.2 VOC 与 YOLO 两套格式的差异与转换

VOC 格式用 XML 描述，每个目标一个<object>节点，坐标是绝对像素值xmin/ymin/xmax/ymax；YOLO 格式用 txt，每行class cx cy w h，坐标是归一化到 0~1 的相对值。两者不是简单缩放关系，还涉及类别名到类别索引的映射。常见做法是保留一份类别映射表，转换时严格按表来，避免索引错位。

提示：转换前先备份原始标注。VOC 转 YOLO 是不可逆的有损操作（浮点归一化会丢精度），一旦覆盖原始 XML，后悔药没有。

2.3 目录组织与最小校验脚本

拿到数据集先别急着训练，跑一遍完整性校验，确认每张图都有对应标注、坐标不越界、类别名统一。下面这段脚本做三件事：统计图像与标注配对情况、检查 VOC 坐标是否越界、输出每类实例数。

import os, glob import xml.etree.ElementTree as ET from collections import Counter IMG_DIR = "JPEGImages" ANN_DIR = "Annotations" imgs = {os.path.splitext(os.path.basename(p))[0] for p in glob.glob(f"{IMG_DIR}/*.jpg")} xmls = {os.path.splitext(os.path.basename(p))[0] for p in glob.glob(f"{ANN_DIR}/*.xml")} # 1. 配对检查：找出有图无标注、有标注无图 print("有图无标注:", imgs - xmls) print("有标注无图:", xmls - imgs) cls_counter = Counter() bad_box = 0 for x in glob.glob(f"{ANN_DIR}/*.xml"): root = ET.parse(x).getroot() size = root.find("size") W, H = int(size.find("width").text), int(size.find("height").text) for obj in root.findall("object"): cls_counter[obj.find("name").text] += 1 b = obj.find("bndbox") x1, y1 = int(b.find("xmin").text), int(b.find("ymin").text) x2, y2 = int(b.find("xmax").text), int(b.find("ymax").text) # 2. 越界检查：坐标必须落在图像范围内且左上小于右下 if x1 < 0 or y1 < 0 or x2 > W or y2 > H or x1 >= x2 or y1 >= y2: bad_box += 1 print("每类实例数:", dict(cls_counter)) print("越界框数量:", bad_box)

逻辑说明：先用集合差集找出配对缺失，这是数据集最常见的低级错误；再遍历 XML 检查坐标合法性。参数上IMG_DIR、ANN_DIR按实际目录名改，bad_box大于 0 就要人工回看，通常是标注时框拖出了边界。类别名如果出现「coca」「Coca」「cocacola」这类不一致写法，必须在转换前统一，否则会被当成多个类。

3. 从 VOC 转 YOLO 到跑通 yolov8 训练

3.1 VOC 转 YOLO 的转换脚本与四个边界坑

转换脚本本身不长，坑都在边界上。下面这段把 VOC 的 XML 批量转成 YOLO 的 txt，同时生成classes.txt。

import os, glob import xml.etree.ElementTree as ET CLASSES = ["coca_cola", "pepsi"] # 顺序即索引，务必与后续训练配置一致 cls2id = {c: i for i, c in enumerate(CLASSES)} ANN_DIR = "Annotations" OUT_DIR = "labels" os.makedirs(OUT_DIR, exist_ok=True) for x in glob.glob(f"{ANN_DIR}/*.xml"): root = ET.parse(x).getroot() size = root.find("size") W, H = int(size.find("width").text), int(size.find("height").text) lines = [] for obj in root.findall("object"): name = obj.find("name").text.strip() if name not in cls2id: continue # 未登记类别直接跳过，避免索引错位 b = obj.find("bndbox") x1, y1 = float(b.find("xmin").text), float(b.find("ymin").text) x2, y2 = float(b.find("xmax").text), float(b.find("ymax").text) # 裁剪到图像范围内，防止归一化后出现负值或大于1 x1, y1 = max(0, x1), max(0, y1) x2, y2 = min(W, x2), min(H, y2) cx, cy = (x1 + x2) / 2 / W, (y1 + y2) / 2 / H w, h = (x2 - x1) / W, (y2 - y1) / H lines.append(f"{cls2id[name]} {cx:.6f} {cy:.6f} {w:.6f} {h:.6f}") stem = os.path.splitext(os.path.basename(x))[0] with open(f"{OUT_DIR}/{stem}.txt", "w") as f: f.write("\n".join(lines))

四个边界坑：一是类别索引顺序，CLASSES列表顺序必须和训练时的data.yaml完全一致，错一位整个训练白跑；二是坐标裁剪，标注框偶尔会超出图像边界，不裁剪归一化后会出现负值，YOLO 会直接报错或静默丢弃；三是空标注文件，某张图没有目标时也要生成空 txt，否则 YOLO 会把它当负样本处理逻辑不一致；四是浮点精度，保留 6 位小数足够，截断太狠会让小目标框偏移。

3.2 data.yaml 与目录结构

YOLO 训练靠data.yaml找数据，路径写错是最常见的翻车点。推荐结构如下：

dataset/ images/ train/ val/ labels/ train/ val/ data.yaml

path: ./dataset train: images/train val: images/val nc: 2 names: 0: coca_cola 1: pepsi

nc是类别数，必须等于names的条目数；names的索引要和转换脚本里的cls2id对齐。path用相对路径时，训练命令要在dataset的上一级目录执行，否则会找不到文件。

3.3 用 yolov8 跑通第一次训练

环境配置建议用 conda 隔离，避免和系统里的其他 torch 版本打架。

conda create -n logo python=3.10 -y conda activate logo pip install ultralytics

训练命令：

yolo detect train \ data=dataset/data.yaml \ model=yolov8n.pt \ epochs=100 \ imgsz=640 \ batch=16 \ patience=20 \ name=coke_pepsi

参数说明：model=yolov8n.pt用 nano 版预训练权重，2220 张的量级足够，想提精度再换yolov8s.pt；imgsz=640是标准输入，标志属于中小目标，不建议降到 416，会丢细节；batch=16按显存调，V100 上可以拉到 32 甚至 64；patience=20表示 20 轮无提升就早停，省时间。训练中重点看mAP50和每类的P/R，如果某一类召回长期为 0，回去查类别索引和该类样本数。

3.4 推理与结果验证

训练完用验证集跑一遍，确认模型真的学到了东西，而不是只记住了背景。

yolo detect predict \ model=runs/detect/coke_pepsi/weights/best.pt \ source=dataset/images/val \ conf=0.25 \ save=True

conf=0.25是置信度阈值，标志检测建议先设低一点看召回，再根据误检情况往上调。验证时别只看 mAP 数字，把预测图翻一遍，重点看两类标志是否互相误判——这是本数据集最典型的失败模式，两个品牌配色和字体风格接近，模型容易混淆。

4. 训练中的避坑与排查清单

4.1 混淆矩阵总合不唯一

现象：跑完训练看混淆矩阵，行和列加起来对不上，或者某一类的总数和验证集实际实例数不一致。原因通常是验证集里存在被裁掉边界的框，或者转换时坐标越界被丢弃，导致实际参与评估的实例数少于标注数。解决：回到 2.3 的校验脚本，把越界框全部修掉再重新转换，确保验证集标注和图像严格对应。

4.2 训练中 BN 崩溃

现象：loss 突然变成 NaN，日志里出现 batch norm 相关的异常。原因多半是某个 batch 里有效目标太少，或者学习率过高导致梯度爆炸。解决：先把batch调大让每个 batch 有足够样本，再把初始学习率降到0.001甚至更低，同时开启amp=False排除混合精度干扰，定位是不是精度问题。

4.3 小目标召回上不去

现象：mAP 看着还行，但小尺寸标志经常漏检。原因：标志在整图里占比小，下采样后特征几乎消失。解决：把imgsz提到 800 或 960，或者开启多尺度训练scale=0.5，让模型见到不同尺寸的目标；数据层面可以对小目标图像做裁剪增强，人为放大标志占比。

4.4 两类互相误判

现象：可口可乐被识别成百事可乐，反之亦然。原因：两个品牌视觉特征接近，且训练样本里某一类偏少。解决：检查类别是否真的不平衡，必要时对少样本类做过采样；推理时适当提高conf阈值，宁可漏检也别错判，因为品牌错判在业务上比漏检更严重。

4.5 验证集指标虚高

现象：验证集 mAP 很高，换一批真实货架图就崩。原因：验证集和训练集来自同一批拍摄条件，分布太接近，模型过拟合了场景而不是目标。解决：手动留出一部分不同光照、不同角度的图做独立测试集，别用随机划分的验证集当最终结论。

5. 把这份数据集用出上限的几个技巧

想让 2220 张发挥更大价值，关键在数据增强和评估策略。增强上，颜色抖动要慎用——两个品牌的标志颜色本身就是判别特征，HSV 扰动过大会把红色调成橙色，反而制造噪声；更安全的是随机缩放、平移和轻微旋转，模拟货架拍摄的角度变化。 mosaic 增强对 YOLO 很有效，但小目标场景下四图拼接会让标志更小，建议把mosaic概率从默认 1.0 降到 0.5。

评估上，别只信 mAP。品牌检测业务里，误检和漏检的代价不对称，我会单独统计两个指标：一是每类在conf=0.5下的精确率，二是把conf从 0.1 扫到 0.9 画 P-R 曲线，找到业务能接受的平衡点。如果要做部署，导出 ONNX 后用onnxruntime跑一遍，确认推理结果和 PyTorch 一致，这一步能提前暴露算子不支持的问题。

还有一个容易被忽略的点：把类别名和索引固化到配置文件里，别散落在脚本各处。我吃过这个亏——转换脚本改了类别顺序，训练配置忘了同步，跑了一晚上发现两类标签整体错位，只能重来。现在我的习惯是类别映射只维护一份classes.txt，转换、训练、推理全部读它。希望帮到你。

本文还有配套的精品资源，点击获取