Ultralytics SKU-110K 零售货架密集场景检测数据集：从 YAML 配置到 YOLO 训练全流程解析-平芜编程栈

Ultralytics SKU-110K 零售货架密集场景检测数据集：从 YAML 配置到 YOLO 训练全流程解析

【免费下载链接】ultralyticsUltralytics YOLO26, YOLO11, YOLOv8 — object detection, instance segmentation, semantic segmentation, image classification, pose estimation, object tracking项目地址: https://gitcode.com/GitHub_Trending/ul/ultralytics

SKU-110K 是 Ultralytics 官方支持的一个单类、高目标密度的零售货架目标检测数据集，常用于训练和评测 YOLO 系列模型在拥挤场景下的检测能力。本文基于仓库中的 SKU-110K 数据集文档与 SKU-110K.yaml 配置文件展开，讲清该数据集的划分、YAML 配置、自动下载与标注转换机制，以及训练 YOLO26 的完整命令与代码写法，帮助你把这套"13.6 GB 一键下载 + 自动转 YOLO 格式"的数据集真正用起来。

一、SKU-110K 数据集概览

SKU-110K 是一个由 Eran Goldman 等人（CVPR 2019 论文《Precise Detection in Densely Packed Scenes》）创建的单类目标检测数据集，包含11,743 张密集排列的零售货架图像，划分为 8,219 张训练、588 张验证、2,936 张测试图像。

理解这个数据集有三个关键数字：

1 个检测类别：所有商品都标注为一个object框（names: {0: object}），标注中不包含任何逐 SKU 的品类信息；
11 万个 SKU："SKU-110K" 的 "110K" 指的是横跨全部图像的不重复 store-keeping unit（商品单元）数量超过 11 万，而不是11 万个检测类别——这是该数据集最常见的误解；
170 万个标注框：全部图像累计超过 170 万个商品标注框，平均每张图像约147 个紧密排列的商品目标。

这种"同类目标高度相似、彼此紧邻"的密集排列，使 SKU-110K 成为检验检测器在拥挤零售环境中定位精确性的典型基准。数据集许可为Research-Only（仅研究用途），实际工程使用前应自行确认授权范围。

二、关键特性与适用场景

文档归纳了 SKU-110K 的三大关键特性：

单类检测（Single-class detection）：每个商品一个边界框，全部归入唯一类别object，模型只需学习"哪里有商品"，而不需要区分具体商品种类；
极致的目标密度（Extreme object density）：图像来自世界各地的商店货架，平均每张约 147 个目标，且外观相近甚至相同的商品常常紧贴在一起，对 NMS、小目标定位和重叠框区分都是强考验；
大规模（Large scale）：11 万+ 唯一 SKU、170 万+ 标注框、11,743 张图像，足以训练并压测最先进的检测器。

文档列出的典型应用方向包括：

零售库存管理与自动化（retail inventory management）；
电商平台中的商品识别（product recognition）；
陈列图合规校验（planogram compliance verification）；
门店自助结账系统（self-checkout）；
仓库中的机器人抓取与分拣（robotic picking and sorting）。

如果你的目标恰好是"数货架上的商品"、"检测漏摆/错摆位置"这类任务，SKU-110K 提供的高密度单类标注形态与实际业务高度吻合。

三、数据集划分

SKU-110K 的三个子集共享同一个object类别：

划分	图像数	用途
Train	8,219	模型训练的图像与标注
Validation	588	训练期间用于验证的留出图像
Test	2,936	训练完成后的最终评测图像

三个子集各自以图像清单文件（train.txt/val.txt/test.txt）形式引用，这也是理解其 YAML 配置的关键。

四、数据集 YAML 配置详解

数据集配置由 ultralytics/cfg/datasets/SKU-110K.yaml 定义，包含数据集路径、类别名和一段内嵌的下载/转换脚本。完整内容如下：

# Ultralytics AGPL-3.0 License - https://ultralytics.com/license # SKU-110K retail items dataset by Trax Retail # Example usage: yolo train data=SKU-110K.yaml # parent # ├── ultralytics # └── datasets # └── SKU-110K ← downloads here (13.6 GB) # Train/val/test sets as 1) dir: path/to/imgs, 2) file: path/to/imgs.txt, or 3) list: [path/to/imgs1, ...] path: SKU-110K # dataset root dir train: train.txt # train images (relative to 'path') 8219 images val: val.txt # val images (relative to 'path') 588 images test: test.txt # test images (optional) 2936 images # Classes names: 0: object # Download script/URL (optional) download: | import shutil from pathlib import Path import numpy as np import polars as pl from ultralytics.utils import TQDM from ultralytics.utils.downloads import download from ultralytics.utils.ops import xyxy2xywh # Download dir = Path(yaml["path"]) # dataset root dir parent = Path(dir.parent) # download dir urls = ["http://trax-geometry.s3.amazonaws.com/cvpr_challenge/SKU110K_fixed.tar.gz"] download(urls, dir=parent) # Rename directories if dir.exists(): shutil.rmtree(dir) (parent / "SKU110K_fixed").rename(dir) # rename dir (dir / "labels").mkdir(parents=True, exist_ok=True) # create labels dir # Convert labels names = "image", "x1", "y1", "x2", "y2", "class", "image_width", "image_height" # column names for d in "annotations_train.csv", "annotations_val.csv", "annotations_test.csv": x = pl.read_csv(dir / "annotations" / d, has_header=False, new_columns=names, infer_schema_length=None).to_numpy() images, unique_images = x[:, 0], np.unique(x[:, 0]) with open((dir / d).with_suffix(".txt").__str__().replace("annotations_", ""), "w", encoding="utf-8") as f: f.writelines(f"./images/{s}\n" for s in unique_images) for im in TQDM(unique_images, desc=f"Converting {dir / d}"): cls = 0 # single-class dataset with open((dir / "labels" / im).with_suffix(".txt"), "a", encoding="utf-8") as f: for r in x[images == im]: w, h = r[6], r[7] # image width, height xywh = xyxy2xywh(np.array([[r[1] / w, r[2] / h, r[3] / w, r[4] / h]]))[0] f.write(f"{cls} {xywh[0]:.5f} {xywh[1]:.5f} {xywh[2]:.5f} {xywh[3]:.5f}\n") # write label

逐项解读配置语义：

path: SKU-110K：数据集根目录，相对于数据集下载目录（默认datasets/，即解压后位于datasets/SKU-110K）。注释中的目录树提示了最终落盘位置，总大小约13.6 GB；
train/val/test: *.txt：这里采用的是 Ultralytics 数据集 YAML 三种引用形式中的"图像清单文件"形式（另一种是直接指向图像目录，或目录列表）。train.txt、val.txt、test.txt每行一条./images/xxx相对路径，由下方下载脚本自动生成；
names: {0: object}：唯一的检测类别。check_det_dataset会据此推导nc = 1；
download: |内嵌 Python 脚本：这是理解"第一次训练自动下载"行为的核心。脚本分三步：
1. 从 Trax Retail 官方 S3 地址下载SKU110K_fixed.tar.gz并解压，将SKU110K_fixed重命名为SKU-110K；
2. 读取原始的annotations/annotations_{train,val,test}.csv（无表头，列为image, x1, y1, x2, y2, class, image_width, image_height，坐标为像素级 xyxy），用polars高效解析；
3. 为每张图像生成 YOLO 格式标签文件：类号固定写0，像素坐标除以图像宽高归一化后再经xyxy2xywh转为归一化 xywh，每行以 5 位小数写入labels/<image名>.txt；同时把每个子集的去重图像列表写成对应的.txt清单。

xyxy2xywh工具函数定义在 ultralytics/utils/ops.py，是 YOLO 标签格式的通用坐标转换入口。

五、自动下载机制：源码层面的调用链

文档提示"SKU-110K 在第一次训练时自动下载，需要约 13.6 GB 磁盘空间，且标注转换可能需要几分钟"。这个行为的实现入口在 check_det_dataset（ultralytics/data/utils.py），调用链可以概括为：

解析 YAML：check_det_dataset(dataset, autodownload=True)被训练流程调用后，先加载 YAML，校验train/val键存在、names或nc存在、类型合法，并把train/val/test路径解析为绝对路径；
判定是否需要下载：解析后的val（或指定 split）路径若不存在，且 YAML 中含有download字段、autodownload为真，则触发下载；
执行内嵌脚本：download字段以http开头且以.zip结尾时按 URL 直接下载；以bash开头时执行 shell 脚本；否则——SKU-110K 正属于这种情况——以exec(s, {"yaml": data})执行内嵌 Python 脚本，脚本内可以直接引用yaml字典（这就是上面脚本能使用yaml["path"]的原因）。

# ultralytics/data/utils.py 中的核心分支（节选） if s.startswith("http") and s.endswith(".zip"): # URL safe_download(url=s, dir=DATASETS_DIR, delete=True) elif s.startswith("bash "): # bash script subprocess.run(s.split(), check=True) else: # python script exec(s, {"yaml": data})

也就是说，你在训练命令中只需写data="SKU-110K.yaml"，框架会自动完成"下载 13.6 GB 压缩包 → 解压改名 → 逐张图像把 CSV 像素标注转换为 YOLO 标签"的全过程，无需任何手工步骤。下载目录默认是DATASETS_DIR（datasets/），若空间不足可通过设置文件调整该路径。

六、训练 YOLO26 的完整用法

在训练文档的参数体系下，SKU-110K 的训练示例如下（图像尺寸 640、100 个 epoch，从预训练权重开始）：

Python API：

from ultralytics import YOLO # Load a model model = YOLO("yolo26n.pt") # load a pretrained model (recommended for training) # Train the model results = model.train(data="SKU-110K.yaml", epochs=100, imgsz=640)

CLI：

# Start training from a pretrained *.pt model yolo detect train data=SKU-110K.yaml model=yolo26n.pt epochs=100 imgsz=640

几个实用要点：

首次运行耗时构成：约 13.6 GB 下载 + 170 万级标注的 CSV→YOLO 转换，文档明确提示"可能需要几分钟"，属于预期行为而非卡死；
磁盘与网络：训练前请确认datasets/所在分区有 ≥ 13.6 GB 空闲空间以及到 Trax S3 源点的稳定网络；
参数查阅：epochs、imgsz之外的完整训练参数（批大小、增强开关、早停等）参见 Training 文档与训练技巧指南；
评测：训练完成后可用data="SKU-110K.yaml", split="test"在 2,936 张测试图上做最终评测，验证流程见 Validation 文档。

对于更小的入门需求，检测数据集总览还列有 coco8、coco128 等体量更小的数据集可用于快速验证管线。

七、样本数据与标注形态

SKU-110K 的图像真实还原了商店货架：数十个外观几乎相同的产品并排陈列，同一张图中既有大目标也有大量小目标。文档给出的示例说明：图像以密集货架为背景，所有商品均用边界框标注在唯一的object类下。

从标注转换脚本可以进一步推断其标注形态的细节：原始标注 CSV 中每行含像素坐标(x1, y1, x2, y2)及图像宽高，转换后每张图像对应一个labels/<image名>.txt，每行格式为cls cx cy w h（归一化、5 位小数）。高物体密度意味着单张图像平均写出约 147 行标注，这也是转换阶段耗时较长的直接原因。这种标注形态对检测器的要求集中在两点：密集小目标不遗漏、相邻相似目标不合并。

八、引用与致谢

在研究或使用该数据集时，建议引用原始论文：

@inproceedings{goldman2019dense, author = {Eran Goldman and Roei Herzig and Aviv Eisenschtat and Jacob Goldberger and Tal Hassner}, title = {Precise Detection in Densely Packed Scenes}, booktitle = {Proc. Conf. Comput. Vision Pattern Recognition (CVPR)}, year = {2019} }

文档同时致谢了 Eran Goldman 等人为计算机视觉研究社区创建并维护 SKU-110K 数据集。

九、常见问题（FAQ）

SKU-110K 有 11 万个类别吗？没有。它是单类数据集：所有商品都标注为object类（names: {0: object}）。"110K" 指的是图像中出现的唯一 SKU 数量超过 11 万，而非检测类别数。

数据集具体有多少图像和类别？11,743 张图像（8,219 训练 / 588 验证 / 2,936 测试），1 个检测类别object。详见上文"数据集划分"一节及 SKU-110K.yaml。

下载体积多大？需要手动下载吗？约 13.6 GB，无需手动下载——首次以data="SKU-110K.yaml"训练时，check_det_dataset会自动触发 YAML 中内嵌的下载与标注转换脚本。

如何用它训练 YOLO 模型？直接按第六节的 Python 或 CLI 示例执行即可：加载yolo26n.pt预训练权重，data="SKU-110K.yaml"、epochs=100、imgsz=640，首次运行会自动完成数据准备。

小结

SKU-110K 在 Ultralytics 中的定位非常清晰：一个开箱即用的单类、高密度、大规模零售检测基准。它的 YAML 配置展示了 Ultralytics 数据集描述文件"声明路径 + 内嵌下载/转换脚本"的完整形态——path/train/val/test声明数据布局，names声明类别，download脚本负责从 CSV 像素标注一键生成 YOLO 格式标签。理解 check_det_dataset 中的自动下载分支后，你就能把同样的机制迁移到自己的工作数据集 YAML 中，实现"一条训练命令完成数据准备 + 模型训练"。

创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考