企业官网建设流程全解析

简介：这是一份可用于目标检测实验的交通标志与信号灯数据集，由作者使用LabelImg软件原创标注整理，覆盖限速牌、交通警告牌、红灯、绿灯、黄灯等常见类别，适合在自动驾驶、智能交通、辅助驾驶等场景下训练和评测标志识别模型，也适合初学者学习图像标注、标注格式转换与YOLO训练流程。原始XML标注中保存了每个目标的边界框坐标，同时已转换为YOLO所需的txt格式并附带类别编号，可以直接接入YOLO系列训练流程，省去自行整理标签的时间。压缩包内共1641个文件，包括877张PNG高清图片、761个XML标注文件、2个txt文本文件与1个Python脚本，整体大小约217.98MB，文件命名对应关系明确，便于按图查找标注。目前已有475人浏览学习，适合需要自带标注数据进行模型训练、迁移学习或格式转换练习的目标检测开发者，也可作为交通标志识别实验的配套数据集使用。整套资源结构完整，拿来即可开展实验。

1. YOLO 交通标志与信号灯检测数据集：878 张图到底能拿来做什么

做目标检测实验最耗时间的不是调模型，是凑数据。这是我从这套 YOLO 交通标志与红绿灯检测数据集里拆包后最直接的感受：878 张高清道路图，限速牌、交通警告牌、红灯、绿灯、黄灯五类目标，先用 labelimg 标注成 VOC 格式的 xml，再转成 YOLO 训练直接能用的 txt 标签，图片和标签文件按同名配对排好。对赶课设、做毕设，或者只是想快速验证一个检测思路的人来说，省掉的是两周的标注工时，拿到手就能进 yolov8 的训练流程。这套数据也适合做数据增强对比、预训练权重微调和红黄绿相似类别的区分实验；但边界同样清楚——它是实验级规模，不是量产自动驾驶数据集，想验证小目标和颜色相近类别时刚好对口。后面几章我按实际拆包顺序来讲：先看懂两种标注格式，再把 xml 转 txt 的脚本和参数讲透，最后给训练配置和踩坑记录。

2. 两种标注格式：VOC xml 的四角坐标与 YOLO txt 的归一化

2.1 xml 里到底存了什么：先学会读一个标签文件

labelimg 默认导出的是 PASCAL VOC 格式，每张图对应一个同名 xml。第一次拿到这种文件的人容易直接打开就懵，其实结构很固定：根节点是 annotation，下面有 folder、filename、size 和若干个 object 节点。size 里存图片宽高，object 里的 name 是类别名，bndbox 是矩形框的四个角坐标。一个常见 xml 长这样：

<annotation> <folder>road</folder> <filename>road7.png</filename> <size> <width>1280</width> <height>720</height> <depth>3</depth> </size> <object> <name>red_light</name> <bndbox> <xmin>345</xmin> <ymin>210</ymin> <xmax>402</xmax> <ymax>268</ymax> </bndbox> </object> </annotation>

上面这段是结构示例，不是某一帧的真实坐标。要注意的是 xmin、ymin 是框左上角，xmax、ymax 是框右下角，单位是像素，全部基于原图尺寸，没有做归一化。一张图里有几个目标，就会出现几个 object 节点，所以同一张 road7.png 里既可能有红灯也可能有限速牌。我一般拿到新数据集会先写两行代码统计一下每个类别的框数量，确认类别分布再谈训练，这一步能避免后面所有类别不均衡带来的连锁问题。

import xml.etree.ElementTree as ET from collections import Counter cnt = Counter() for i in range(878): tree = ET.parse(f"labels_xml/road{i}.xml") for obj in tree.getroot().findall("object"): cnt[obj.find("name").text] += 1 print(cnt)

这段脚本的作用是遍历全部 xml，统计每个 name 出现的次数。运行前把路径改成你自己的 xml 目录，如果打印出来的分布里红灯只有几十个、限速牌有几百个，训练时就要考虑要不要对少数类做增广。xml 的 name 字段是字符串，容易写错大小写或空格，比如red light和red_light是两个完全不同的值，统计时就能暴露这种问题。

2.2 YOLO txt 存的是归一化中心点，不是四角坐标

很多人拿到 txt 后第一反应是「这四个数是什么坐标」，其实 YOLO 格式每行只有五个数：类别编号、中心点 x、中心点 y、宽、高，全部除以图片宽高做了归一化，所以取值范围在 0 到 1 之间。这套数据集在发布前已经用 labelimg 标注 xml，再批量转成了 txt，但自己动手转换时，最容易错的就是这一步——直接把 xmin、ymax 除以宽高当中心点用。

举个具体例子：图片宽 1280、高 720，某个红灯框 xmin=345、ymin=210、xmax=402、ymax=268。先算框宽和高：402-345=57，268-210=58；中心点 x 是 (345+402)/2=373.5，再除以 1280 得到 0.2918；中心点 y 是 (210+268)/2=239，再除以 720 得到 0.3319；最后宽高各除以图片宽高，得到 0.0445 和 0.0806。这一行 txt 就是：

2 0.2918 0.3319 0.0445 0.0806

开头那个 2 是类别编号，对应类别列表里的第 3 个类。这套数据的类别编号通常是 speed_limit=0、warning_sign=1、red_light=2、green_light=3、yellow_light=4，但编号本身没意义，意义在于和训练配置文件里的 names 顺序严格一致。txt 里只存编号不存名字，所以编号一旦错位，训练出来的模型就会把红灯学成绿灯，而且从数据文件里肉眼根本看不出来。

2.3 类别编号是顺序敏感的：classes 数组绝不能乱排

新手最常见的做法是拿到数据集先改一遍类别名，把 red_light 改成红灯、green_light 改成绿灯，然后直接训练。这是典型的翻车操作：txt 第一列的数字不会跟着名字走。你改了训练配置里的 names 顺序，但标签文件里的 2 还是原来的 red_light，两个文件对不上，训练过程不会报错，只是模型学的是错的东西。

所以第一原则是：转换脚本里的 CLASSES 列表、data.yaml 里的 names、验证脚本里用来对照的类别表，三处必须保持一致。我一般习惯把类别列表单独抽到一个文本文件或脚本常量里，任何一处要改，三处一起改，绝不留一处。后面会讲到具体怎么写这个映射。理解了这个前提，再看 xml 转 txt 的脚本就顺了，本质上就是读四个角坐标，按上面的公式算归一化，再查表换成编号。

3. 把 xml 批量转成 txt：转换脚本、数据划分与格式自检

3.1 批量转换脚本：解析 xml 计算归一化坐标

这套数据集发布时已经转好 txt，但下载后你很可能想自己调整类别、过滤小目标，或者往里面加自己的图片，所以转换脚本必须会写。核心逻辑很简单：遍历 xml 目录，读 size 拿宽高，遍历每个 object 的 bndbox，按中心点和宽高除以图片尺寸，拼成一行写入同名 txt。

import os import xml.etree.ElementTree as ET src_dir = "labels_xml" # labelimg 导出的 xml 目录 dst_dir = "labels_txt" # 转换后的 yolo 标签目录 os.makedirs(dst_dir, exist_ok=True) CLASSES = ["speed_limit", "warning_sign", "red_light", "green_light", "yellow_light"] for xml_name in os.listdir(src_dir): if not xml_name.endswith(".xml"): continue xml_path = os.path.join(src_dir, xml_name) txt_path = os.path.join(dst_dir, xml_name.replace(".xml", ".txt")) tree = ET.parse(xml_path) root = tree.getroot() # 图片宽高直接取自 xml 的 size 节点 w = int(root.find("size/width").text) h = int(root.find("size/height").text) lines = [] for obj in root.findall("object"): name = obj.find("name").text if name not in CLASSES: print(f"skip unknown class: {name} in {xml_name}") continue cls_id = CLASSES.index(name) box = obj.find("bndbox") xmin = float(box.find("xmin").text) ymin = float(box.find("ymin").text) xmax = float(box.find("xmax").text) ymax = float(box.find("ymax").text) cx = ((xmin + xmax) / 2.0) / w cy = ((ymin + ymax) / 2.0) / h bw = (xmax - xmin) / w bh = (ymax - ymin) / h lines.append(f"{cls_id} {cx:.6f} {cy:.6f} {bw:.6f} {bh:.6f}") with open(txt_path, "w", encoding="utf-8") as f: f.write("\n".join(lines)) print(f"done: {xml_name} -> {len(lines)} objects")

脚本里值得说几个点。一是root.find("size/width")直接支持斜杠路径，不用先 find("size") 再 find("width")，省一层嵌套；二是未知类别不中断整个转换，而是打印一行跳过，这样一张图里有新类别时不会拖垮全部 878 张；三是 f-string 里保留 6 位小数，YOLO 对精度要求不高，6 位足够，文件也不会太大。CLASSES 这个列表的顺序就是 txt 第一列的编号，想调整类别顺序必须在转换这一步定，训练那边只能跟着它走。

还需要提醒一点：xml 里的 size 字段偶尔会和图片实际尺寸不一致，有可能是图片后来被裁剪或压缩过但 xml 没重新保存。最稳妥的做法是转换前用 PIL 读一次图片，直接拿实际宽高当分母：

from PIL import Image img = Image.open(img_path) w, h = img.size

如果发现某张图的 xml 和图片对不上，以图片实际尺寸为准，否则归一化坐标会整体偏移，训练时框会错位。这也是格式自检环节要查的一项。

3.2 数据划分：按 8:2 分 train 和 val，并保证图片标签配对

878 张图不算多，划分比例我一般用 8:2，约 700 张训练、178 张验证。7:3 会让训练样本太少，9:1 又会让验证集太单薄，小数据集上 8:2 是性价比比较高的选择。划分时必须按图片粒度来，不能把同一张图的框拆到两个集合里，否则验证集数据泄露，指标虚高。

import os import random from shutil import copyfile random.seed(42) images = [f for f in os.listdir("images") if f.endswith(".png")] random.shuffle(images) split = int(len(images) * 0.8) train_imgs, val_imgs = images[:split], images[split:] # 生成 train 和 val 两个目录，图片和 txt 同步拷贝 os.makedirs("dataset/train/images", exist_ok=True) os.makedirs("dataset/train/labels", exist_ok=True) os.makedirs("dataset/val/images", exist_ok=True) os.makedirs("dataset/val/labels", exist_ok=True) for img in train_imgs: base = img.rsplit(".", 1)[0] copyfile(f"images/{img}", f"dataset/train/images/{img}") copyfile(f"labels_txt/{base}.txt", f"dataset/train/labels/{base}.txt") for img in val_imgs: base = img.rsplit(".", 1)[0] copyfile(f"images/{img}", f"dataset/val/images/{img}") copyfile(f"labels_txt/{base}.txt", f"dataset/val/labels/{base}.txt")

random.seed(42) 的作用是让随机过程可复现，不管跑多少次，划分结果都一样。这一点在实验里很重要，否则每次重新划分后训练集不同，前后两次训练结果没法对比。图片和标签同步拷贝，是为了保证 train 目录里不会出现有图片没标签、或者有标签没图片的情况。如果你的类别分布很不均匀，比如红灯框特别少，8:2 随机划分可能让红灯都堆到验证集里，这时可以用分层抽样，按类别比例 shuffle，不过 878 张的规模通常随机划分就够了。

3.3 格式自检四件套：越界、类别、配对、空文件

训练跑起来之前花五分钟做格式自检，能省掉后面在日志里排查的几小时。我自己固定跑的脚本是四件事：坐标有没有越界、类别编号在不在范围内、图片和 txt 文件是否配对、有没有空标签文件。空标签文件不是错误，0 字节 txt 代表这张图没有目标，作为负样本加入训练是被允许的，但你要知道哪些图是空的。

import os import glob def check_all(txt_dir, img_dir, class_num): problems = [] empty_txts = 0 for txt in glob.glob(os.path.join(txt_dir, "*.txt")): base = os.path.basename(txt)[:-4] img_candidates = glob.glob(os.path.join(img_dir, base + ".*")) if not img_candidates: problems.append(f"missing image: {base}") continue with open(txt, "r") as f: lines = f.readlines() if len(lines) == 0: empty_txts += 1 continue for idx, line in enumerate(lines, 1): parts = line.strip().split() if len(parts) != 5: problems.append(f"{os.path.basename(txt)} line {idx}: not 5 cols") continue cid = int(parts[0]) if not (0 <= cid < class_num): problems.append(f"{os.path.basename(txt)} line {idx}: class id out of range") for v in parts[1:]: if not (0 <= float(v) <= 1): problems.append(f"{os.path.basename(txt)} line {idx}: coord out of [0,1]") print(f"problem count: {len(problems)}, empty txt: {empty_txts}") for p in problems[:20]: print(p) check_all("labels_txt", "images", 5)

这段脚本有两个细节值得注意。一是用glob.glob(img_dir + base + ".*")而不是直接拼base.png，目的是匹配图片后缀，避免图片明明是 png 但代码里写 jpg 导致误报缺失；二是float(v)越界检查能挡住坐标系写反的情况，比如有人把四角坐标直接写了进去，第一列之后的值经常会大于 1，一眼就能查出来。自检跑完只输出 problem count，没问题的文件不刷屏，empty txt 单独计数，因为空标签文件要区分对待。

4. 训练前先避坑：五条容易翻车的标注与配置问题

4.1 现象：训练能跑通，但红灯被识别成绿灯

原因：这是类别映射错位。txt 第一列的编号 2 对应转换脚本里的 red_light，但 data.yaml 里的 names 可能被改成了0: green_light, 1: yellow_light, 2: red_light之外的顺序，或者训练框架重新排列了类别列表。txt 里只有编号没有名字，框架按 names 顺序解释编号，两边一对不上，模型就把红灯的特征学进了编号 2，而编号 2 在你配置里恰好是绿灯。

解决：训练前跑一遍逆向对照脚本，把每个 txt 第一列的编号和对应 xml 里的 name 拉出来比对，看映射是否符合预期。

import os import xml.etree.ElementTree as ET CLASSES = ["speed_limit", "warning_sign", "red_light", "green_light", "yellow_light"] for txt in os.listdir("labels_txt"): base = txt[:-4] xml_path = f"labels_xml/{base}.xml" txt_ids = [line.split()[0] for line in open(f"labels_txt/{txt}") if line.strip()] xml_names = [obj.find("name").text for obj in ET.parse(xml_path).getroot().findall("object")] mapped = [CLASSES[int(i)] if int(i) < len(CLASSES) else "??" for i in txt_ids] if mapped != xml_names: print(f"{base}: txt={mapped}, xml={xml_names}")

这段脚本只输出不一致的文件。如果一条都不输出，说明转换时映射是对的。这条检查我每次都跑，因为数据量一大，肉眼根本扫不出来谁错位了。

4.2 现象：loss 刚起步就变成 nan，或者几个 epoch 后剧烈抖动

原因：标签里有越界坐标。比如标注时框拖出了图片边界，xmax 大于图片宽，归一化后宽大于 1；或者某条 txt 的长度写成 0，宽高为 0，损失函数里除以 0 直接 nan。clip 能救越界，但救不了宽高为 0 的框。

解决：转换时给坐标做一次裁剪，同时对宽高过小的框直接丢弃。

cx = min(max(cx, 0.0), 1.0) cy = min(max(cy, 0.0), 1.0) bw = min(max(bw, 0.0), 1.0) bh = min(max(bh, 0.0), 1.0) if bw < 0.001 or bh < 0.001: continue # 丢弃这个框

clip 到 [0,1] 是物理上合理的操作，因为框越界的部分本来就不在图片里，损失函数只关心可见部分。0.001 这个阈值按图片尺寸折算，1280 宽的图大约是 1.28 像素，比这还小的框没有任何训练意义。这一条属于血泪经验，nan 出现时先查标签，别急着调学习率。

4.3 现象：批量转换在第 87 张中断，报 xmin not found

原因：某张图的 xml 结构不完整，可能是 labelimg 保存时漏了字段，也可能是有人手工改过 xml 导致标签节点缺失。没做异常处理时整个转换脚本就地崩溃，前面的成果都在，但你不知道断在哪一张。

解决：转换脚本里用 try/except 包住单张处理，失败时打印文件名，把坏文件汇总到 error_list 里，转换完统一修。

try: tree = ET.parse(xml_path) root = tree.getroot() # 转换逻辑... except Exception as e: print(f"ERROR: {xml_name}: {e}") with open("error_list.txt", "a") as f: f.write(xml_name + "\n") continue

这样做的价值是：脚本跑完你能拿到一份坏文件清单，而不是守着一个报错屏幕干瞪眼。实际遇到过的坏文件，大部分是 bndbox 少了一个坐标，或者 depth 字段写成了非数字，拿到清单后逐个打开修就行，通常不超过三五张。

4.4 现象：训练日志大量出现 Image not found 或 label not found 警告

原因：文件没配对，或者路径口径不一致。图片是 road7.png，标签文件却叫 road7.txt，这套没问题；但如果你的图片是 .png 而训练配置里写的是 .jpg，或者 data.yaml 里用了相对路径而训练命令的工作目录不在项目根目录，就会出现这种警告。这类警告很容易被忽略，因为训练还能继续，只是某些图被跳过，最后指标偏低还找不到原因。

解决：统一扩展名，data.yaml 里用绝对路径，并在训练前跑一遍配对检查。重命名可以这样处理：

cd images for f in *.png; do mv "$f" "${f%.png}.jpg"; done cd ..

注意这行命令只是演示统一后缀的批量操作，实际执行前先确认你图片原始格式，别把本来就正确的后缀强行改掉导致格式损坏。我更推荐的做法是保留原始格式，让配对检查脚本用base.*去匹配，从根本上绕开扩展名不一致的问题。

4.5 现象：mAP50 看起来还行，但红灯绿灯几乎没有召回

原因：红绿灯在远处是小目标，一张 1280x720 的图里，灯可能只占 30x80 像素，imgsz 降到 320 之后，下采样几次目标就剩几个像素，特征全丢。这类小目标对输入分辨率和数据增强策略都敏感。

解决：把 imgsz 提到 640 或 768，训练时开 mosaic 和 mixup，让小目标的上下文信息更丰富。显存不够就先用 640，同时缩小 batch。命令层面可以这样调：

yolo detect train data=data.yaml model=yolov8n.pt epochs=100 imgsz=768 batch=16 mosaic=1.0 mixup=0.2

imgsz=768 会让训练变慢，但对小目标检测的提升往往是压倒性的。如果显存只有 8G，batch 要降到 8，或者先用 imgsz=640 跑通，观察红灯绿灯的召回率再决定要不要上 768。这一条说到底是数据场景决定的，交通信号灯天然是小目标居多，不能用通用检测的思路糊弄过去。

5. 用 YOLOv8 跑通训练：data.yaml、训练命令与日志解读

5.1 目录约定与 data.yaml 写法

训练前先把数据集整理成 YOLO 框架能直接读的目录结构。常见做法是把 train 和 val 分开，各自下面放 images 和 labels，标签文件和图片同名，只是后缀从 .png/.jpg 换成 .txt。

dataset/ ├── train/ │ ├── images/ │ │ ├── road7.png │ │ └── ... │ └── labels/ │ ├── road7.txt │ └── ... └── val/ ├── images/ └── labels/

data.yaml 指向这个目录，重点是 names 的顺序必须和转换脚本里的 CLASSES 完全一致。我在第 2 章强调过三条命脉：转换脚本、data.yaml、验证脚本共用同一份类别表。以下是一个可用的配置：

path: /home/you/dataset train: train/images val: val/images names: 0: speed_limit 1: warning_sign 2: red_light 3: green_light 4: yellow_light

path 建议写绝对路径，train 和 val 是相对 path 的子目录。这里最容易踩的坑是：names 里把 green_light 放到了 0，但标签文件里第一列的 0 本来对应 speed_limit，结果就是模型把所有限速牌都学成绿灯的特征。改 names 之前先问一句，txt 是重新生成的还是原来那份，原来那份就绝对不能动类别顺序。

5.2 从零还是预训练：模型选型与训练参数

878 张图的数据规模，不建议从零训练，用 COCO 预训练权重做 fine-tune 收敛快得多。YOLOv8n 是最轻量的版本，显存占用小，跑通整个流程不费劲；如果追求精度再往上升 s 或 m。预训练权重不需要手动找，训练命令会自动下载到本地缓存，这也是我推荐直接敲命令行而不是去网上找权重文件的原因。

cd dataset yolo detect train data=data.yaml model=yolov8n.pt epochs=100 imgsz=640 batch=16

epochs 对 878 张图来说，100 是上限，实际上 40 到 60 epoch 就能看到曲线收敛。训练框会自动保存最好的权重，所以哪怕训到 100 epoch 过拟合了，best.pt 依然可用。参数表如下，方便你按自己机器调整：

这套标签是标准 YOLO 格式，YOLOv5、YOLOv7 也能直接用，只要把 data.yaml 路径改一下，命令换成对应框架的写法即可。yolov8 是当前上手最顺的，文档全，报错信息也友好。

5.3 训练日志怎么读：loss 曲线、验证指标和混淆矩阵

训练完成后，runs/detect/train 目录下会生成 weights/best.pt 和 weights/last.pt，还有 results.csv、results.png、confusion_matrix.png 这些文件。results.csv 每一行是一个 epoch 的指标，我最常看的是 train 的 box_loss、cls_loss 和 val 的对应指标，以及 metrics/mAP50。

tail -n 10 runs/detect/train/results.csv

看 csv 的顺序是：train loss 降、val loss 也降，健康；train loss 降、val loss 升，过拟合，878 张图训 100 epoch 很容易过拟合，这时要回看 best.pt 对应的 epoch，而不是用 last.pt。混淆矩阵要注意一点：矩阵里的数值总和不一定等于样本总数，因为一个真值框可能被多个预测框命中，匹配统计口径不同，别拿它当计数工具。看矩阵主要看对角线，红色通道那个框里的数字大不大，红灯有没有串到绿灯那一格去。mAP50 在 0.5 以上算基本可用的实验模型，mAP50-95 则更严格，反映了框定位质量，交通信号灯这种小目标通常 mAP50-95 会明显低于 mAP50，不用慌，升 imgsz 是最直接的改善手段。

验证训练效果最直接的方式是用 best.pt 跑预测：

yolo detect predict model=runs/detect/train/weights/best.pt source=test.jpg

结果会保存到 runs/detect/predict，预测图上能看到框和类别名。这一步能直观看出模型学到的框位置准不准，比只看指标更有体感。

6. 验证效果与进阶习惯：混淆矩阵、类别均衡与负样本补强

6.1 三个进阶习惯：类别均衡、负样本和指标复核

训练结束后先统计各类别的框数量，用来判断指标背后的偏差。878 张图里如果红灯只有 60 个框，限速牌有 400 个，模型天然偏向限速牌，红灯的召回率再高也有限。可以写个计数器快速确认：

from collections import Counter import os cnt = Counter() for txt in os.listdir("labels_txt"): for line in open(f"labels_txt/{txt}"): cnt[int(line.split()[0])] += 1 print(cnt)

统计结果按编号打印，和 data.yaml 的 names 对应着看。哪个类别框少，优先补数据而不是盲目调参。花两小时从视频里截几十帧红灯多的图，往往比折腾一周模型结构有效。补进来的图记得重新走一遍 xml 转 txt，再合并进 train 目录。

负样本是很多新手忽略的点。收集一些没有目标的路段图丢进 train/images，对应的 labels 放 0 字节空文件，模型能学会「没有灯的时候别乱框」。这招对压假阳性特别有效，尤其是路牌、车尾灯和红灯颜色接近的场景。负样本数量不用多，50 到 100 张就够。

最后一步是看混淆矩阵里红、绿、黄三个通道。这三类只有颜色差异，框的位置几乎一样，是典型的容易混淆组合。如果红灯那一格被黄灯吃掉不少，先确认标注时是否把红灯标成了黄灯，这是 labelimg 标注时最常见的疲劳错误；标注没错再考虑模型和增广。从那以后我每次拿到新数据集，都先在第一个 epoch 之前把格式自检四件套跑一遍——查重复、查越界、查类别映射、查文件配对，流程再快也强制等它跑完。这套习惯帮我挡住了太多把时间浪费在训练日志上的冤枉路，希望帮到你。

本文还有配套的精品资源，点击获取