简介：本资源为一份面向目标检测学习者的鹅类图像数据集，采用VOC与YOLO双格式标注，适合从事禽类识别、农业智能化或计算机视觉入门实践的开发者与研究人员使用。压缩包共1111个文件，包含370张jpg图片、370个xml标注文件与371个txt标注文件，整体约26.82MB，rar格式无需解压密码，解压后图片与标注分文件夹存放，可直接导入labelImg或主流检测框架查看与训练。所有图片均由labelImg人工标注，类别统一为goose，标注过程遵循边界框选准确、目标尽量不遗漏、完成后交叉一致性检查等原则，标注质量较为可靠。目前已有85人学习关注，可作为鹅类检测模型训练、格式转换练习或小样本实验的基础数据，帮助读者省去自行采集与标注的时间成本，快速投入模型搭建与验证工作。
1. 鹅数据集 VOC 和 YOLO 格式目标标注 370 张：小样本检测到底能不能打
手里只有 370 张鹅的图片，标注还分 VOC 和 YOLO 两套格式，这事放在目标检测项目里属于典型的“小样本起步”。很多做养殖巡检、鹅群计数、行为分析的朋友，第一步就卡在数据上：公开数据集里鹅的样本少，自己拍又拍不了几千张，标注工具换一个格式就乱一次。这个标题讲的就是这么一件具体的事——370 张鹅图，同时提供 VOC 的 XML 和 YOLO 的 TXT 两套标注，怎么把它们用起来、怎么训、训出来能不能用。
适合谁看：手头有几百张自采图、想跑通鹅目标检测的工程同学；需要把 VOC 标注迁到 YOLO 训练管线的人；以及想评估“这个量级的数据值不值得投入”的决策者。370 张不算多，但也不是玩具级，关键看你怎么切分、怎么增强、怎么选预训练权重。下面按“先搞懂格式差异 → 再动手转换和训练 → 最后说坑和进阶”的顺序讲，能直接抄的步骤我都给全。
2. VOC 与 YOLO 标注格式的差异与转换：从 XML 到 TXT 的完整脚本
2.1 两种格式到底差在哪，为什么不能混着喂给模型
VOC 格式的核心是一个 XML 文件对应一张图，里面用<object>节点记录每个目标的类别和边界框，边界框用xmin/ymin/xmax/ymax四个绝对像素坐标表示。YOLO 格式则是一个 TXT 文件对应一张图，每行一个目标，格式是类别索引 cx cy w h，其中cx cy是归一化后的中心点坐标，w h是归一化后的宽高，全部除以图片的宽和高得到 0 到 1 之间的小数。
这个差异带来的直接后果是：VOC 的坐标跟图片分辨率绑定，换一套图就得重新算；YOLO 的归一化坐标跟分辨率解耦，但类别必须映射成从 0 开始的整数索引。很多人把 VOC 的 XML 直接改后缀当 TXT 用，训练时 loss 不降，排查半天才发现坐标根本没归一化。另一个常见翻车点是类别索引：VOC 里类别是字符串，YOLO 里是整数，如果你的类别列表顺序和生成 TXT 时的顺序不一致，模型学到的就是错位的类别。
提示：转换前先把所有类别名收集全，排好序，生成一个
classes.txt，后续训练和推理都依赖这个顺序，别中途改。
2.2 用 Python 把 VOC 批量转成 YOLO 格式
下面这个脚本我用了很多次，输入是 VOC 的Annotations目录和JPEGImages目录，输出是 YOLO 的labels目录和classes.txt。它做了三件事：收集类别、按图片尺寸归一化坐标、跳过没有目标的空标注文件。
import os import xml.etree.ElementTree as ET from PIL import Image # 输入路径 voc_anno_dir = "dataset/Annotations" voc_img_dir = "dataset/JPEGImages" # 输出路径 yolo_label_dir = "dataset/labels" classes_file = "dataset/classes.txt" os.makedirs(yolo_label_dir, exist_ok=True) # 第一步：收集所有类别，排序保证索引稳定 classes = set() for xml_file in os.listdir(voc_anno_dir): if not xml_file.endswith(".xml"): continue tree = ET.parse(os.path.join(voc_anno_dir, xml_file)) for obj in tree.findall("object"): classes.add(obj.find("name").text) classes = sorted(list(classes)) with open(classes_file, "w") as f: f.write("\n".join(classes)) print("类别列表:", classes) # 第二步：逐张转换 for xml_file in os.listdir(voc_anno_dir): if not xml_file.endswith(".xml"): continue tree = ET.parse(os.path.join(voc_anno_dir, xml_file)) root = tree.getroot() # 找到对应图片，读尺寸 img_name = root.find("filename").text img_path = os.path.join(voc_img_dir, img_name) if not os.path.exists(img_path): print("缺图，跳过:", img_name) continue with Image.open(img_path) as im: iw, ih = im.size lines = [] for obj in root.findall("object"): cls_name = obj.find("name").text cls_id = classes.index(cls_name) bbox = obj.find("bndbox") xmin = float(bbox.find("xmin").text) ymin = float(bbox.find("ymin").text) xmax = float(bbox.find("xmax").text) ymax = float(bbox.find("ymax").text) # 归一化中心点和宽高 cx = (xmin + xmax) / 2.0 / iw cy = (ymin + ymax) / 2.0 / ih w = (xmax - xmin) / iw h = (ymax - ymin) / ih lines.append(f"{cls_id} {cx:.6f} {cy:.6f} {w:.6f} {h:.6f}") # 写 TXT，空标注也写空文件，保持一一对应 txt_name = os.path.splitext(xml_file)[0] + ".txt" with open(os.path.join(yolo_label_dir, txt_name), "w") as f: f.write("\n".join(lines)) print("转换完成")逻辑说明：先遍历所有 XML 收集类别并排序，保证classes.txt的顺序就是索引顺序；然后逐张读图拿宽高，把 VOC 的绝对坐标转成归一化中心点加宽高。参数上，cx cy w h保留 6 位小数足够，YOLO 训练时对精度不敏感。注意空标注文件也要生成，否则训练时图片和标签数量对不上，DataLoader 会报错。
2.3 转换后必须做的三项校验
转换完别急着开训，先做校验，这三项能挡掉八成低级错误。第一项，检查 TXT 行数和 XML 里<object>数量是否一致，不一致说明有目标被漏掉。第二项，随机抽 5 张图，用 OpenCV 把归一化坐标画回原图，肉眼看框是否贴合鹅的身体。第三项，统计每个类别的框数量，如果某个类别只有个位数，训练时基本学不动，得考虑合并类别或补数据。
import cv2 def draw_yolo_box(img_path, label_path, classes): img = cv2.imread(img_path) ih, iw = img.shape[:2] with open(label_path) as f: for line in f: parts = line.strip().split() if len(parts) != 5: continue cls_id, cx, cy, w, h = int(parts[0]), *map(float, parts[1:]) x1 = int((cx - w / 2) * iw) y1 = int((cy - h / 2) * ih) x2 = int((cx + w / 2) * iw) y2 = int((cy + h / 2) * ih) cv2.rectangle(img, (x1, y1), (x2, y2), (0, 255, 0), 2) cv2.putText(img, classes[cls_id], (x1, y1 - 5), cv2.FONT_HERSHEY_SIMPLEX, 0.6, (0, 255, 0), 2) cv2.imwrite("check_vis.jpg", img) # 用法：draw_yolo_box("dataset/JPEGImages/001.jpg", "dataset/labels/001.txt", classes)这段代码把归一化坐标还原成像素坐标画框，cx - w/2就是左上角 x，乘回iw得到像素值。跑几张看看，如果框整体偏移或大小不对，回去查归一化时用的图片尺寸是不是和实际图片一致——常见坑是 XML 里记录的size和真实图片尺寸不符，脚本里我直接用 PIL 读真实尺寸，避开了这个雷。
3. 370 张鹅图怎么切分与训练：YOLOv8 最小可跑通流程
3.1 数据集切分比例与目录结构
370 张的切分不能照搬大数据的 8:1:1，那样验证集只有 37 张，指标抖动会很大。我一般按 7:2:1 切，训练 259 张、验证 74 张、测试 37 张。如果类别不平衡严重，改用分层抽样，保证每个类别在验证集里都有出现。目录结构按 YOLOv8 的要求来：
dataset/ images/ train/ val/ test/ labels/ train/ val/ test/ data.yamldata.yaml里写清楚路径和类别名：
path: ./dataset train: images/train val: images/val test: images/test nc: 1 names: ['goose']nc是类别数，鹅检测通常就一类，如果还要分“成年鹅/幼鹅”就改成对应数量，names顺序必须和classes.txt一致。
3.2 用预训练权重起步，别从零训
370 张从零训基本没戏，必须用 COCO 预训练的 YOLOv8n 或 YOLOv8s 起步。n 版参数量小，小样本下更不容易过拟合；s 版精度略高但需要更多数据。我的经验是 370 张先用 n 版跑基线，mAP 能到 0.6 以上再考虑换 s 版。训练命令：
yolo detect train \ data=dataset/data.yaml \ model=yolov8n.pt \ epochs=150 \ imgsz=640 \ batch=16 \ lr0=0.01 \ patience=30 \ augment=True \ project=runs/goose \ name=exp1参数说明：epochs=150对小数据够用，配合patience=30早停防止过拟合；imgsz=640是 YOLOv8 默认，鹅的体型在图中占比中等，640 够用，如果鹅很小可以提到 960；batch=16看显存，V100 上可以到 32；lr0=0.01是初始学习率，小数据建议降到 0.005 更稳；augment=True开启内置增强，包括马赛克、翻转、HSV 抖动，这对 370 张的扩充很关键。
3.3 训练过程看什么指标，什么时候该停
训练时重点盯三个东西：box_loss是否稳定下降、mAP50是否在涨、验证集 loss 是否开始反弹。前 20 个 epoch loss 下降慢是正常的，预训练权重需要时间适配新数据。如果 50 epoch 后 mAP50 还在 0.1 以下，大概率是标注有问题或类别映射错了，回去查 TXT 文件。如果训练 loss 降但验证 loss 涨，说明过拟合，加增强或减模型容量。混淆矩阵不唯一这种问题在小数据里也常见，通常是验证集样本太少导致，把验证集比例提到 0.25 能缓解。
注意：370 张的验证集只有 70 多张，mAP 波动 ±0.05 都算正常，别因为一个 epoch 掉了就调参，看趋势。
4. 小样本鹅检测的避坑与排查：5 个血泪教训
4.1 现象：训练 loss 不降，mAP 始终为 0
原因：最常见的是类别索引错位。VOC 转 YOLO 时classes.txt顺序和data.yaml的names不一致，模型学的是错位标签。另一个原因是 TXT 里坐标没归一化，还是绝对像素值，YOLO 解析时当成 0 到 1 的数，框全跑到图外。
解决：先跑一遍校验脚本，确认 TXT 每行第二个值在 0 到 1 之间。再核对classes.txt和data.yaml的names逐行一致。两个都对了还不行，用yolo detect train加--verbose看数据加载日志，确认标签被正确读取。
4.2 现象：验证集 mAP 高但测试集一塌糊涂
原因：370 张切分时如果按文件名顺序切，可能训练集和验证集来自同一批拍摄场景，测试集却是另一个场景，分布不一致。鹅的拍摄角度、光照、背景差异大，随机切分容易造成这种“假高分”。
解决：切分前先按场景分组，同一场景的图要么全在训练集要么全在测试集。如果场景标签没有，用图片的 EXIF 时间或文件名前缀粗分。测试集 mAP 比验证集低 0.15 以内算正常，低太多就是分布问题。
4.3 现象：模型把鹅和背景里的白色物体混淆
原因：370 张里如果鹅的白色羽毛和背景白色墙面、水面反光同时出现，模型学到的特征不够判别。小数据下模型容易走捷径，学颜色而不是形状。
解决：增强里加大 HSV 抖动的幅度，特别是hsv_v和hsv_s，让模型对颜色不敏感。另外检查标注，把明显不是鹅的误标框删掉。如果背景单一，考虑加一些负样本图（没有鹅的图），YOLO 支持空标注文件，能降低误检。
4.4 现象：训练到一半 loss 突然变 NaN
原因：小数据配大学习率容易梯度爆炸，尤其是 batch 里有异常样本时。另一个原因是标注框宽高为 0，归一化后除零。
解决：把lr0降到 0.001 再试，加warmup_epochs=3让学习率慢慢升。检查 TXT 里有没有w=0或h=0的行，有就删掉或修正。YOLOv8 默认有梯度裁剪，但小数据下还是保守点好。
4.5 现象：推理时框重叠严重，同一只鹅出多个框
原因：NMS 的iou阈值设太高，或者训练时正样本分配太宽松。370 张下模型对鹅的边界学得不够准，框会偏大。
解决：推理时把conf提到 0.4 以上，iou降到 0.5。训练时如果用了mosaic增强，最后 10 个 epoch 关掉，让模型在真实分布上收一收。YOLOv8 的close_mosaic参数设成 10 就行。
5. 把 370 张用到极致：半自动标注与增量迭代
370 张训出第一版模型后，别停在这。真正让这个小数据集发挥价值的做法是拿模型去标新图，人工修正后加入训练集，滚雪球式迭代。具体操作：用训好的best.pt对未标注的鹅图跑推理，导出 YOLO 格式的预测 TXT，然后用标注工具（LabelImg 或 AnyLabeling）打开图片和预测框，人工只做删改，不做从零画框。这一步能把单张标注时间从 2 分钟压到 20 秒。
yolo detect predict \ model=runs/goose/exp1/weights/best.pt \ source=new_images/ \ conf=0.3 \ save_txt=True \ save_conf=True \ project=auto_label \ name=round1save_txt=True会在auto_label/round1/labels下生成 YOLO 格式 TXT，conf=0.3放低阈值多召回一些框，人工删比人工画快。修正后的 TXT 直接放进训练集，重新跑训练时把epochs降到 50，学习率降到 0.001，做微调而不是重训。
增量迭代的节奏我一般这样控：第一轮 370 张训基线，第二轮加 100 到 200 张修正图，第三轮再加 200 张，到 800 张左右 mAP 通常能比基线涨 0.1 到 0.15。超过 1000 张后收益递减，这时候该考虑的是换更大的模型或加更多类别，而不是继续堆图。验证方法很简单：每轮留一个固定的测试集不参与训练，只看测试集 mAP，涨了就继续，平了就停。
我自己的习惯是每轮迭代都存一份data.yaml和classes.txt的快照，标注格式这东西，改着改着就忘了当初的顺序，留个后悔药比事后排查省事得多。鹅检测这个方向，370 张起步完全能跑通，关键是别在格式转换和切分上翻车，把省下的时间花在迭代上。希望帮到你。
本文还有配套的精品资源，点击获取
