眼镜检测数据集实战：基于YOLOv8从标签校验到模型训练部署全流程

简介：这是一份面向计算机视觉入门与进阶开发者的YOLO系列目标检测数据集，专用于眼镜（玻璃）检测场景，可供算法课程设计、竞赛练兵或实际项目验证直接使用。资源已预先划分好训练集、验证集与测试集，并附带data.yaml配置，可直接用于YOLOv5、v7、v8、v9、v10及YOLO11等常见版本模型的训练与评估；包内提供2000个XML格式的VOC标注文件，同时包含对应的YOLO格式txt标签，分别存放于独立文件夹，便于用LabelImg等工具查看或直接供训练脚本读取，压缩包约127.93MB，目录结构清晰，免去自行切分的麻烦。目前已有128人学习下载。使用这套数据可省去手动标注与划分工作，直接体验完整YOLO训练流程，并对照两种标签格式理解坐标归一化规则，适用于教学实验或算法效果验证，尤其适合需要快速搭建数据管线的学习者。

1. 眼镜检测数据集到手后，先别急着训练：2948张图像带标签到底能做什么

眼镜检测数据集，说白了就是一堆人像图，每张图里有人脸，标注文件里记录眼镜框所在的位置和大小。2948张带标签的图，放在 YOLO 工作流里，足够训练一个能区分“戴了眼镜”和“没戴眼镜”的检测模型，也能给安全帽检测、考勤打卡、疲劳驾驶这类场景做前置模块。适合谁？刚接触目标检测的人想拿自定义数据验证 YOLOv8 的效果，或者工程团队需要快速出一个眼镜检测 demo 来评估业务可行性。这篇文章不绕理论，直接按数据集落地路径来：拆包、核对标签、训练、排障、导出、部署。

2. 拆包核验：从 zip 到 YOLO 可训练目录，先核对四件事

数据集拿到手，第一反应都是解压完直接丢进训练脚本。常见做法是，先花十分钟确认目录、后缀、坐标格式和类别编号，否则后面训练报错会浪费更多时间。下面这四件事是我处理这类“xxx数据集-带标签.zip”时必做的。

2.1 解压后先看目录结构：images 和 labels 必须一一对应

先解压，再看目录长什么样。多数目标检测数据集会分成 images 和 labels 两个顶层目录，也可能是 train/images、train/labels 这种带划分的结构。

unzip "yolo算法-眼镜检测数据集-2948张图像带标签-玻璃.zip" -d glasses_data cd glasses_data find . -maxdepth 2 -type d

逻辑说明：unzip指定-d glasses_data把文件解到独立目录，避免直接铺在当前目录下污染环境。之后用find只看两层目录，确认有没有 images、labels 或者 train/val 子目录。

参数说明：-d后的目标目录如果不存在会自动创建；-maxdepth 2是控制目录展示深度，避免把每张图像的路径都列出来。这一步能最快暴露“压缩包里混进乱七八糟文件”的情况。

如果看到的是清晰的两目录结构，就继续核对一一对应关系：

import os img_dir = "images" label_dir = "labels" imgs = sorted(os.listdir(img_dir)) labels = sorted(os.listdir(label_dir)) # 找有图像但没有对应 txt 的文件 missing = [ f for f in imgs if not os.path.exists(os.path.join(label_dir, os.path.splitext(f)[0] + ".txt")) ] print("图像数:", len(imgs), "标签数:", len(labels)) print("缺失标签的图像:", missing[:10], "共", len(missing), "个")

逻辑说明：YOLO 训练要求每张图像有一个同名.txt，比如img_001.jpg对img_001.txt。脚本遍历图像目录，用os.path.splitext(f)[0]去掉后缀，再拼上.txt去 labels 目录找同名文件，找不到就记进缺失列表。这一步能提前发现“某张图没有标注”这类问题。

参数说明：sorted保证文件列表顺序稳定，方便人工抽查；[:10]只打印前 10 条，避免控制台刷屏。如果缺失数量大于零，先把这些文件挪到unlabeled/目录再训练，否则超参数搜索阶段会报空标签警告。我一般会顺手打印len(missing)，用来判断是极个别脏数据还是整个目录配对错位。

2.2 读一个标签 txt，判断是 YOLO 格式还是 VOC 格式

确认完数量对应，再打开随便一个标签文件，看内容长什么样。这一步决定了后面训练要不要做格式转换。

head -5 labels/000001.txt

逻辑说明：head -5只看前 5 行。YOLO 格式每行是 5 列数字：类别 id、归一化中心点 x、归一化中心点 y、归一化宽、归一化高，全部是浮点数。如果看到这样的内容，说明这个数据集已经按 YOLO 格式整理过，可以直接喂给训练脚本。

如果你看到的是<object>、<bndbox>这类 XML 标记，那就是 Pascal VOC 格式。很多公开数据集初始给 VOC 标注，需要先转成 YOLO txt。常见做法是写一个转换脚本，把xmin, ymin, xmax, ymax除以图像宽高，换算成归一化中心点坐标：

# VOC 转 YOLO 的核心换算逻辑 x_center = (xmin + xmax) / 2 / img_width y_center = (ymin + ymax) / 2 / img_height w = (xmax - xmin) / img_width h = (ymax - ymin) / img_height

逻辑说明：VOC 给的是绝对值坐标，YOLO 要的是 0 到 1 的归一化值。除以图像宽高后，无论原图是 1920 还是 640，坐标都落在统一尺度下。这里有一个坑：如果原图有 EXIF 旋转信息，直接用原始像素换算会让框偏移，后面第 4 章会细说。

参数说明：img_width和img_height必须是图像实际的像素尺寸，不是标签里的尺寸。我从这个数据集的命名习惯推测，它大概率已经是 YOLO 格式；就算不是，上面的换算逻辑也够用了。

2.3 类别编号确认：单类“眼镜”和多类标签的差异

YOLO 训练前还要清楚类别 id 的含义。文件名叫“眼镜检测数据集”，不代表只有一类。有些数据集把“戴眼镜”和“不戴眼镜”分别编码为 0 和 1，也有的只保留眼镜一类。跑一下统计就明白了：

import glob from collections import Counter cls_counts = Counter() line_counts = [] for f in glob.glob("labels/*.txt"): with open(f, encoding="utf-8") as fp: lines = fp.readlines() line_counts.append(len(lines)) for line in lines: cls_counts[line.split()[0]] += 1 print("类别 id 分布:", dict(cls_counts)) print("平均每张图目标数:", sum(line_counts) / len(line_counts)) print("空标签文件数:", sum(1 for n in line_counts if n == 0))

逻辑说明：统计每个 txt 第一列的出现次数，类别 id 就是它。如果只出现0，说明是单类检测，后面写nc: 1、names: ['glasses']就够。如果出现0和1，那说明还有“无眼镜”或“墨镜”之类第二类，需要看数据集的标签说明。

参数说明：encoding="utf-8"是保险措施，中文标签文件有时是 GBK 编码，不加会抛 UnicodeDecodeError；dict(cls_counts)把 Counter 转成普通字典，打印更干净。空标签文件数量很重要——如果有很多空 txt，图像上明明有眼镜却没标注，会直接拉低召回率。这个时候必须回到标注工具里补标签，或者先删掉这些图。

3. 用 YOLOv8 把 2948 张图训成眼镜检测模型：最小可复现命令

目录核对完，就可以进训练环节。现在最稳的路线是 YOLOv8 的ultralytics包，因为它把数据加载、训练、验证、导出都收在一个命令里，适合自定义数据集快速迭代。下面这套流程我在类似小数据集上跑了很多次，按步骤走基本不翻车。

3.1 安装 ultralytics 并设计 data.yaml

先装包。建议用 Python 3.9 以上，推荐 3.10，避免一些依赖在旧版本上编译报错。

pip install ultralytics

逻辑说明：ultralytics会连带安装torch、torchvision、opencv-python等核心依赖。如果机器上有 NVIDIA 显卡，建议提前装好 CUDA 版 PyTorch，否则默认的 CPU 版训练 2948 张图会慢到怀疑人生。装完可以跑yolo predict model=yolov8n.pt source=https://ultralytics.com/images/bus.jpg验证环境，能输出检测框就说明环境通了。

接下来写数据集配置。这是 YOLO 训练里唯一必须手写的文件，路径写错比模型选错更容易翻车。

# data.yaml path: /absolute/path/to/glasses_data train: images val: images_valid nc: 1 names: 0: glasses

逻辑说明：path是数据集根目录的绝对路径，最好别用相对路径，因为训练脚本的工作目录一换就容易找不到。train和val填的是相对path的子目录。这里把 train 指向全部 images，val 单独指向images_valid，表示验证集是拆分出来的独立目录。如果偷懒把 train 和 val 都写成 images，训练时 mAP 会虚高，因为模型已经见过的图又用做评估。

参数说明：nc必须和标签里的类别 id 数量一致。如果第 2 章统计出有 2 个类别，这里写nc: 2，names 里要加1: no_glasses。我一般会先用脚本划分一份images_valid，从 2948 张里随机抽 300 张左右做验证，保证训练集和验证集没有重叠。

3.2 训练命令与关键参数

数据集配置好之后，启动训练就一行命令。先从小模型开始，不要一上来就用 xL 规模。我个人习惯先用yolov8s跑一个 100 轮的基线，再根据结果决定换yolov8m还是调数据。

yolo detect train \ data=data.yaml \ model=yolov8s.pt \ epochs=100 \ imgsz=640 \ batch=16 \ patience=20 \ project=glasses_det \ name=exp0

逻辑说明：model=yolov8s.pt会下载预训练权重，迁移学习能极大缩短收敛时间。project和name决定输出目录，训练日志、权重文件都保存在glasses_det/exp0/下。用项目名区分不同实验，调参时不会混。

参数说明：imgsz=640是训练分辨率。眼镜在监控画面里通常偏小，如果目标是远距离检测，可以把imgsz提到 768 或 896，但显存占用会明显上升。batch=16在 11GB 显存的卡上基本够用，显存不够就降到 8。patience=20表示验证集 mAP 连续 20 轮不提升就自动停止，防止白跑时间；如果想让模型充分训练，也可以把它改成 50 或直接设 0 关闭早停。

训练中途想停，按Ctrl+C然后重新运行命令会从最近的 checkpoint 续训。这里有个小技巧：resume=True参数或直接yolo detect train resume model=glasses_det/exp0/weights/last.pt，能接着上次的轮次继续，不必从头再来。

3.3 训练日志怎么看：loss 和 mAP 都要盯

训练开始后，终端会每 1 轮刷一行日志。别只看 mAP，第一优先看box_loss和cls_loss是不是在稳步下降。正常情况是前 20 轮下降快，后面变平；如果某个 loss 在某个轮次突然上升，多半是学习率冲过头或数据里有脏标注。

训练结束后，用下面命令把验证集指标跑一遍，拿到最终的 PR 曲线和混淆矩阵：

yolo detect val model=glasses_det/exp0/weights/best.pt data=data.yaml

逻辑说明：best.pt是验证集 mAP 最优的权重，last.pt是最后一轮权重。我一般只用best.pt，因为早停后last.pt往往已经过拟合。在项目交付时，还要单独跑一遍测试集，这个数据集如果没给测试集，就从验证集里再抽一部分，避免模型在验证集上过拟合造成评估虚高。

4. 数据与训练排障：2948 张图里最常见的 5 个坑

数据集不大，但正因为不大，任何一个小毛病都会被放大。我在跑类似数据集时踩过不少坑，这里挑 5 个最容易让新手卡住的问题，按现象、原因、解决的顺序写。

4.1 标签越界：loss 不降或直接变 nan

现象：训练前几轮 loss 还正常，到了第十轮左右突然变成nan，或者 loss 一直挂在很高的下不去。

原因：标签 txt 里的坐标没有归一化，或者某一行w和h大于 1。YOLO 默认对坐标做了约束，越界目标在计算损失时会出现极端梯度，导致数值溢出。这种问题在人工标注的数据集里尤其常见，标注工具偶尔会把框拉到图像外沿。

解决：训练前先扫一遍所有标签文件：

import glob for f in glob.glob("labels/*.txt"): with open(f) as fp: for lineno, line in enumerate(fp, 1): parts = line.split() if len(parts) != 5: print("列数错误:", f, "第", lineno, "行") continue try: _, cx, cy, w, h = map(float, parts) except ValueError: print("非数字:", f, "第", lineno, "行") continue if not (0 <= cx <= 1 and 0 <= cy <= 1 and 0 <= w <= 1 and 0 <= h <= 1): print("越界:", f, "第", lineno, "行", parts)

逻辑说明：逐行解析，检查是否 5 列、是否能转成 float、坐标是否落在 0 到 1 区间。越界的整行直接删掉，或者用 OpenCV 把框裁剪回图像范围内。处理完再训练，nan基本就消失了。

参数说明：enumerate(fp, 1)的起始值是 1，方便直接对应 txt 里的行号。删行时要小心：如果一张图只有一个框且被删了，这张图就变成空标签，属于下一个坑。

4.2 空标签文件导致训练样本被静默跳过

现象：训练日志正常，但cls_loss始终不下降，后来才发现模型根本没学到眼镜特征，还以为是模型问题。

原因：部分 txt 是 0 字节文件，代码统计时没有报错，因为空文件符合 YOLO 的“背景样本”逻辑。YOLO 会把空标签图当作负样本参与训练，但如果数据集里空标签太多，模型会倾向把一切预测为背景。

解决：统计空标签文件数量，如果超过总数的 20%，就不要把空文件直接喂进训练集。要么回到标注工具补标签，要么把对应的图像移出训练目录。一步到位的做法是在第 2.1 节的脚本里加一个判断：

empty = [ f for f in labels if os.path.getsize(os.path.join(label_dir, f)) == 0 ] print("空标签数:", len(empty))

逻辑说明：os.path.getsize返回文件字节数，0 就是空文件。这些文件名对应的图像要从images里移走，否则训练集里残留大量无目标样本，影响正负样本比例。少量空标签问题不大，但超过 100 个就要警惕这个数据集的质量。

4.3 图像与标签错位：文件名对得上但内容对不上

现象：训练 mAP 不低，但可视化检测结果时，给一张戴墨镜的人像，模型在额头上画框；给一张不戴眼镜的人像，模型还是乱画。典型的“学废了”状态。

原因：标注工具导出时，文件名按顺序重排了，但图片内容没有跟着走，导致0001.txt里的框实际属于另一张图。这种错位光靠数量核对发现不了。

解决：随机抽几十对图像和标签，把框画回去人工看。用 OpenCV 写一个小工具：

import cv2, os img_dir = "images" label_dir = "labels" for name in sorted(os.listdir(img_dir))[:50]: img_path = os.path.join(img_dir, name) label_path = os.path.join(label_dir, os.path.splitext(name)[0] + ".txt") if not os.path.exists(label_path): continue img = cv2.imread(img_path) h, w = img.shape[:2] with open(label_path) as fp: for line in fp: _, cx, cy, bw, bh = map(float, line.split()) x = int((cx - bw / 2) * w) y = int((cy - bh / 2) * h) x2 = int((cx + bw / 2) * w) y2 = int((cy + bh / 2) * h) cv2.rectangle(img, (x, y), (x2, y2), (0, 0, 255), 2) cv2.imwrite("check_" + name, img)

逻辑说明：把归一化坐标乘回图像宽高，画红色矩形框，输出到check_前缀的新文件。人工翻一遍这些图，如果框不在眼镜上，就说明标签和图像错位，这时候需要用标注工具重新导出，或者检查数据集作者是否给了文件映射表。

参数说明：[:50]只抽查前 50 张，实际抽 100 张比较稳，但可视化多了也看不过来。cv2.imwrite会把图写到当前目录，注意不要污染原数据目录。

4.4 类别 id 不连续：nc 明明写了 1 却报错

现象：训练启动时报IndexError: index 2 is out of bounds for axis 0 with size 1，或者验证时 PR 曲线里出现一个不存在的类别。

原因：标签里的类别 id 是 0 和 2，但中间缺了 1。YOLO 的nc参数是类别总数，不是最大 id 加 1；如果数据里出现 id=2，而nc=2，就会越界。

解决：先看第 2.3 节的类别统计，如果发现最大 id 与类别数不匹配，把所有 id 重映射成连续值。用最简单的方式：

import glob, os mapping = {0: 0, 2: 1} # 把旧 id 映射到新 id for f in glob.glob("labels/*.txt"): lines = open(f).readlines() with open(f, "w") as fp: for line in lines: parts = line.split() if not parts: continue parts[0] = str(mapping[int(parts[0])]) fp.write(" ".join(parts) + "\n")

逻辑说明：读取每个 txt，把第一列数字替换成映射后的 id，再原样写回。注意要在备份后执行，因为这是原地修改。做完之后nc就写映射后的类别数 2，names 也改成对应的两个名字。

4.5 重复图像让验证集虚高

现象：训练完看验证集 mAP50 高达 0.95，但拿到真实场景测试只有 0.5 左右，差距大得离谱。

原因：数据集中存在大量连拍帧或相似角度，同一张脸以不同文件名出现多次。训练集里学过的图像，换了个名字又出现在验证集，模型等于考试时偷看了答案。

解决：用感知哈希对图像去重。常见做法是计算每张图的 pHash 值，汉明距离小于阈值就认为是重复帧，只保留一张。如果不想引入 extra 库，更简单的做法是按文件名排序后每隔 N 张抽一张做验证集，人为拉大验证集与训练集的时间间隔。我一般会在拆分验证集前先跑一遍去重，避免相似帧串集。

pip install imagehash

from PIL import Image import imagehash, os lookup = {} for name in sorted(os.listdir("images")): phash = imagehash.phash(Image.open(os.path.join("images", name))) if phash in lookup: lookup[phash].append(name) else: lookup[phash] = [name] dups = {k: v for k, v in lookup.items() if len(v) > 1} print("重复组数:", len(dups))

逻辑说明：imagehash.phash把图像压缩成 64 位哈希值，内容几乎一样的两张图哈希值相差不超过 5。把哈希值当作字典 key，同一个 key 下有多张图就是重复组。输出重复组数，训练前每组只保留一张，能有效降低验证集虚高。

5. 验证与导出：用指标、ONNX 和推理脚本把模型落地

训练完不等于交付。眼镜检测要落到实际业务里，至少还要做三件事：跑一次正式评估、导出轻量推理格式、在真实图片上试阈值。这一章按顺序来。

5.1 用 val 命令看 mAP50 与混淆矩阵

评估命令很简单，但输出得会看：

yolo detect val model=glasses_det/exp0/weights/best.pt data=data.yaml

逻辑说明：训练完以后最佳权重在glasses_det/exp0/weights/best.pt，val子命令会在验证集上跑前向，输出 mAP50、mAP50-95、精确率、召回率，并在runs/detect/val下生成混淆矩阵图片。混淆矩阵里“真实背景被预测成眼镜”那一格如果数值偏高，说明误检严重，需要调置信度阈值或补充负样本。

参数说明：如果data.yaml里的val目录指向了全量 images，评估结果仍然会虚高。我习惯专门留一个images_valid目录给验证集，确保评估用的是模型没见过的图。因为这里用统一命令验证，输出结果会直接存到glasses_det/exp0/目录下，不用额外指定project。

5.2 导出 ONNX 并用 Python 脚本推理

训练好的 PyTorch 权重不能直接给 C++ 或移动端用，导出 ONNX 是一张通用通行证：

yolo export model=glasses_det/exp0/weights/best.pt format=onnx imgsz=640

逻辑说明：ONNX 格式被 OpenCV DNN、ONNX Runtime、TensorRT 都支持。导出成功后得到best.onnx，推理时可以脱离 PyTorch 环境，很多嵌入式设备的推理框架只认 ONNX。

Python 侧验证导出的模型有没有问题，用ultralytics直接跑一张真实图片最省事：

from ultralytics import YOLO model = YOLO("glasses_det/exp0/weights/best.onnx") results = model("test_glasses.jpg", conf=0.25, iou=0.45) for r in results: for b in r.boxes: cls = int(b.cls[0]) conf = float(b.conf[0]) xyxy = b.xyxy[0].tolist() print("class_id:", cls, "conf:", round(conf, 3), "box:", [round(v, 1) for v in xyxy])

逻辑说明：加载 ONNX 模型后，model()直接传图像路径，返回results对象。遍历r.boxes取出类别、置信度和坐标。如果这个脚本能跑通并输出眼镜框，说明导出的模型没问题，可以接着做集成。

参数说明：conf=0.25是置信度阈值，低于它的一律过滤；iou=0.45是 NMS 的 IoU 阈值，用于合并重叠框。这两个值先按默认来，实际场景再调。打印里的round(v, 1)只是让输出更干净，不影响数值。

5.3 实际场景的 conf 和 NMS 参数调整

业务场景和竞赛数据不一样，眼镜检测经常出现在门禁闸机、工位摄像头这类画质一般的设备里。这时候模型输出的置信度普遍偏低，默认 0.25 会把很多真实眼镜框滤掉。我一般按下面两组参数试：

参数说明：conf调低会让更多候选框进入结果，误检变多，适合“宁可多框，不可漏检”的场景；iou调高会让 NMS 保留更多重叠框，适合眼镜遮挡严重的情况。真实落地建议在测试视频上跑一遍，统计每帧框数，框数爆炸就调高 conf，框数太少就调低 conf。不要迷信默认参数。

6. 进阶：从“检测到眼镜”到“判定是否佩戴”的落地技巧

模型只负责告诉我“图里有没有眼镜”，但很多业务要的不是框，而是“这个人有没有戴眼镜”。这就需要在检测结果后面加一层判断逻辑。

如果是闸机或人脸识别这种人脸占比较大的场景，常见做法是先用一个人脸检测器拿到人脸框，再计算眼镜框与人脸上半部分的 IoU 重合度。重合率超过阈值就判定为已佩戴：

def is_wearing(face_box, glasses_boxes, iou_thresh=0.1): if not glasses_boxes: return False fx1, fy1, fx2, fy2 = face_box face_upper = (fx1, fy1, fx2, fy1 + (fy2 - fy1) * 0.5) for gb in glasses_boxes: if compute_iou(face_upper, gb) > iou_thresh: return True return False

逻辑说明：face_upper取人脸框的上半部分，因为眼镜只可能出现在这里；compute_iou就是标准 IoU 计算。阈值 0.1 看起来小，但眼镜框本身面积小，上半脸 IoU 能达到 0.2 以上就算重合。如果你发现总是漏判，把阈值降到 0.05；如果总误判，就升到 0.2。这层规则代码比模型调参稳定得多。

还有一个调参方向是针对小目标。眼镜在监控画面里可能只有十几个像素宽，训练时把imgsz从 640 提高到 896，同时关闭 mosaic 增强里对单张图像缩放过度的策略，能明显提升小目标召回。如果你用的是 2948 张的原始数据集，mAP50 卡在 0.5 上不去，先别急着换大模型，用伪标签加一轮自动标注，把错漏检的图补进训练集，往往比盲目增加模型深度更有效。

第一次做眼镜检测时，我偷懒没拆验证集，直接拿全量数据训练，结果项目汇报时被真实场景的误检打脸。后来重新切验证集、调了 conf，模型才真正可用。希望这个流程能帮你少走一圈弯路，也希望帮到你的项目早一点跑出可信的指标。

本文还有配套的精品资源，点击获取