简介：YOLO民族服饰识别数据集面向目标检测学习者与算法工程师，提供1000张真实场景的民族服饰图片及对应标注文件。数据采用LabelImg工具标注，框质量高，并整理为VOC(xml)、COCO(json)、YOLO(txt)三种格式，便于直接训练与验证主流YOLO系列模型。压缩包内共2000个文件，以xml、txt标注/列表、html教程、py划分脚本和yaml配置为主，整体约50.2MB；其中xml与txt分别对应VOC和YOLO格式标签，py脚本可灵活划分训练/验证/测试集，html文档覆盖Linux/Windows环境搭建与训练案例。目前已吸引461人学习/下载，适合需要快速获得可训练数据集并掌握YOLO实战流程的初学者及进阶者。资源还附带数据划分脚本与训练教程，可减少数据准备与调试时间，帮助用户从环境配置到模型训练完整走通。

1. 拿现成的YOLO民族服饰数据集上手：比从零标注省下两周时间

做目标检测项目最磨人的从来不是训练，而是数据准备。一个包含1000张民族服饰图片、自带VOC/COCO/YOLO三种格式标签、还带划分脚本和训练教程的压缩包，价值就在于把"标注—转换—划分—训练"这条链路替你走通了大半。你拿到手不是简单解压然后开训，而是要学会读懂它的标签结构、会用它的转换脚本、能排查训练前的标签错误。这样你换到自己的数据集时，踩坑成本才最低。

这套东西特别适合三类人：刚入门YOLO、想用现成数据跑通全流程的初学者；要做服饰识别但暂时没精力标注的自学者；以及准备自建数据集、需要一份格式转换参考代码的开发者。下面我按一条完整的落地路径来讲——从解压看结构开始，一直到训练跑通。

2. 读懂三种标签格式：VOC、COCO、YOLO 各自怎么描述一张图

先说清楚这个数据集里最核心的东西——同一个标注，为什么需要三种格式？因为不同的检测框架和工具链认不同的格式。你如果只装了YOLO，却拿了一份VOC格式的标注文件，训练器根本不认，这是新手入坑最常见的第一道坎。

2.1 VOC格式：XML里装着坐标框和类别名

VOC（PASCAL VOC）格式是检测领域最经典的标注格式。它用XML文件来存标注信息，每张图片对应一个同名的XML文件。你解压后应该能看到类似Annotations/xxx.xml这样的目录结构，打开一个XML，核心内容是<object>节点，里面写了name（类别名）和<bndbox>（边界框的四个坐标），坐标值是图片的绝对像素坐标，从左上角开始算。

<annotation> <filename>img_0001.jpg</filename> <size> <width>640</width> <height>480</height> <depth>3</depth> </size> <object> <name>Miao_skirt</name> <bndbox> <xmin>120</xmin> <ymin>80</ymin> <xmax>400</xmax> <ymax>420</ymax> </bndbox> </object> </annotation>

2.2 COCO格式：一个JSON文件管全部标注信息

COCO格式是微软提出的，现在很多预训练模型和工具链都认这套。COCO格式用一个大JSON文件存所有图片的标注，结构是images、annotations、categories三个数组，通过id字段互相引用。坐标存的是分割多边形的，但对于普通目标检测框，它用bbox字段存[x, y, width, height]四个值——注意这里和VOC不同，VOC存的是xmin, ymin, xmax, ymax，COCO存的是左上角坐标加宽高。

2.3 YOLO格式：每行一个目标的txt文件

YOLO的存储结构更像VOC，一个图片文件对应一个txt，但坐标完全归一化：所有值都在0到1之间。每行格式是：类别ID 中心x 中心y 目标宽 目标高。中心坐标和宽高都除以图片的宽和高来做归一化。

0 0.5625 0.5210 0.4360 0.8900

2.4 三种格式对不上号，训练器直接罢工

为什么强调一定要先搞懂三个格式的区别？因为从VOC转到YOLO，大概率会搞混坐标。我见过不少人转换之后训练出来的模型完全没法看，最后发现是把xmin, ymin, xmax, ymax直接除以图片宽高就当YOLO格式用了——但YOLO要的是中心点和宽高，这样算出来的框全错位。下面这个对照表建议保存好：

3. 把VOC转成YOLO格式：转换脚本与三个边界坑

拿到手的压缩包里应该已经带了三种格式的标签，但你要用好它，必须理解格式转换脚本的逻辑，因为换到自己的数据集时你会天天和它打交道。看标题说这个压缩包"带对应VOC、COCO和YOLO三种格式标签"，意味着解压后三个标签目录是齐的，但训练YOLO时通常只需要YOLO格式的txt。下面这个脚本是我最常用的VOC转YOLO方案。

3.1 我用的VOC转YOLO脚本

import os, xml.etree.ElementTree as ET from os import listdir, getcwd classes = ["Miao_skirt", "Tibetan_robe", "Mongolian_deel", "Zhuang_jacket"] # 先明确类别列表 def convert(size, box): # 归一化YOLO坐标，box = [xmin, ymin, xmax, ymax] dw = 1.0 / size[0] # 1/图片宽 dh = 1.0 / size[1] # 1/图片高 # 中心点坐标：x平均值 / 宽；宽度：xmax-xmin / 宽 x = (box[0] + box[1]) / 2.0 * dw y = (box[2] + box[3]) / 2.0 * dh w = (box[1] - box[0]) * dw h = (box[3] - box[2]) * dh return x, y, w, h def convert_annotation(xml_path, txt_path, image_path): tree = ET.parse(xml_path) root = tree.getroot() size = root.find('size') w = int(size.find('width').text) h = int(size.find('height').text) with open(txt_path, 'w') as f: for obj in root.iter('object'): cls = obj.find('name').text if cls not in classes: continue # 跳过不在类别列表里的目标 cls_id = classes.index(cls) xmlbox = obj.find('bndbox') b = (float(xmlbox.find('xmin').text), float(xmlbox.find('xmax').text), float(xmlbox.find('ymin').text), float(xmlbox.find('ymax').text)) x, y, w_norm, h_norm = convert((w, h), b) f.write(f"{cls_id} {round(x, 5)} {round(y, 5)} {round(w_norm, 5)} {round(h_norm, 5)}\n") # 批量处理所有XML xml_dir = "Annotations/" txt_dir = "labels/" for xml_file in os.listdir(xml_dir): if not xml_file.endswith('.xml'): continue xml_path = os.path.join(xml_dir, xml_file) txt_path = os.path.join(txt_dir, xml_file.replace('.xml', '.txt')) convert_annotation(xml_path, txt_path, xml_path) # 第三个参数其实没用到路径

3.2 脚本里不能走神的两个参数

这段脚本里最关键的是convert()函数，它做的是边界处理：当box的坐标值刚好贴在图片边缘（比如xmin=0）时，除以图片宽度后是0，写进txt里也合法，YOLO训练器能识别。但如果你的标注数据里有超出图片范围的负坐标或不小于图片尺寸的越界框，归一化后会出现负数或大于1的值，训练时会报box must be within 0 and 1的错误，这时你得加一个裁剪逻辑：

x = max(0.0, min(1.0, x)) # 强制限制在0~1区间 w = max(0.0, min(1.0, w))

另一个容易翻车的地方是类别顺序。YOLO的txt里写的是类别ID，ID对应的类别名存放在训练配置的data.yaml里，顺序必须和脚本里classes列表完全一致。你如果发现转换后训练出的模型预测框类别总是对不上，大概率就是这个顺序问题，而不是模型训练问题。

3.3 三个边界坑：文件名、类名、坐标越界

实际转换时最容易踩到三个坑。第一个坑是文件名不对应，XML文件名和图片文件名不一致，比如图片叫img_001.jpg但XML叫annotation_001.xml，脚本按名字去匹配时也会靠filename字段去确认，否则你会造出一批空的txt文件，看起来转换成功，实际训练时一张图都没有标签。第二个坑是VOC里类别名单带了空格或者大小写不一致，比如Miao skirt和Miao_skirt是两个完全不同的名字，你在classes列表里写错了，就会把有用的框全部过滤掉。第三个坑是长宽比极端的图片，比如竖长条的围巾、头饰，如果XML标注的坐标带小数，round函数缩到5位小数后精度损失在极端小目标上可能把框缩小几个像素，密集小目标的识别结果会有轻微抖动。

4. 划分脚本怎么用：训练集、验证集、测试集的正确分工

1000张图片的数据集不算大，划分的比例和方式直接影响模型评估的可靠性。压缩包里带的划分脚本通常做的事是把图片和标签分到train/、val/、test/三个目录下。你要搞懂的不是这个脚本怎么运行，而是为什么它要这样分、参数怎么设才合理。

4.1 划分脚本核心逻辑：同一张图的图片和txt必须成对走

import os, random, shutil image_dir = "images/" # 原始图片目录 label_dir = "labels/" # YOLO txt标签目录 train_ratio, val_ratio = 0.8, 0.1 # test比例=1-train-val=0.1 # 拿到所有图片文件名（去掉扩展名） all_images = [f for f in os.listdir(image_dir) if f.endswith(('.jpg', '.png', '.jpeg'))] random.seed(2024) # 固定随机种子，保证每次划分结果一致，否则复现会失败 random.shuffle(all_images) n = len(all_images) train_imgs = all_images[:int(n * train_ratio)] val_imgs = all_images[int(n * train_ratio):int(n * (train_ratio + val_ratio))] test_imgs = all_images[int(n * (train_ratio + val_ratio)):] for img in train_imgs: # 最重要的一步：图片和它的同名txt必须同进同出 shutil.copy(os.path.join(image_dir, img), f"train/images/{img}") shutil.copy(os.path.join(label_dir, img.replace('.jpg', '.txt')), f"train/labels/{img.replace('.jpg', '.txt')}") # val和test同理

4.2 为什么固定随机种子这么关键

划分脚本里最容易忽略的就是random.seed(2024)这一行。如果不固定随机种子，每次运行划分出来的结果都不同，这在训练里是致命的：今天你划分出的验证集和昨天不一样，模型的验证结果就根本无法横向对比。你调了半天学习率，以为有提升，结果只是换了一组验证图片。

我在自己的项目中固定随机种子的同时，还会做一件额外的事：把划分出的文件名清单保存到split.txt，即使重复运行也不会因随机改变而出问题。另外要注意解压的时候不要手动移动图片，否则下次跑脚本时文件列表会出问题。

4.3 1000张图怎么划分更稳

1000张图片的数据量不算大，我一般会按0.8 / 0.1 / 0.1分，但如果训练集里某些类别特别少（比如某个民族服饰只出现了50张），建议把类别图片数量单独统计，按分层抽样来切，否则可能会出现在训练集里看不到某个类别、验证集却全是一个类别的情况。更稳妥的方式是先把每张图片的类别统计抽出来，再按类别比例均匀地分配到三个集合。压缩包自带的脚本通常就是简单的随机切，这点你要自己判断是否足够。

5. 训练教程里最容易踩的坑：失败时看哪里

拿到训练教程，不要急着一步一步跑，先把坑的位置标出来，真的报错了你才知道去哪排查。以下是我在跑YOLO训练时遇到最多的四个问题，每个都遇到过不止一回。

5.1 坑一：数据文件路径找不到

现象：跑训练命令时，报错No such file or directory: 'data.yaml'或者AssertionError: train: No labels in data.yaml。

原因：第一是路径配错，训练时在某个目录下执行命令，但data.yaml里的路径是相对路径，和你实际执行命令的位置不对应；第二是标签txt文件是空的或者名字对不上，被训练器忽略了。

解决：把data.yaml里的路径全部改成绝对路径。检查labels目录里每个txt文件是否都有内容，有没有0字节的空文件。用一行命令找到它：find labels -name "*.txt" -size 0。

5.2 坑二：类别数量对不上

现象：模型训练正常，但预测时候的类别名全错位了，比如模型预测出"Tibetan_robe"却显示成"Miao_skirt"。

原因：data.yaml里的names列表和划分标签里写死的类别ID顺序不一致。常见于你手动改过data.yaml但没同步到转换脚本里。

解决：打开一个YOLO格式的txt文件，看第一个数字ID，再打开data.yaml的names列表，确认该ID对应的类别名和你预期一致。这属于训练启动前必须完成的自查。

5.3 坑三：图片和标签没有成对匹配

现象：训练日志里显示训练了很多张图，但mAP一直在0附近不上涨。

原因：图片文件有1000张，但标签文件比图片少，或者标签文件名和图片不完全同名。很多图片实际是没有标签的，训练器直接跳过这些图。

解决：写一个校验脚本，遍历所有图片和标签，打印出名字对不上的清单。我一般直接对比两个目录：先提取两边去掉扩展名的文件名，再做差集，问题一目了然。

5.4 坑四：随机种子和训练复现性失控

现象：同样的训练参数，第一次mAP是0.8，第二次变成0.75，第三次又回到0.79。

原因：除了数据集划分不固定之外，YOLO训练本身就带随机性，显卡状态和数据增强的随机过程都会导致结果浮动。如果数据集划分本身还在变，你就分不清是随机种子问题还是参数问题。

解决：固定数据集划分，固定训练时的随机种子。在源码里找一下随机数相关配置，把种子设为固定值，或者至少保证每次训练之前数据文件不变。血泪经验是训练前先拍照记录划分文件的内容。

6. 从数据集到部署：验证模型和扩展准确率的两个技巧

这个数据集给你的是一个起步，不是终点。最后聊聊拿到模型之后怎么验证它是否可靠，以及怎么把它扩展到更大的场景。

6.1 用一张不在训练集里的实拍图做最终验证

训练集里的图片全部来自原始数据，哪怕验证集表现很好，也不代表真实场景可用。我会去网上找几张真实的民族服饰照片（注意找不同光线、不同姿态的），跑一下训练好的模型看结果：

python detect.py --weights runs/train/exp/weights/best.pt --source real_photo.jpg --conf 0.25

如果模型在真实照片上的检测框有偏移，不用急着调参数，先看是不是因为训练时的装束颜色和真实场景差异大。如果数据集的图片大多是纯色背景或正面照，换成真实背景后检测性能下降是正常的——这时最有效的做法不是调参，而是给训练数据补几张背景杂乱的图片。

6.2 数据增强参数怎么调才不伤小目标

YOLO训练教程里通常会带一堆数据增强的参数，比如 mosaic、hsv 变换、degrees 旋转。对这个民族服饰数据集有个特殊点：服饰纹样对识别很重要，过度的hsv颜色变换会把服饰的独特配色冲淡，导致模型学到的是形状而非纹理。所以我的习惯是把hsv_h、hsv_s的值降到默认值的一半，degrees旋转设为 15 度以内，避免服饰的细节特征因为增强而失真。

另外一个技巧是增加mosaic的mixing比例。服饰识别往往一个画面里只有一个人物主体，过度使用mosaic会让人和背景缝合在一起，反而降低了小类别（比如头饰、腰带）的识别率。如果训练后发现小目标（比如银饰、花纹细节）的召回率不足，我会把mosaic关掉几个epoch做微调，让模型在真实分布下回稳。

最后说一个我的个人习惯：我会在训练完成后把best.pt保留一份，同时单独保存一份最后一次epoch的last.pt。很多时候模型在最后一个epoch的表现已经降了，但best.pt经常是保存在中间某个epoch的结果——真正部署时用best，做实验分析时用last，这不是玄学，是血泪经验换来的保留策略。

希望这篇拆解能帮你在民族服饰识别的路上少走一些弯路。

本文还有配套的精品资源，点击获取