简介：这是一份面向目标检测初学者与算法工程师的鸭子目标检测数据集，适用于模型训练、算法验证与课程实验等场景。数据集共包含2703张jpg图片，每张图片均配有对应的Pascal VOC格式xml标注文件与YOLO格式txt标注文件，标注工具为labelImg，采用矩形框方式对单一类别Duck进行标注，总标注框数达4341个，类别分布集中，便于快速开展单类目标检测任务。压缩包为zip格式，内含1999个xml文件与1个说明txt文件，整体大小约261.38MB，文件结构清晰，可直接用于主流检测框架的数据读取与格式转换。目前已有206人学习下载，适合需要真实标注数据练习模型训练、验证与调参的读者参考使用。
1. 鸭子数据集到底能拿来干什么：2703 张图、4341 个框的单类检测底料
如果你正在找一个能快速跑通目标检测全流程、又不想在数据清洗上耗掉一整周的素材，这份鸭子数据集算是相当省心的选择。它一共 2703 张 jpg 图片，配套 2703 个 Pascal VOC 格式的 xml 标注和 2703 个 YOLO 格式的 txt 标注，标注工具用的是 labelImg，标注方式就是最朴素的矩形框。类别只有一个：Duck，总框数 4341，平均每张图 1.6 个框左右，属于典型的小目标密度不高的单类数据集。
它适合谁？一是刚接触 YOLO 训练、想先跑通「数据准备 → 训练 → 推理 → 评估」闭环的新手；二是需要做鸟类或家禽类检测基线、想拿一个干净单类数据集验证模型改动是否有效的老手。不适合谁？想做多类联合训练、或者需要分割掩码、关键点的人，这份数据只有检测框，没有分割路径的 txt，也没有 mask 文件。下面我从格式结构、转换、训练配置到踩坑，按能直接复现的顺序拆一遍。
2. VOC 与 YOLO 双格式拆解：目录结构、字段含义与转换脚本
2.1 两种格式到底差在哪，为什么这份数据两个都给了
Pascal VOC 格式的核心是 xml 文件，每张图对应一个 xml，里面记录了图片尺寸、目标类别和矩形框的左上角、右下角坐标。YOLO 格式则是每张图对应一个 txt，每行一个目标，格式是类别索引 中心x 中心y 宽 高，且这些值都归一化到 0 到 1 之间。这份数据集同时给了 xml 和 txt，好处是你不用自己写转换脚本就能直接喂给 YOLO 系列训练，同时 xml 又能拿来做数据校验或转 COCO。
常见做法是：用 xml 做人工复核和可视化，用 txt 直接进训练。因为 labelImg 保存时如果同时勾选了 VOC 和 YOLO，它会生成两套文件，这份数据应该就是这么来的。需要注意的是，YOLO 的类别索引从 0 开始，这里只有 Duck 一类，所以 txt 里每行开头都是 0。
2.2 目录怎么摆，训练前先做一次结构自检
拿到压缩包后，我一般先解压到一个干净目录，然后跑一段脚本确认图片、xml、txt 三者数量一致，且文件名能一一对应。下面这段 Python 可以直接抄：
import os from pathlib import Path root = Path("xyxr_duck") # 解压后的根目录 img_dir = root / "JPEGImages" xml_dir = root / "Annotations" txt_dir = root / "labels" imgs = {p.stem for p in img_dir.glob("*.jpg")} xmls = {p.stem for p in xml_dir.glob("*.xml")} txts = {p.stem for p in txt_dir.glob("*.txt")} print("图片数:", len(imgs)) print("xml数:", len(xmls)) print("txt数:", len(txts)) print("图片缺xml:", imgs - xmls) print("xml缺图片:", xmls - imgs) print("图片缺txt:", imgs - txts)逻辑说明：用Path.glob分别收集三种文件的 stem（不带扩展名的文件名），然后做集合差。参数上，img_dir、xml_dir、txt_dir要按你实际解压后的目录名改，有的包会把 xml 和 jpg 混在一个文件夹里，那就把路径改成同一个目录再过滤后缀。跑完如果三个数都是 2703，且差集为空，说明数据完整，可以进下一步。
2.3 从 VOC 转 YOLO：坐标归一化的四个参数
虽然这份数据已经带了 YOLO txt，但如果你拿到的是只有 xml 的版本，或者想自己重转一遍确保无误，下面这段转换脚本要理解清楚。核心是把 xml 里的xmin, ymin, xmax, ymax转成归一化的中心点和宽高：
import xml.etree.ElementTree as ET from pathlib import Path from PIL import Image def voc_to_yolo(xml_path, img_path, class_map): tree = ET.parse(xml_path) root = tree.getroot() w = int(root.find("size/width").text) h = int(root.find("size/height").text) lines = [] for obj in root.findall("object"): cls = obj.find("name").text if cls not in class_map: continue cid = class_map[cls] bnd = obj.find("bndbox") xmin = float(bnd.find("xmin").text) ymin = float(bnd.find("ymin").text) xmax = float(bnd.find("xmax").text) ymax = float(bnd.find("ymax").text) cx = (xmin + xmax) / 2.0 / w cy = (ymin + ymax) / 2.0 / h bw = (xmax - xmin) / w bh = (ymax - ymin) / h lines.append(f"{cid} {cx:.6f} {cy:.6f} {bw:.6f} {bh:.6f}") return lines class_map = {"Duck": 0} xml_dir = Path("Annotations") img_dir = Path("JPEGImages") out_dir = Path("labels") out_dir.mkdir(exist_ok=True) for xml_file in xml_dir.glob("*.xml"): stem = xml_file.stem img_file = img_dir / f"{stem}.jpg" if not img_file.exists(): print("缺图:", stem) continue lines = voc_to_yolo(xml_file, img_file, class_map) (out_dir / f"{stem}.txt").write_text("\n".join(lines))逻辑说明：先读 xml 的size拿到宽高，再遍历每个object，取类别名映射到索引，取 bndbox 四个坐标。中心点除以宽高做归一化，宽高也除以宽高。参数上，class_map必须和你的类别一致，这里只有 Duck 映射到 0；:.6f保留六位小数是 YOLO 常见精度，够用且不会因为浮点误差导致框偏移。如果某张图没有对应 jpg，脚本会打印缺图并跳过，避免生成空 txt。
2.4 校验转换结果：用可视化反查框有没有偏
转完或拿到 txt 后，别急着训练，先抽几张画出来看。下面这段用 PIL 把 YOLO txt 还原成框画在图上：
from PIL import Image, ImageDraw from pathlib import Path def draw_yolo(img_path, txt_path, out_path): img = Image.open(img_path).convert("RGB") w, h = img.size draw = ImageDraw.Draw(img) for line in Path(txt_path).read_text().strip().splitlines(): cid, cx, cy, bw, bh = map(float, line.split()) x1 = (cx - bw / 2) * w y1 = (cy - bh / 2) * h x2 = (cx + bw / 2) * w y2 = (cy + bh / 2) * h draw.rectangle([x1, y1, x2, y2], outline="red", width=2) img.save(out_path) draw_yolo("JPEGImages/xyxr_duck_605.jpg", "labels/xyxr_duck_605.txt", "check_605.jpg")逻辑说明：把归一化值乘回宽高得到像素坐标，再画矩形。参数上outline和width随意，关键是看框是否贴合鸭子身体。如果框整体偏移或大小不对，多半是 xml 里的宽高和实际图片不一致，或者转换时用错了尺寸来源。这一步能提前发现标注里的脏数据，比训练到一半 loss 不降要省时间得多。
3. 用 YOLOv8 跑通训练：数据 yaml、超参与 BN 崩溃排查
3.1 数据配置文件怎么写，路径和类别名别写错
YOLOv8 训练需要一个 yaml 描述数据位置和类别。这份数据只有一类，写法如下：
path: /data/xyxr_duck train: images/train val: images/val names: 0: Duck逻辑说明：path是数据集根目录，train和val是相对路径，指向存放图片的文件夹。YOLO 会自动把图片路径里的images替换成labels去找同名 txt。参数上，如果你没划分训练验证集，可以先用同一批图做验证跑通流程，但正式训练建议按 8:2 划分。names的键必须从 0 开始且和 txt 里的类别索引一致，这里只有 0 对应 Duck，写错会导致训练时类别数对不上。
3.2 启动训练：命令行参数逐项说明
下面是一条我常用的 YOLOv8 训练命令：
yolo detect train \ data=duck.yaml \ model=yolov8n.pt \ epochs=100 \ imgsz=640 \ batch=16 \ lr0=0.01 \ patience=20 \ project=runs/duck \ name=exp1逻辑说明：model=yolov8n.pt用预训练权重做迁移学习，单类小数据集从零训练容易过拟合，预训练能明显加快收敛。imgsz=640是输入分辨率，鸭子目标不算特别小，640 够用；如果显存吃紧可以降到 416 或 320。batch=16按显存调，8G 显存跑 640 一般能到 16。lr0=0.01是初始学习率，迁移学习常用 0.01 或 0.001。patience=20表示验证指标 20 轮不提升就早停，省时间。project和name决定权重和日志存哪。
3.3 BN 崩溃和 loss 不降：先查这几处
训练中如果遇到 BN 层报错或者 loss 直接变 nan，血泪经验是先查三件事。第一，txt 里有没有空行或坐标超出 0 到 1 范围，越界坐标会让归一化计算异常。第二，图片有没有损坏，用 PIL 批量打开一遍能筛出来。第三，batch 是不是太小，BN 在 batch 小于 2 时统计量不稳定，尽量保证 batch 不低于 8。如果 loss 不降但没报错，先把学习率降一个数量级，再确认类别索引和 yaml 里的 names 是否对齐。这些排查顺序能覆盖大部分翻车场景。
3.4 训练完看什么：混淆矩阵和验证集指标
训练结束后重点看runs/duck/exp1下的结果。混淆矩阵能看出有没有把背景误检成 Duck，单类数据集主要看漏检和误检比例。results.csv里有每轮的 box loss、cls loss 和 mAP50。mAP50 到 0.8 以上说明这份数据质量不错，如果只有 0.5 左右，回去查标注框有没有漏标或错标。验证集预测图在val_batch0_pred.jpg，直接看框得准不准，比数字更直观。
4. 避坑与常见问题：标注、格式、训练里的五个真实翻车点
4.1 现象：训练报错「No labels found」
原因：YOLO 按图片路径替换images为labels找 txt，如果你的目录名不是images和labels，或者 txt 和图片不在对应层级，就会找不到。解决：要么按约定重命名目录，要么在 yaml 里用绝对路径分别指定 train 图片目录，并确保同级有 labels 目录且文件名一一对应。
4.2 现象：框画出来整体偏移或大小翻倍
原因：xml 里的size宽高和实际图片尺寸不一致，常见于图片被缩放后 xml 没更新。解决：转换时不要信 xml 里的宽高，直接用 PIL 打开图片取img.size，用真实尺寸做归一化，能避免这类玄学偏移。
4.3 现象：txt 里出现坐标大于 1 或负数
原因：标注时框拖到了图片边界外，labelImg 有时会保存越界坐标。解决：转换脚本里加裁剪，把 xmin、ymin 限制在 0 以上，xmax、ymax 限制在宽高以内，再归一化。训练前跑一遍范围检查，越界的直接修正或剔除。
4.4 现象：验证集 mAP 很高但实际推理漏检严重
原因：训练验证集划分时同一场景的图片被分到两边，导致验证集过于简单。解决：按图片来源或拍摄批次划分，别用随机划分。如果数据里同一只鸭子有多张连拍，尽量整组进训练或整组进验证，减少信息泄漏。
4.5 现象：训练到一半显存爆了
原因：imgsz或batch设太大，或者 dataloader 的 worker 数过多。解决：先把 batch 减半，再把imgsz降到 416，观察显存占用。YOLOv8 默认会开多 worker，显存紧张时把workers设为 2 或 0 也能缓解。别一上来就拉满参数，先小 batch 跑通再逐步加。
5. 进阶用法：把这份单类数据变成可复用的检测基线
5.1 用预训练权重做迁移，再冻结 backbone 微调
单类 2703 张图不算大，直接全量微调容易过拟合。我一般分两段：先冻结 backbone 只训检测头 20 轮，让头适应 Duck 这一类，再解冻全部训 80 轮。YOLOv8 里可以用freeze参数指定冻结层数：
yolo detect train data=duck.yaml model=yolov8n.pt epochs=20 freeze=10 yolo detect train data=duck.yaml model=runs/duck/exp_freeze/weights/best.pt epochs=80逻辑说明：freeze=10表示冻结前 10 层，通常对应 backbone 的大部分。第一段学习率可以稍大，第二段用默认或更小。这样比一次性训 100 轮更稳，验证集指标也更容易复现。
5.2 用这份数据验证模型改动是否有效
如果你在改 YOLO 结构或损失函数，这份数据是个不错的基线。固定随机种子、固定划分、固定超参，只改你要验证的模块，跑三次取平均 mAP50。单类数据的好处是变量少，指标波动主要来自模型本身而不是类别不平衡。我习惯把每次实验的 yaml、命令和结果 csv 存一个文件夹，方便回溯。
5.3 导出与部署前的一次完整性检查
训练完导出 ONNX 或 TensorRT 前，先确认类别数和输入尺寸和训练一致。导出命令：
yolo export model=runs/duck/exp1/weights/best.pt format=onnx imgsz=640导出后拿几张验证集图片跑一遍推理，对比 PyTorch 和 ONNX 的输出框是否一致。如果 ONNX 框偏移，多半是预处理里 letterbox 的填充参数没对齐。这一步做完，这份鸭子数据集就算从标注到部署整条链路都走通了。
从那以后我每次拿到新数据集，都强制先跑一遍数量自检和可视化抽查，再进训练。希望帮到你。
本文还有配套的精品资源，点击获取
