手机识别数据集实战：2628张图片COCO标注转YOLO训练全流程-开发者社区

简介：这份手机识别数据集面向计算机视觉初学者、目标检测算法练习者以及需要手机类目样本的开发者，用于训练和验证手机目标检测或图像分类模型。资源包共2000个文件，以1997张jpg原始图片为主，另附3个json标注文件，压缩包约82.97MB，图片命名包含IMG与pp等前缀，覆盖多种拍摄场景与角度，json文件采用coco格式，可直接对接主流检测框架的数据加载流程。目前已有715人学习下载，说明其在手机识别任务中具备一定参考价值。读者可借助这批原始图片与coco标注，快速搭建训练集与验证集，完成模型微调、数据增强或标注格式转换等实验，省去自行采集与标注的时间成本，适合作为课程设计、毕业项目或算法入门的实战素材。

1. 手机识别数据集落地：2628 张原始图片与 COCO JSON 标注到底怎么用

手里有一批手机拍摄的原始照片，想训练一个能识别手机的检测模型，最卡脖子的往往不是网络结构，而是标注。这份手机识别数据集给了 2628 张原始图片，标注直接以 COCO JSON 格式提供，意味着你不需要从零画框，拿到手就能接进主流检测框架。它适合三类人：一是想跑通目标检测全流程的新手，二是需要快速验证模型结构或数据增强策略的算法工程师，三是做手机检测相关应用、缺一份干净标注数据的从业者。文件名里那些IMG20211010...和mobile-phones-_jpg.rf...的命名，说明图片来自真实拍摄场景，不是合成图，这对模型泛化是好事。下面按「数据长什么样 → 怎么转成训练格式 → 怎么训 → 坑在哪」的顺序拆开讲。

2. COCO JSON 标注结构拆解：先看懂再动手

2.1 COCO 标注的四个核心字段

COCO 格式的标注文件本质是一个大 JSON，检测任务里你只需要盯住四个顶层字段：images、annotations、categories、info。images记录每张图的id、file_name、width、height；annotations是每个标注框，含image_id、category_id、bbox、area、iscrowd；categories定义类别，手机识别通常只有一个类，id可能是 1 或 0，这点必须先确认，否则训练时类别对不上。bbox的格式是[x, y, width, height]，注意是左上角坐标加宽高，不是[x1, y1, x2, y2]，这是新手最容易翻车的地方。

先用一段 Python 把标注读出来，确认字段和类别：

import json # 换成你的标注文件路径 with open("annotations/instances.json", "r", encoding="utf-8") as f: coco = json.load(f) print("图片数量:", len(coco["images"])) print("标注数量:", len(coco["annotations"])) print("类别:", coco["categories"]) # 看第一条标注的 bbox 格式 first = coco["annotations"][0] print("bbox:", first["bbox"], "category_id:", first["category_id"])

这段代码的作用是先做数据体检。len(coco["images"])应该接近 2628，如果差很多，说明标注文件不完整或图片有缺失。categories打印出来要确认类别数和id，后面转 YOLO 时要用。bbox打印出来看数值范围，如果出现负数或超出图片宽高，说明标注有脏数据，得先清洗。

2.2 图片与标注的对应关系校验

COCO 里图片靠file_name关联磁盘文件，标注靠image_id关联图片。常见问题是标注文件里的file_name和实际图片文件名对不上，比如多了前缀路径或扩展名大小写不一致。写个校验脚本，把缺失和多余的都列出来：

import os img_dir = "images" disk_files = set(os.listdir(img_dir)) anno_files = set(img["file_name"] for img in coco["images"]) missing = anno_files - disk_files # 标注里有、磁盘上没有 extra = disk_files - anno_files # 磁盘上有、标注里没有 print("标注有但图片缺失:", len(missing)) print("图片有但标注缺失:", len(extra)) print("示例缺失:", list(missing)[:5])

missing不为空说明有标注找不到图，训练时会直接报错；extra不为空说明有图没标注，可以留着做测试集或直接忽略。这一步花两分钟，能省掉后面训练时反复排查的时间。我一般会把校验结果写进日志，数据一换就重跑一遍。

2.3 类别 id 与训练配置的映射

手机识别通常是单类，但 COCO 的category_id不一定是 0。YOLO 系列要求类别从 0 开始连续，所以转换时必须做一次映射。假设categories里手机的id是 1，那转换后所有框的类别都要减 1 变成 0。如果直接拿 COCO 的category_id去训 YOLO，会出现类别索引越界或全部预测成背景的玄学现象。转换脚本里加一行映射表就能解决，后面第 3 章会给完整代码。

3. 转成 YOLO 训练格式：转换脚本与参数说明

3.1 为什么优先转 YOLO txt 而不是直接用 COCO

COCO JSON 适合做数据管理和评估，但训练时很多框架读 COCO 的效率不如读 txt。YOLOv5、YOLOv8 默认吃的是每张图一个.txt，每行class_id x_center y_center width height，且坐标是归一化到 0~1 的。转成这种格式后，训练时不用每次解析大 JSON，数据加载更快，也方便你直接看某个框对不对。常见做法是保留原始 COCO JSON 做备份，另生成一份 YOLO 格式的目录结构。

3.2 完整转换脚本

下面这个脚本把 COCO JSON 转成 YOLO 的 images/labels 结构，同时做类别映射和坐标归一化：

import json import os from PIL import Image coco_path = "annotations/instances.json" out_img_dir = "yolo/images" out_lbl_dir = "yolo/labels" os.makedirs(out_img_dir, exist_ok=True) os.makedirs(out_lbl_dir, exist_ok=True) with open(coco_path, "r", encoding="utf-8") as f: coco = json.load(f) # 建立 image_id -> 图片信息 的索引 img_info = {img["id"]: img for img in coco["images"]} # 类别 id 映射：COCO 原始 id -> 从 0 开始的连续 id cat_ids = sorted(c["id"] for c in coco["categories"]) cat_map = {cid: idx for idx, cid in enumerate(cat_ids)} print("类别映射:", cat_map) # 按 image_id 聚合标注 from collections import defaultdict anno_by_img = defaultdict(list) for ann in coco["annotations"]: anno_by_img[ann["image_id"]].append(ann) for img_id, info in img_info.items(): w, h = info["width"], info["height"] file_name = info["file_name"] # 复制或软链图片到 yolo/images src = os.path.join("images", file_name) dst = os.path.join(out_img_dir, file_name) if os.path.exists(src) and not os.path.exists(dst): os.symlink(os.path.abspath(src), dst) # 软链省空间，也可用 shutil.copy # 写 label 文件 label_name = os.path.splitext(file_name)[0] + ".txt" with open(os.path.join(out_lbl_dir, label_name), "w") as lf: for ann in anno_by_img.get(img_id, []): x, y, bw, bh = ann["bbox"] # 归一化并转中心点 xc = (x + bw / 2) / w yc = (y + bh / 2) / h nw = bw / w nh = bh / h cls = cat_map[ann["category_id"]] lf.write(f"{cls} {xc:.6f} {yc:.6f} {nw:.6f} {nh:.6f}\n") print("转换完成")

逻辑上分四步：先建image_id到图片信息的索引，避免循环里反复查；再做类别 id 映射，保证从 0 开始；然后按image_id把标注聚合，减少遍历；最后逐图写 txt，坐标从[x, y, w, h]转成归一化的中心点格式。参数上，cat_map是关键，如果你的数据集类别 id 本来就是 0，映射后不变；symlink那行如果系统不支持软链，换成shutil.copy即可。归一化保留 6 位小数足够，再多没必要。

3.3 生成训练用的 data.yaml

YOLO 训练需要一个 yaml 描述数据路径和类别：

path: ./yolo train: images val: images nc: 1 names: ["phone"]

nc是类别数，手机识别填 1；names顺序必须和cat_map的值对应，即索引 0 对应 phone。如果后面你加了别的类别，这里要同步改。train和val这里先都指向 images，正式训练前应该按 8:2 划分，别拿训练集当验证集，否则指标虚高，上线就翻车。

4. 训练与验证：从 2628 张图跑出可用模型

4.1 训练命令与关键参数

以 YOLOv8 为例，装好环境后一条命令就能起训：

yolo detect train \ data=./yolo/data.yaml \ model=yolov8n.pt \ epochs=100 \ imgsz=640 \ batch=16 \ lr0=0.01 \ patience=20 \ project=runs/phone \ name=exp1

model=yolov8n.pt用预训练权重，2628 张图不算多，从头训容易过拟合，迁移学习更稳。imgsz=640是常见输入尺寸，如果原图分辨率很高且手机目标小，可以提到 960，但显存和速度要权衡。batch=16按显存调，爆显存就降到 8。patience=20表示 20 轮没提升就早停，省时间。lr0=0.01是初始学习率，小数据集可以降到 0.001 更稳。

4.2 验证指标怎么看

训练完看runs/phone/exp1下的结果，重点看mAP50、mAP50-95和precision/recall。手机识别单类，mAP50上 0.9 通常说明数据质量不错；如果mAP50高但recall低，说明漏检多，可能是小目标或遮挡样本不够。混淆矩阵里如果背景被大量误检成手机，检查标注里有没有把非手机区域框进去。验证时用yolo detect val指定同一份 data.yaml，别手动改路径，容易对不上。

4.3 推理与结果导出

训完直接推理一张图：

yolo detect predict \ model=runs/phone/exp1/weights/best.pt \ source=test.jpg \ conf=0.25 \ save=True

conf=0.25是置信度阈值，手机检测场景可以调到 0.4 减少误报。save=True会把画框结果存下来，方便肉眼检查。如果发现框偏了，多半是转换时坐标没归一化对，回头查第 3 章的脚本。

5. 避坑与排查：标注和训练里最容易翻车的五件事

5.1 现象：训练 loss 一直不降，mAP 接近 0

原因通常是类别 id 没映射，COCO 的category_id是 1，YOLO 按 0 读，导致所有框被当成无效类。解决：回到第 3 章脚本，确认cat_map输出，data.yaml的names索引和它一致。

5.2 现象：报错「No labels found」

原因多是 label 目录结构和 data.yaml 不匹配，或者 txt 文件名和图片名没对上。YOLO 要求图片和同名 txt 在同一级或对应目录。解决：检查yolo/labels下是否有和图片同名的.txt，data.yaml 里train路径指向的目录下要有images和labels两个子目录，或者用train: images加labels自动推断。

5.3 现象：框位置整体偏移或缩放

原因是 bbox 没归一化，或者用了[x1,y1,x2,y2]当[x,y,w,h]。COCO 的 bbox 是左上角加宽高，YOLO 要中心点加宽高再除以宽高。解决：在转换脚本里打印一条转换前后的框，和原图对照，确认中心点落在目标上。

5.4 现象：验证集指标高，实际推理漏检严重

原因是训练集和验证集没分开，或者验证集图片和训练集重复。2628 张图如果全拿去训，验证指标没有意义。解决：按 8:2 划分，用脚本随机 split，确保验证集图片不出现在训练集里。

5.5 现象：显存爆掉或训练极慢

原因是imgsz或batch太大，或者图片分辨率远超模型输入。解决：先降batch到 8 或 4，再考虑降imgsz。如果原图是 4000 像素宽，训练前统一 resize 到 640 或 960，别让数据加载成为瓶颈。

6. 进阶技巧：用 COCO 评估接口反查标注质量

训完模型别急着收工，用 COCO 官方评估接口跑一遍，能反查出标注里的问题。COCO 的pycocotools支持按面积、类别统计，如果某些尺寸的框 AP 特别低，说明那类目标标注可能有问题。装好pycocotools后，把预测结果转成 COCO 格式再评估：

from pycocotools.coco import COCO from pycocotools.cocoeval import COCOeval # 加载原始标注和模型预测结果（预测需转成 COCO results 格式） coco_gt = COCO("annotations/instances.json") coco_dt = coco_gt.loadRes("predictions.json") e = COCOeval(coco_gt, coco_dt, iouType="bbox") e.evaluate() e.accumulate() e.summarize() # 按面积看 AP，定位小目标问题 for area in ["small", "medium", "large"]: e.params.areaRng = [e.params.areaRng[0], e.params.areaRngLbl.index(area)] e.evaluate() e.accumulate() print(area, e.stats[0])

这段代码的价值在于把整体指标拆到不同尺度。如果small的 AP 明显低于large，说明小手机目标标注或增强不够，可以针对性加 mosaic、copy-paste 增强。predictions.json需要你从 YOLO 输出转成 COCO 的[x,y,w,h,score,category_id]格式，写个小转换函数即可。我一般会在第一次训练后就跑这个评估，把低 AP 的类别和尺度记下来，回头补标注或调增强，比盲目加轮数有效得多。从那以后我每次拿到新数据集，都强制先跑一遍 COCO 评估再决定训练策略，省下的时间够多训好几轮。希望帮到你。

本文还有配套的精品资源，点击获取