简介面向手机目标检测任务的YOLO系列算法数据集适合正在训练yolov5、yolov7、yolov8、yolov9、yolov10、yolo11等模型的开发者或研究人员使用。压缩包共1780个文件、约20.43MB包含593张JPG图像、593个TXT标注文件、593个XML标注文件及1个YAML配置文件图像覆盖不同光照、角度和背景下的手机目标标注框准确。TXT文件采用YOLO格式每行记录类别索引、归一化中心点坐标和宽高XML文件为VOC格式便于借助LabelImg等工具核对标注或进行二次修改。YAML配置文件中已写明类别与路径信息配合数据集自带的训练/验证划分下载后即可直接运行训练与测试流程。资源内容简洁规范尤其适合快速验证算法性能、做模型对比实验或微调手机检测场景的初学者与进阶用户。目前已有63人学习浏览属于轻量级的高质量数据集。1. 拿到“手机.zip”先忍住别训593张YOLO手机数据集能解决什么不能解决什么群里转来一个“yolo算法-手机数据集-593张图像带标签-手机.zip”很多人第一反应是解压、配环境、把经典的YOLO训练命令敲上去。我劝你先把手按住。593张图像说多不多说少不少它最合适的用法不是“训练一个能上生产的模型”而是帮你把YOLO从“看过教程”变成“亲手跑通过一遍”标签格式怎么检查、训练参数怎么定、损失函数怎么判断收敛、推理和导出怎么衔接。这些动作如果你对着空数据集练踩坑成本太高拿这593张带标签的手机图像练数据规模刚好能在一两个小时内跑完一轮翻车也翻得起。适合谁刚搭好YOLO环境想跑通全流程的入门者、要在嵌入式设备上做手机识别demo的算法工程师、以及想验证标注工具标签质量是否可靠的数据同学。它能给你一个看得见、摸得着的完整闭环但别指望它直接撑起一个复杂场景的线上服务。2. 拆包检视与标签体检别让数据和标注带着病进训练很多人拿到zip就急着拉训练命令结果训练到一半报错回头查才发现数据集目录结构不对、标签文件是空的、标注坐标越界。做YOLO训练之前花十五分钟把数据和标签“体检”一遍能省掉后面三个小时的排查。这个习惯我后面每次接数据集都会做一遍不管是谁给的、标了多少张。2.1 解压并确认目录结构先建立“图片-标签”双文件夹视角先解压。在Linux服务器上处理zip是最常见的场景命令很简单但有几个参数容易忽略unzip 手机.zip -d phone_dataset tree -L 2 phone_dataset-d指把压缩内容解压到指定目录不加会直接散在当前目录里后面写路径容易乱。tree用来树状列出目录结构-L 2只看两层够用。如果没有tree用ls -R phone_dataset | head -50也能快速看一眼。一个正常的YOLO格式数据集目录通常长这样phone_dataset/ ├── images/ │ ├── train/ │ │ ├── 000001.jpg │ │ └── ... │ └── val/ │ ├── 000100.jpg │ └── ... ├── labels/ │ ├── train/ │ │ ├── 000001.txt │ │ └── ... │ └── val/ │ └── 000100.txt └── data.yaml注意一个关键点很多开源数据集的zip包解压之后图片和标注是放在同一个文件夹里的需要你自己拆成images和labels两个目录。YOLO系框架默认按这个固定结构读取图片文件和同名的txt标注文件分别放在两个根目录下文件夹名字一般不能乱改。为什么这样设计因为训练时框架要根据图片路径去推导标注路径——把images替换成labelsjpg后缀替换成txt后缀。如果你的目录结构不遵从这个约定训练会直接报找不到标签文件。另外提醒一句数据集里图片格式可能混着.jpg.jpeg.png我第一次跑就遇到这个问题。框架能识别常见格式但为了后面写脚本方便建议统一转换成.jpg# 需要ImageMagick环境不装也行后面用python统一处理 # for img in phone_dataset/images/*.png; do convert $img ${img%.png}.jpg; done转换完记得把老的png删掉否则框架可能把同一张图读两次等于数据集里混入了重复样本。2.2 标签文件体检一个脚本揪出空标签、越界框和异常类别YOLO的标签文件不存图片尺寸只存归一化之后的坐标。每一行对应一个标注框格式是五列类别id 中心点x 中心点y 框宽度w 框高度h注意后四列全部是相对值范围0到1。比如0 0.5 0.5 0.3 0.4表示这张图里有一个手机中心点在图片正中央框的宽度占整个图宽的30%高度占40%。如果某个txt里出现大于1的坐标值那一定是标注工具导出时出了问题比如你把图像resize了但没同步更新标签。我拿到数据集后第一件事不是训练而是跑一个标签体检脚本from pathlib import Path from collections import Counter labels_dir Path(phone_dataset/labels) total_boxes 0 bad_files [] empty_files [] cls_counter Counter() coord_error_files [] for txt in labels_dir.rglob(*.txt): lines [l.strip() for l in txt.read_text().splitlines() if l.strip()] if not lines: empty_files.append(txt.name) continue for line in lines: parts line.split() if len(parts) ! 5: bad_files.append((txt.name, f{len(parts)} columns: {line})) continue cls_id int(parts[0]) x, y, w, h map(float, parts[1:]) # 归一化坐标合法范围: 中心在(0,1), 宽高在(0,1] if not (0 x 1 and 0 y 1 and 0 w 1 and 0 h 1): coord_error_files.append((txt.name, fcoord {line})) continue cls_counter[cls_id] 1 total_boxes 1 print(f总标注框数: {total_boxes}) print(f类别统计: {dict(cls_counter)}) print(f空标签文件: {len(empty_files)} - {empty_files[:5]}) print(f格式错误: {len(bad_files)}) print(f坐标越界: {len(coord_error_files)} - {coord_error_files[:5]})这个脚本做的事情很机械但非常必要统计每个类别的样本数、把空标签文件揪出来、标记格式错误和坐标越界的文件。0 x 1这个判断是核心——YOLO的坐标是相对值x和y必须落在0到1之间w和h只能大于0不能超过1一旦越界训练时框架会以警告形式忽略这个框但推理时模型学习到的位置信息就是错的。跑完脚本你会得到几个结论593张图里可能只有500张标了框还有几十个空txtclass id可能不是从0开始的或者出现大于类别总数的id。这些问题如果不查训练也能跑但会以非常隐蔽的方式影响精度——比如某个类整体没学到东西。2.3 划分训练集和验证集种子固定好千万别混入重复图片593张图全量训练不是不行但你没法知道模型泛化得怎么样。我习惯按 9:1 划分训练集和验证集验证集留60张左右。为什么不是8:2因为后面还要做数据增强训练集太小增强之后多样性不够模型很难收敛验证集大太大反而把值得训练的样本浪费掉了。import random import shutil from pathlib import Path random.seed(42) src_images sorted(Path(phone_dataset/images).glob(*.jpg)) random.shuffle(src_images) val_count int(len(src_images) * 0.1) val_images set(src_images[:val_count]) train_images src_images[val_count:] for split, imgs in [(train, train_images), (val, val_images)]: img_out Path(fphone_dataset/{split}_images) lab_out Path(fphone_dataset/{split}_labels) img_out.mkdir(parentsTrue, exist_okTrue) lab_out.mkdir(parentsTrue, exist_okTrue) for img in imgs: shutil.copy(img, img_out / img.name) label Path(phone_dataset/labels) / (img.stem .txt) if label.exists(): shutil.copy(label, lab_out / label.name) else: print(f警告: {img.name} 缺少标签文件)几个容易踩的地方random.seed(42)必须放在shuffle之前否则每次划分结果都不一样后面复现实验结果会非常痛苦。划分完一定要跑一遍“验证集图片有没有出现在训练集”的检查——有人用copy而不是move源目录里的图片没清理导致同一张图两边都在验证集精度虚高。检查方法很简单comm -12 (ls train_images/) (ls val_images/)有输出说明有交集立刻处理。3. 从空白环境到轮次跑完YOLO手机检测的训练命令与参数落点数据体检完目录结构就绪接下来是训练环节。很多人第一次配YOLO环境翻车翻在依赖版本上这里我把一套稳定路径和关键参数讲清楚。我以目前使用最广的ultralytics YOLO框架为例命令本身在各代YOLO上基本通用。3.1 建环境装依赖torch版本和cuda版本要一起看yolo环境配置的常见坑不在yolo本身而在PyTorch和CUDA的搭配。我的建议是先用conda建一个干净环境再装ultralytics全家桶conda create -n yolo python3.10 -y conda activate yolo pip install ultralyticspip install ultralytics会自动拉取当前版本的torch、torchvision、opencv-python等核心依赖省去手动配对版本的麻烦。如果你是NVIDIA显卡装完第一件事验证GPU可用python -c import torch; print(torch.cuda.is_available())输出True说明GPU可用输出False说明装着CPU版torch或者CUDA驱动版本不对训练会慢得离谱。CPU训练593张图不是不能跑但一个epoch可能要几十秒不如直接用GPU。没有N卡的话也不用勉强小数据集CPU硬跑也能出结果只是batch要调小、epoch要调多。还有个小提醒很多人在Windows上装如果提示缺少Microsoft Visual C Redistributable去装一下运行库就好这不是代码问题。3.2 写data.yaml路径别写死names顺序必须和标签id一致YOLO框架通过一个yaml文件告诉框架数据在哪、要检测几类。对单类手机检测来说很简单# phone_dataset/data.yaml path: /absolute/path/to/phone_dataset train: train_images val: val_images nc: 1 names: 0: phone注意三点。第一path建议写绝对路径。写相对路径时如果你在别的目录下执行训练命令框架会按当前工作目录去拼接经常会找不到数据集。第二nc是类别数量这里只有一个类别写1。第三names的索引顺序必须和标签文件里的类别id对应——如果标签txt里写的是0那names的0必须是phone顺序错位会导致模型学到的信息张冠李戴后面部署时发现检测框全对但类别全错。这是LabelImg打标完YOLO格式的标签时最容易埋下的雷。3.3 启动训练参数怎么挑为什么是这些值直接上训练命令cd phone_dataset yolo detect train \ datadata.yaml \ modelyolov8s.pt \ epochs150 \ batch16 \ imgsz640 \ patience20 \ cacheTrue来逐个说参数。modelyolov8s.pt用的是ssmall版本为什么不用m/l/x593张图像这个规模模型越大过拟合越严重。s版本参数量适中在单卡上训练速度快而且它能加载预训练权重——yolov8s.pt是框架自动下载的COCO预训练模型开始的权重已经能识别常见物体。不要从零训练那个收敛速度会让人怀疑人生这也是YOLO部署教程里特别强调的一点。epochs150。593张图的小数据集150轮足够看到loss收敛。很多教程默认写300但那是针对完整数据集的经验值小数据集300轮后期基本在过拟合train loss还在降val loss已经不动甚至往上涨了。设小一点配合早停更合理。batch16。如果你的显卡显存是8G左右batch16配imgsz640是比较稳的组合。显存不足时先降batch别先降imgsz——图像分辨率对检测小目标的影响比batch大得多。batch太小比如2会导致训练震荡损失函数曲线像锯齿收敛很慢。patience20。训练过程中验证集指标连续20轮不提升就自动停止。设置这个参数后你可以放心去干别的不用盯着训练日志。cacheTrue。把所有图像缓存进内存小数据集完全放得下每次epoch不用重新读盘训练速度快一大截。显存紧张的时候用cachedisk缓存在磁盘上效果稍差但也能提速。3.4 训练完成后看哪些文件别只盯着loss曲线训练结束之后去runs/detect/train/目录下看以下几个文件results.png是核心——它把 train loss、val loss、mAP50、mAP50-95 画在一张图上。判断训练是否成功有个简单粗暴的标准看val loss是否在下降后趋于平缓mAP50有没有稳定在某个值附近。如果mAP50能到0.85以上说明这个593张的小数据集已经训练得很好了。confusion_matrix.png看漏检和误检的比例F1_curve.png帮你选推理时的置信度阈值weights/目录下有best.pt和last.pt分别代表验证集指标最好的权重和最后一轮的权重部署用best.pt。一个普遍误区只看loss曲线就下结论。我见过有人train loss降到0.01兴奋得不行结果val loss一路上扬典型的过拟合曲线。记住验证集指标才是你判断模型好坏的准绳训练集loss再低也可能只是模型把训练数据背下来了。4. 593张小数据集翻车实录五个必踩的坑和对应处置小数据集训练YOLO最大的问题不是模型能力而是数据质量和训练过程的细节。以下是拿了593张带标签手机图像后我实际踩过的坑每一条都有血泪教训写出来帮你绕过。4.1 空标签文件混进训练集训练日志还一声不吭现象训练过程在某个epoch突然出现WARNING: 0 labels found in xxx.jpg的日志或者training_loss正常下降但mAP始终上不去。查了训练脚本没什么问题最后发现数据里混着几十个0字节的txt文件。LabelImg在导出时如果中途中断很可能产生这种半成品。原因标注工具导出受阻或者操作者漏标了几张直接把空txt也导出来了。YOLO框架对空标签文件的行为是跳过该图片的loss计算——这张图相当于白训练了。如果空标签文件恰好落在验证集里模型在这张图上的表现为空mAP直接被拉低一截。解决用前面第2.2节的体检脚本先查empty_files就是罪魁祸首。处理办法如果这张图确实有手机但没标重新标注如果图上确实没有手机那是负样本留着它但给一个空标签文件在YOLO中会被当作背景参与训练要注意框架版本行为我一般建议直接挑出来单独做负样本测试不混在训练集里。简单粗暴的做法是直接删掉空标签和对应的图片593张变成560张也够用。# 一键删除空标签及对应图片(执行前备份) cd phone_dataset for f in labels/*.txt; do if [ ! -s $f ]; then rm -f $f images/${f%.txt}.jpg fi done4.2 标注坐标越界或为负推理时检测框飞出图片外现象训练不报错但推理时检测框经常画到图片外面去框的位置明显不对。查标签文件发现x或y坐标超过1甚至出现负数。原因经典场景是标注完图片后做了resize但标签没有同步归一化。另一个常见情况是LabelImg里标注时鼠标拖出了图片边界导出的中心点坐标就变成了1.1这种非法值。YOLO框架在训练时会自动clip坐标但这个clip动作会改变框的位置和大小信息模型学到的是被篡改过的标注。解决体检脚本里的坐标越界检查遇到越界直接记录文件名。处理方式有两种如果越界不严重比如1.01直接把坐标clip到[0,1]相当于手动修正如果越界严重说明这张图标得有问题重新标注。修正脚本from pathlib import Path def clamp_to_unit(value: float) - float: return max(0.0, min(1.0, value)) for txt in Path(phone_dataset/labels).rglob(*.txt): lines [] for line in txt.read_text().splitlines(): parts line.split() cls_id int(parts[0]) x, y, w, h map(float, parts[1:]) # 中心点钳制在[0,1]或丢弃该框 if x 1.05 or y 1.05 or w 1.05 or h 1.05: print(f跳过严重越界框: {txt.name}: {line}) continue x, y clamp_to_unit(x), clamp_to_unit(y) lines.append(f{cls_id} {x:.4f} {y:.4f} {w:.4f} {h:.4f}) txt.write_text(\n.join(lines) \n)注意x和y是中心点坐标钳制之后框中心不会跑出画面但w和h不能简单钳制因为宽高本来就可能略大于1——如果一张图里手机占满整幅画面宽度归一化后就是0.98甚至1.0这种是合法的。只有超过1.05才说明标注真的有问题。4.3 names表和类别id错位训练时没反应但部署时全错现象训练完拿到模型做推理检测框画得很准位置全都对但输出的类别名和实际物体对不上——明明检测的是手机结果打印出来是“person”或者“chair”。原因data.yaml里的names顺序和标签文件里的class id没有严格对应。比如标注文件里写的是0但names配置里把0写成了别的类名。YOLO框架训练时不校验类别名的语义它只关心class id所以训练时一切正常错位被隐藏到推理阶段才暴露。解决写个小脚本把每个类别的id和样本数量打印出来和数据集的标注规范核对awk {print $1} phone_dataset/labels/*.txt | sort | uniq -c如果输出只有593 0说明所有标注都是类别0那names里0: phone就没错。如果出现多个id回去查LabelImg的classes.txt看看当时打标用了几个类别。这个检查只要30秒但很多人忽略等部署时才发现找错原因找了半天。names顺序错位是小数据集训练里最冤的一个坑模型本身是好的纯粹是配置问题。4.4 验证集只有60张mAP曲线每轮都在剧烈抖动现象训练日志里mAP50一会儿0.9一会儿0.6波动特别大150轮跑完best.pt选出来的模型在真实场景测试时效果一般还不如某个中间轮次的权重。原因593张图按9:1划分验证集只有约59张。59张图里面可能只有一两个难例遇到难例时误检几个mAP就断崖式下跌。aloss曲线跟着剧烈抖动早停机制会被这种抖动骗到——明明是验证集样本太少导致的统计噪声它却当成模型没收敛或过拟合提前把训练掐了。解决常见做法是别用固定验证集改用K折交叉验证用5折或3折的均值来评估模型真实水平。对小数据集这个策略比单次划分可靠得多。K折的意思是把593张图平均分成K份每次取1份当验证集、剩下K-1份当训练集训练K次把K次mAP的平均值当作最终评估。脚本实现上就是多跑几次每次改一下data.yaml里的train和val路径。另外可以做离线数据增强对训练图片做水平翻转、旋转、亮度调整扩充之后再划分训练集和验证集。但注意不要在验证集上做任何增强——验证集要保持原始图像否则评估结果虚高模型上了真实场景直接穿帮。4.5 全部在办公桌上拍的图模型到了真实场景就翻车现象训练时mAP50高达0.92模型表现堪称完美。拿到办公楼走廊、户外、车里一测漏检率直线上升检测框在手机上晃来晃去。原因593张图像如果全部来自同一个环境——比如都是办公桌上俯拍的那模型学到的是“办公桌特定光照特定背景下的手机”而不是“手机”这个概念本身。YOLO损失函数会把背景特征和手机纹理一起编码进权重中一旦背景变了检测置信度就崩了。这是小数据集最核心的痛点数量少不是最致命的场景单一才是。解决补拍数据比调参有用得多。拿手机在不同时间段、不同光照、不同背景各拍几十张室内室外都覆盖用LabelImg补标一批把数据集扩到800到1000张。不需要很多关键是场景多样。如果实在没法补拍就用离线增强加高强度的色彩扰动from PIL import Image, ImageEnhance import random img_path phone_dataset/images/000001.jpg im Image.open(img_path) im ImageEnhance.Brightness(im).enhance(random.uniform(0.7, 1.3)) im ImageEnhance.Contrast(im).enhance(random.uniform(0.8, 1.2)) im im.transpose(Image.FLIP_LEFT_RIGHT) # 同时要水平翻转标签里的x坐标公式: x 1 - x im.save(./aug_000001.jpg)注意水平翻转不是翻转图片就完事了标签中心点x坐标要同步变换成1 - x否则标注和图像错位。y坐标和宽高不变。这个细节忘了模型丢失一半的学习信号精度上不去。5. 把模型从实验台搬到真环境推理、导出与漏检兜底的一线做法训练收尾不等于事情结束。我的习惯是先拿几张训练时没见过的图做推理确认模型行为符合直觉再考虑导出部署。下面这套流程适用于从零到一快速验证一个手机检测需求。5.1 图片推理先跑通再调阈值from ultralytics import YOLO model YOLO(phone_dataset/runs/detect/train/weights/best.pt) results model.predict( source./test_imgs, conf0.35, iou0.5, saveTrue, ) for r in results: for box in r.boxes: cls_id int(box.cls[0]) conf float(box.conf[0]) x1, y1, x2, y2 box.xyxy[0].tolist() print(f类:{model.names[cls_id]}, 置信度:{conf:.2f}, 框:({x1:.0f},{y1:.0f},{x2:.0f},{y2:.0f}))conf0.35是置信度阈值。小数据集训出来的模型普遍不够自信阈值设太高会漏检设太低会误检。0.35到0.45是手机检测的合理区间具体值可以对着验证集的F1曲线挑峰值点。iou0.5是NMS的IoU阈值控制重叠框的合并力度默认值0.5就行。5.2 导出ONNX嵌入式部署的第一步验证推理没问题后导出成部署格式yolo export \ modelphone_dataset/runs/detect/train/weights/best.pt \ formatonnx \ opset12导出后得到一个.onnx文件体积大概十几MBCPU推理一张图在几十到几百毫秒级别。ONNX的好处是框架无关可以用ONNXRuntime直接推理也可以后续转成TensorRT等格式。小模型导出时注意看输出的shape确认是(1, 1, 4, 8400)这类典型的YOLO输出结构。手机检测这种单类场景输出会简单很多。5.3 漏检兜底一个简单过滤规则解决一类误检手机检测在真实场景里很容易和遥控器、充电宝、电子书这种东西混淆。如果部署场景里这些干扰物大量存在一个实用技巧是加宽高比过滤手机的宽高比大致在0.45到0.55之间竖持或者1.8到2.2之间横持而遥控器的宽高比通常超过4。在推理代码里加一个判断把明显不符合手机形态的框扔掉import numpy as np xyxy box.xyxy[0].cpu().numpy() w xyxy[2] - xyxy[0] h xyxy[3] - xyxy[1] ratio w / h # 竖持手机约0.5, 横持手机约2.0; 过滤掉遥控器这类极端长条 if np.logical_or(ratio 0.35, ratio 3.0): continue这个规则不完美——手机斜着放时宽高比会介于两者之间所以区间要放宽松。但它能在不重新训练的前提下把屏幕上绝大部分遥控器和充电宝的误检干掉属于成本最低的一招。最后说个我自己的教训第一次用这个593张的手机数据集训模型看到mAP50高达0.89就觉得稳了拿去演示现场翻车翻得很难看。后来补拍了不同光线和场景的图像把数据集扩到九百多张同一套训练参数下的模型才真正扛住了实际环境。从那以后我形成了一个习惯——拿到任何数据集先问三个问题来源场景是否单一标注是否有越界或空文件验证集是否足够反映真实分布这三个问题想清楚了再动手训练比盲目调参有用得多。希望帮到你。本文还有配套的精品资源点击获取