企业官网建设流程全解析

简介：一份可直接用于YOLO目标检测训练的息肉（Kvasir-SEG）数据集，包含划分好的训练集与验证集，以及配套的类别文件和数据可视化脚本。数据集共2000个文件，压缩后大小57MB，其中1000个txt标签文件、999张jpg原图和一个py可视化脚本，所有标注均采用YOLO相对坐标格式（x_centre、y_centre、w、h），边界框完整清晰。训练集含800张图片及对应标签，验证集含200张图片及对应标签，图像分辨率覆盖332x487至1920x1072，适合目标检测模型训练与评估。资源还附带无需修改即可运行的可视化脚本，可随机传入图片快速绘制边界框，方便直观检查标注质量。目前已有315人学习下载，适合计算机视觉方向学生、研究者及YOLO模型开发者直接使用。

1. 一份连划分都做好的 YOLO 数据集，能帮你省掉哪些事

做内镜图像里的息肉检测，第一道坎往往不是模型，而是数据长什么样。Kvasir-SEG 这类公开数据集，原始标注是像素级分割掩膜，不是 YOLO 要的矩形框；拿到手你还得自己划分训练集、验证集、测试集，写 class 文件、写可视化脚本。这个标题里的 YOLO 数据集，把这三件事打包解决了：息肉检测只有 1 个类别，数据已经按比例划分好，附带的类别 class 文件一次对齐，数据可视化脚本让你能在训练前把每张图的标注“看”一遍。适合谁？想用 YOLO 系列模型快速跑通医疗小目标检测、又不想在数据预处理上消耗两周的人。这篇文章就按这套东西的实际落地路径讲清楚：掩膜怎么转成框、划分怎么不漏帧、可视化脚本怎么写、坑又在哪里。

2. Kvasir-SEG 转 YOLO：分割掩膜怎么变成检测框

2.1 原始数据里到底有什么：一张图配一张黑白掩膜

Kvasir-SEG 全量约 1000 张肠镜图像，每张图像对应一张像素级掩膜。掩膜里白色区域就是息肉，黑色是背景，没有类别意义上的多分类——整个数据集就一个对象类，所以转成 YOLO 格式时类别编号固定写 0 即可。

这里有个容易忽略的点：原始标注是分割掩膜，不是检测框。YOLO 训练需要的是class x_center y_center width height这样的归一化坐标文本，掩膜不能直接喂给 YOLO 检测头。所以第一步一定是做格式转换。如果你的同事说“把 Kvasir-SEG 直接丢进 YOLO 训练”，这句话在技术上不成立，必须先转。

转换时有个视觉细节值得留意：肠镜图像里的息肉并不总是干净的类圆形，边缘可能有细长的凸起、反光造成的孔洞、甚至多个不相连的息肉区域同时出现在一张图里。这些都会影响你转换脚本的稳定性，也是后面避坑部分的重点。

2.2 掩膜转矩形框：连通域分析是比直接取 min/max 更稳的做法

最常见的转换思路是“把掩膜中白色像素的 x/y 坐标取最大最小值拼一个框”。这个方案在掩膜只有一整块且没有噪声时能跑，但遇到多块息肉、掩膜边缘有细小噪声时，会直接得到一个横跨全图的错误大框。

我一般用连通域分析来做，这样每个独立的息肉区域都会被单独拎出来生成一个框。核心逻辑如下：

import cv2 import numpy as np def mask_to_yolo_boxes(mask_path, img_shape, min_area=20): # 读成灰度图，Kvasir-SEG 的掩膜是黑白图 mask = cv2.imread(mask_path, cv2.IMREAD_GRAYSCALE) if mask is None: return [] # 二值化：白色目标为 255，黑色背景为 0 _, binary = cv2.threshold(mask, 127, 255, cv2.THRESH_BINARY) # connectivity=8 保证斜向相邻的像素也算同一连通域 num_labels, labels, stats, centroids = cv2.connectedComponentsWithStats( binary, connectivity=8 ) h, w = img_shape[:2] boxes = [] for i in range(1, num_labels): # 0 是背景 x, y, bw, bh, area = stats[i] if area < min_area: continue # YOLO 格式：归一化的中心点坐标和宽高 x_center = (x + bw / 2.0) / w y_center = (y + bh / 2.0) / h box_w = bw / w box_h = bh / h boxes.append((x_center, y_center, box_w, box_h, area)) return boxes

这段代码里的min_area按像素面积过滤。Kvasir-SEG 的息肉区域一般远大于几十像素，设 20 能滤掉掩膜边缘的噪点；如果你的图分辨率较高，可以提到 50 再观察。connectivity=8会比4更符合息肉边缘的连通性，减少把同一块息肉切成多块的情况。

还要说明一点：这里用的是轴对齐矩形框，不是cv2.minAreaRect()的最小外接旋转框。YOLO 检测系列默认输出就是轴对齐框，如果用了旋转框，还得再转一次轴对齐，徒增误差。息肉形态即便偏长条，轴对齐框也足够表达位置，这是当前 YOLO 检测的主流做法。

2.3 转换完别急着训练：先做三类合法性检查

转换脚本跑完后，我强烈建议先做三项检查，否则后面出问题回溯成本很高：

1. 坐标范围检查：所有 x_center、y_center 应该在 0~1 之间，宽高也应大于 0 且不超过 1。如果出现负数或大于 1 的值，多半是读取掩膜时尺寸和原图不一致。
2. 空标签检查：如果某张掩膜全黑，说明这张图没有息肉，转换后会生成空 txt。YOLO 训练时空 txt 不会报错，但验证集如果空 txt 太多，mAP 计算会变得很怪。
3. 框数量对照：读几张图，人工确认“图里有几块息肉区域，txt 里就有几行框”。

这块我当时吃过亏：某张掩膜分辨率是 512×512，但原图是 768×576，没检查直接开训，结果那一张图的所有框全错位，模型 AP 掉了将近 3 个点。转换脚本里把img_shape从原图读，而不是从掩膜文件推断，能绕开这个坑。

3. 划分数据集与 class 文件：按 70/20/10 落盘，别让同一帧出现在两个集合

3.1 划分比例怎么定，以及你需要的目录结构

对于医疗小数据集，我一般用 70/20/10 而不是 80/10/10。原因是这类数据集往往场景单一、样本总量只有千张级别，验证集太小的话，指标波动会很大，甚至一两个框的误检就能让 mAP 掉 0.1。测试集保留 10%，最后做一次盲测即可。

目录结构建议如下：

kvasir-yolo/ ├── images/ │ ├── train/ │ ├── val/ │ └── test/ ├── labels/ │ ├── train/ │ ├── val/ │ └── test/ ├── data.yaml └── polyp.names

images和labels下三个子目录一一对应，图片是.jpg，标注是同名.txt。这样组织的好处是：YOLO 的train/val路径直接指过去，不需要额外写映射关系。

3.2 划分脚本：按图不按框，并注意掩膜序列的帧泄漏

划分脚本的核心不是随机种子，而是必须确保同一内镜视频相邻帧不会一张进 train、一张进 val。Kvasir-SEG 本身没有提供病人 ID 或视频片段 ID，但它的图像很多是从内镜视频抽帧出来的，相邻帧之间背景、息肉形态高度相似。如果随机打乱，可能让验证集里出现和训练集几乎同一画面的帧，导致验证 mAP 虚高，部署时掉点严重。

import os import random import shutil random.seed(42) # 固定种子，保证可复现 image_dir = "images_all" label_dir = "labels_all" # 转换好的 txt train_ratio, val_ratio = 0.7, 0.2 names = [f[:-4] for f in os.listdir(image_dir) if f.endswith(".jpg")] random.shuffle(names) train_n = int(len(names) * train_ratio) val_n = int(len(names) * val_ratio) split = { "train": names[:train_n], "val": names[train_n:train_n + val_n], "test": names[train_n + val_n:], } for split_name, file_names in split.items(): os.makedirs(f"images/{split_name}", exist_ok=True) os.makedirs(f"labels/{split_name}", exist_ok=True) for name in file_names: shutil.copy(os.path.join(image_dir, name + ".jpg"), f"images/{split_name}/") shutil.copy(os.path.join(label_dir, name + ".txt"), f"labels/{split_name}/")

这段脚本的逻辑是按文件名随机划分，再把图片和标签同步复制。关键是图片和标签共用同一份文件名列表，避免只复制了 jpg 漏了 txt，或者反过来。

随机划分在 Kvasir-SEG 上是可接受的做法，因为数据集中没有可用的序列 ID。但如果未来拿到带病例编号的内镜数据，强烈建议先按病人 ID 分组，再在组层面划分，而不是在图片层面随机划分。

3.3 data.yaml 与 class 文件：一次对齐，避免 COCO80 的命名错觉

class 文件和 data.yaml 是 YOLO 训练时读标签的依据。类别编号 0 对应polyp，单类别也要认真写。常见的错误是：忘了改nc，模型默认按 COCO80 的类名去映射，训练出来的名称和输出全乱套，这就是 yolo 入门时最常见的一类翻车。

# data.yaml path: ./kvasir-yolo train: images/train val: images/val test: images/test nc: 1 names: ['polyp']

polyp.names文件内容只有一行：

polyp

这一步没有复杂逻辑，但它是 yolov8 训练自己的数据集时最容易出错的地方。names列表的下标必须和 txt 标签里的类别编号严格对应：txt 里写的是 0，那么names[0]就必须是polyp，不能是其他类名，更不能把 COCO80 的 names 直接带进来。很多新人把data.yaml里的names写成['polyp', 'background']，这就导致类别数从 1 变成 2，训练损失曲线直接异常，属于典型踩坑。

4. 数据可视化脚本：训练前让标注被看见，训练后让曲线有参照

4.1 可视化标注：把框画回原图上，一眼看出错位

标题里说的数据可视化脚本，我一般拆成两部分：一是把 YOLO 格式的框画回原图，二是统计框的分布规律。画框脚本是转换之后第一个必须跑的脚本，它能帮你快速发现坐标错位、框过大过小等问题。

import cv2 import os def draw_yolo_boxes(image_path, label_path, output_dir): img = cv2.imread(image_path) h, w = img.shape[:2] with open(label_path) as f: lines = f.readlines() thickness = max(1, int(min(h, w) / 300)) for line in lines: parts = line.strip().split() cls_id = int(parts[0]) x_center, y_center, box_w, box_h = map(float, parts[1:]) x1 = int((x_center - box_w / 2) * w) y1 = int((y_center - box_h / 2) * h) x2 = int((x_center + box_w / 2) * w) y2 = int((y_center + box_h / 2) * h) cv2.rectangle(img, (x1, y1), (x2, y2), (0, 255, 0), thickness) cv2.putText(img, f"polyp", (x1, max(0, y1 - 5)), cv2.FONT_HERSHEY_SIMPLEX, 0.6, (0, 255, 0), 1) cv2.imwrite(os.path.join(output_dir, os.path.basename(image_path)), img)

这里的thickness根据图像短边动态计算，避免 576px 的图和 1280px 的图用同一个线宽导致小图上线条太粗。cv2.putText的坐标用了max(0, y1 - 5)，防止框贴顶时文字画出画面外。跑完这个脚本，我一般会人工抽查全部val图片，而不是只看前几张，因为错位往往集中在特定分辨率或特定掩膜形态上。

4.2 框分布统计：小目标占比直接决定你的输入分辨率

第二个可视化脚本是做尺寸和位置统计。它不是为了发论文配图，而是回答一个问题：这套数据里的息肉目标，在 YOLO 输入尺寸下到底占多少个像素？

import matplotlib.pyplot as plt def analyze_boxes(label_stats): areas = label_stats["area"] plt.figure(figsize=(8, 4)) plt.hist(areas, bins=50) plt.xlabel("Normalized box area") plt.ylabel("Count") plt.title("Polyp box area distribution") plt.savefig("box_area_dist.png") plt.close()

把每个 txt 里的框面积做归一化后画直方图，如果大部分目标的边长在 0.1~0.3 之间，意味着在 640×640 输入下对应 64~192 像素，属于中小目标。此时若直接训练，mAP@0.5:0.95会比mAP@0.5低不少，这是正常现象；但如果大量目标边长小于 0.05，你就要考虑用更高输入分辨率或者专门的检测头设计。这个统计脚本数据量不大，写起来也快，但能直接影响你后续训练参数的设置。

4.3 训练曲线可视化：单类别下多关注 yolo 损失函数里的 box_loss

标题里的可视化脚本通常只覆盖数据本身，但训练过程的曲线可视化同样重要。YOLO 训练过程中会实时打印损失，也会写results.csv。你要看的不是总损失一个数，而是拆开来看：box_loss收敛是否平稳、cls_loss是否还在跳、mAP@0.5是否随 epoch 上升。

对于息肉这种单类别数据，cls_loss的参考意义比较弱，因为模型很容易学会“只要看到内镜画面里有一坨东西就分类为息肉”，决定性的是box_loss的收敛质量。我自己一般画三条曲线：train/box_loss、val/box_loss、metrics/mAP@0.5。如果val/box_loss在第 60 轮附近开始横盘甚至抬升，而train/box_loss还在降，就是过拟合信号，此时减增强、加patience或者换更小的模型都比硬调学习率更管用。

5. 避坑清单：YOLO 医疗小数据集最容易翻车的五个问题

5.1 空标签：某张掩膜全黑之后，训练没报错但验证指标不对劲

现象：训练日志正常打印，但 val 的 mAP 出现异常波动，比如某轮突然掉到 0.2，下一轮又回到 0.9。

原因：掩膜里存在全黑图，转换后生成空 txt。YOLO 训练时空 txt 会让该图不参与正样本计算，但验证时类似行为会导致 recall 计算不稳定。

解决：转换脚本里对每个 mask 做一次cv2.countNonZero(binary)，为 0 的图单独放一个background/目录，不进训练集也不进验证集。如果数量少（比如不超过 10 张），直接丢弃是最省事的做法。

5.2 掩膜边缘的点状噪声产生大量超小框

现象：训练时 loss 降得很快，但画框可视化时出现大量几像素宽的小框，集中在息肉边缘。

原因：掩膜的边缘高光或分割噪声形成了只有 3~5 像素的连通域，转换脚本全部转成了正式框。这些小框既不符合医生标注意图，也会在训练时给正样本引入大量噪声。

解决：在mask_to_yolo_boxes里把min_area从 0 提高到max(20, 0.001 * h * w)，并加一个框宽高下限：if box_w < 0.01 or box_h < 0.01: continue。需要注意，min_area不要设太大，否则小息肉会被一起滤掉，一般先统计一下框面积分布再确定阈值。

5.3 同帧泄漏：验证集 mAP 虚高，部署才发现泛化不够

现象：训练集 mAP 在 0.95 左右，验证集也接近 0.9，部署到新内镜设备上效果骤降，mAP 只有 0.5 上下。

原因：Kvasir-SEG 是从视频抽帧得到的，相邻帧高度相似。随机划分后，同一画面同时出现在 train 和 val，模型等于提前看过答案。这是我在医疗影像数据集上经历过的最大翻车现场。

解决：划分前先检查文件名规律。如果发现文件名前缀相同的图片应该按序列分组，则在划分脚本中用random.sample在组级别划分，而不是在图片级别。Kvasir-SEG 本身没有病人 ID，能做的补救是固定随机种子并检查 train 与 val 之间的图片相似度；后续采集新数据时一定要保留内镜视频片段 ID。

5.4 类别编号与 class 文件错位

现象：训练正常，但可视化时息肉框被标成其他类名，或者加载模型推理时names输出乱码。

原因：txt 标签里类别编号是 0，但data.yaml的names是['background', 'polyp']，导致模型把背景当成第 0 类。另一个常见误用是把 COCO80 的 names 文件直接拿过来，标签映射完全对不上。

解决：单类别数据集一律让nc: 1、names: ['polyp']，txt 中所有目标类别编号统一为 0。改完 yaml 后先跑一次可视化脚本确认标注名称，再进入训练。

5.5 直接把非正方形原图 resize 成 640×640，息肉变形导致精度下降

现象：训练集上 mAP 很高，但可视化发现框偏大，尤其在图像的窄边上。

原因：内镜图像长宽比不一定是 1:1，强制 resize 会让息肉形状拉伸，模型学到的是变形后的形态特征，推理时又得把坐标映射回原图，来回误差叠加。

解决：在 YOLOv8 的训练配置里启用rect=True，它会按 batch 内图像的长宽比做 letterbox 填充而不是粗暴 resize。推理阶段也保持同样的 letterbox 逻辑，yolo predict默认会处理，但如果你自己写推理脚本，要记得在postprocess前还原坐标。

6. 从能训到训得好：验收判据与两个进阶技巧

6.1 判断模型能不能用的三个信号

拿到训练好的模型，别只看 mAP@0.5 一个数。我自己固定看三个信号：mAP@0.5是否稳定在 0.9 以上、val/box_loss是否在后期收敛到和训练 loss 差距小于 20%、PR 曲线的召回端是否在 0.85~0.95 区间。如果mAP@0.5高但mAP@0.5:0.95很低，说明框位准但边缘贴合差——这个问题在息肉检测里经常出现，因为掩膜转框时矩形框本身就会比分割形状偏大。作为检测任务，判断标准应当是：框能不能稳定框住病变区域供医生参考，而不是要求它贴合掩膜边缘。

6.2 两个高频有效的进阶技巧

第一个是多尺度输入。训练时不要固定imgsz=640，可以设imgsz=640但配合 YOLOv8 的scale增强让模型每轮随机看到 448~832 之间的尺寸。这样模型对不同大小的息肉更鲁棒，但也需要更强的patience设置，避免小尺寸训练阶段导致验证分数抖动。

第二个是 Copy-Paste 增强，直接复用掩膜区域把息肉粘贴到内镜背景上。YOLOv8 官方实现里还没有内置这个功能，但你可以基于分割掩膜写一个增强：把某张图的息肉区域切出来，随机旋转缩放后贴到另一张图上，原标签同步增加一个框。这个技巧对小数据集提升明显，但注意粘贴数量不要超过每张图 2 个，否则会让模型对“画面里全是息肉”产生误判。

最后说一条教训：医疗小数据集，第一版先别上复杂模型结构和花哨增强，把数据转换、划分、class 文件、可视化这四个环节钉死，比调任何超参数都重要。数据侧没翻车，后面模型的每一次改动才有参考价值。希望帮到你。

本文还有配套的精品资源，点击获取