简介：这是一份面向计算机视觉学习者和算法工程师的成人与小孩识别数据集，包含1738张真实场景原始图片，并配套COCO JSON格式标注，可直接用于目标检测、分类等模型的训练和效果评估，解决缺少权威儿童/成人区分标注数据的痛点。压缩包内共1741个文件，其中1738个jpg图片涵盖室内外、单人多人、不同年龄等多样场景，另含3个json标注文件，详细记录每张图片的类别与位置信息，便于标准流程调用。资源整体约91.49MB，结构简洁，已按通用数据集命名方式组织，方便按需筛选。目前已有1998人学习使用。对需要构建以年龄为维度的人像识别系统、或作为迁移学习基础数据集的研发人员而言，这份资源能有效节省数据采集与标注时间，直接进入模型设计与调参阶段。
1. 成人和小孩识别数据集：1738 张 COCO JSON 标注图片，为什么值得跑一遍
这个数据集做了一件很朴素的事：把 1738 张原始图片整理成 COCO JSON 格式标注，用来训练一个区分成人和小孩的检测模型，公开的验证识别率是 70.9%。数字不高，但正好卡在“能跑通、但还不理想”的位置，最适合用来验证从数据解析、格式转换到模型训练的一整套流水线。安防摄像头、儿童防走失、商超客流统计这类场景，都需要先判断画面里是成人还是儿童，再做后续联动；这个数据集把问题收敛到二分类，标注形式又是 COCO 标准，适合刚入门目标检测的人熟悉 JSON 标注结构，也适合老手拿来测自己的数据清洗和难例挖掘流程。
2. COCO JSON 标注解剖：images、annotations、categories 三段结构
拿到这个数据集，我建议先别急着开训练。1738 张原始图片不算多，真正花时间的不是算力，而是搞清标注字段怎么读。COCO JSON 格式的标注文件通常包含三个顶级字段：images、annotations、categories，任何一个转格式脚本都是围绕这三个字段转的。先花十分钟把结构读懂，后面做转换和排错能省下几个小时。
2.1 先跑一个统计脚本：数图片、数标注、看类别分布
常见的交付结构是一个 images 目录加一个 COCO 标注 JSON，也有把 train.json 和 val.json 分开给的变体，但里面结构一样。我拿到手先看一眼文件长什么样：
dataset/ ├── images/ # 1738 张原始图片 │ ├── 000001.jpg │ ├── 000002.jpg │ └── ... └── annotations/ └── instances.json # COCO 格式标注真正的检查点是 JSON 里的字段是否完整，不是目录长得漂不漂亮。拿 Python 读一遍：
import json from collections import Counter coco = json.load(open('annotations/instances.json', encoding='utf-8')) cats = {c['id']: c['name'] for c in coco['categories']} print('图片数:', len(coco['images'])) print('标注数:', len(coco['annotations'])) counts = Counter(cats[a['category_id']] for a in coco['annotations']) print('标注分布:', dict(counts))这段脚本做三件事：先从 categories 数组建立一个 id 到类别名的字典；再数 images 数组的条目；最后遍历所有 annotations，用 category_id 统计每个类别的实例数量。关键参数是 category_id，在 COCO 里是整数；如果抛 KeyError，说明标注文件里出现了 categories 没有定义的类别 ID，这是数据集交付阶段就可能带进来的脏数据。
跑完你会得到两个很有用的数字。图片数是标题里写的 1738，但标注数不一定等于图片数。标注数远小于图片数，说明大量图片里没有人被框出来，这类样本对正样本贡献是零；标注数远大于图片数，说明一张图里有多个目标，这是目标检测的正常形态。类别分布也很关键，如果 adult 和 child 数量差了三倍以上，就得提前做类别平衡，不然训练出来的模型会倾向把小孩子预测成大人。
2.2 images 字段：file_name 和宽高是坐标换算的地基
images 数组的每一项对应一张原始图片。挑一条出来看：
{ "id": 1024, "file_name": "images/000001.jpg", "width": 1920, "height": 1080 }id 是这张图在数据集内部的编号，annotations 里的 image_id 指向这里。file_name 是读取图片用的路径，有的数据集存的是绝对路径，有的存的是相对路径，转换脚本里最好都统一处理成绝对路径，避免训练时图片找不到。width 和 height 是原图的真实宽高，不能随便填。后面把 COCO 的绝对像素 bbox 转成 YOLO 的归一化坐标时，要用这两个数做分母；宽高一旦写错，所有目标框的位置都会整体偏移，哪怕训练能跑，最终推理结果也是错位的。
2.3 annotations 字段：bbox、area、iscrowd 的读写要点
annotations 数组才是数据集的正文。每一条代表一个目标实例：
{ "id": 1, "image_id": 1024, "category_id": 1, "bbox": [320, 180, 240, 600], "area": 144000, "iscrowd": 0 }bbox 的四个数分别是左上角 x、左上角 y、框宽 w、框高 h，单位是像素。它和很多标注工具导出的中心点格式不一样，转 YOLO 时不能直接拿这四个数用，要先把中心点和归一化宽高算出来。area 字段理论上等于 wh，但有些数据集用多边形算面积，会跟 wh 有出入；如果训练脚本要用 area 过滤小目标，建议自己重新算，不要直接信任原始值。iscrowd 为 0 表示普通实例，为 1 表示密集人群区域。成人或小孩密集聚集的场景里，标注者有时会把一群人框成一个 iscrowd=1 的大框，这种实例在训练时要跳过，因为它不是一个可学习的目标。
2.4 categories 字段：类别 ID 和 YOLO 的映射关系
categories 数组是这个数据集的类别名册，成人/小孩数据集通常就两类：
"categories": [ {"id": 1, "name": "adult", "supercategory": "person"}, {"id": 2, "name": "child", "supercategory": "person"} ]supercategory 一般写成 person，表示这两类都属于“人”这个父类。这里最大的坑是类别 ID 从 1 开始，而 YOLO 的类别编号从 0 开始。转换时如果用 category_id - 1，在这个例子里恰好能得到 0 和 1，但换个数据集，categories 的顺序一换，这个减法就会错。可靠做法是重新读 categories 数组，自己构造一个 {旧 id: 新 id} 映射，而不是假设 id 就是 1、2、3。
如果你读的是别人生成的 JSON，还会碰到一种很隐蔽的问题：字段名的大小写有出入。常见的是 segmentation 字段缺失，或者 bbox 写成了 bndbox。转换脚本里建议做好字段校验，缺哪个字段就提前报错，而不是等训练跑到一半才发现。
2.5 用什么打开 COCO 标注 JSON：命令行校验最可靠
有人问“json 用什么打开”，对于几十 MB 的 COCO 文件，在线 JSON viewer 很容易卡死，VS Code 能看但搜索慢。我一般直接命令行校验：
python -m json.tool annotations/instances.json > checked.json这段命令把 JSON 格式化输出到 checked.json；如果文件有语法错误，python -m json.tool 会在第一个坏字符处报错，并指出具体行号。常见错误是文件末尾多了逗号、引号没闭合，或者 JSON 数组中间混进了非 ASCII 字符。只查看某个字段时用 jq：
jq '.categories' annotations/instances.jsonjq 是 shell 里处理 JSON 最顺手的工具，.categories表示取 categories 键对应的 JSON 数组。参数说明：如果 jq 没安装，可以用python -c "import json;print(json.load(open('annotations/instances.json'))['categories'])"替代，效果一样。熟悉这两个操作，后面排查标注结构会快很多。
3. 把 COCO JSON 转成训练能用格式：转 YOLO 与转分类目录
COCO JSON 是存储格式，不是训练格式。这一步不转换，后面的训练脚本全都要自己造轮子。
3.1 为什么建议先转 YOLO 而不是直接训练
YOLO 系的训练生态最成熟，YOLOv8、YOLOv5、YOLO11 都读同一套标注格式：每张图对应一个 txt 文件，每行写 class x_center y_center width height，四个坐标全部归一化到 0～1。COCO JSON 是先给出全局的 images 和 annotations，再通过 image_id 关联；如果直接把 COCO JSON 喂给 YOLO 训练脚本，自己还要写一个 DataLoader 来解析，工作量和踩坑面都更大。
常见做法是先把 COCO 转成 YOLO txt，再按图片划分 train/val。转换脚本写一次，以后换数据集都能复用。另外，这套转换逻辑对 labelme 导出的 JSON、cvat 导出的 COCO 一样适用，只是字段名稍有差异。
3.2 COCO 转 YOLO 的 Python 脚本
import json import os from collections import defaultdict coco = json.load(open('annotations/instances.json', encoding='utf-8')) id_to_cat = {c['id']: i for i, c in enumerate(coco['categories'])} img_info = {img['id']: img for img in coco['images']} anns_by_img = defaultdict(list) for ann in coco['annotations']: if ann.get('iscrowd', 0) == 1: continue anns_by_img[ann['image_id']].append(ann) os.makedirs('labels', exist_ok=True) for img_id, anns in anns_by_img.items(): img = img_info[img_id] h, w = img['height'], img['width'] lines = [] for ann in anns: x, y, bw, bh = ann['bbox'] x = max(0, x) y = max(0, y) bw = min(w - x, bw) bh = min(h - y, bh) if bw <= 0 or bh <= 0: continue cx = x + bw / 2 cy = y + bh / 2 cls = id_to_cat[ann['category_id']] lines.append(f"{cls} {cx / w:.6f} {cy / h:.6f} {bw / w:.6f} {bh / h:.6f}") base = os.path.splitext(img['file_name'])[0] with open(os.path.join('labels', base + '.txt'), 'w', encoding='utf-8') as f: f.write('\n'.join(lines))逻辑说明：先跳过 iscrowd=1 的对象，因为密集人群不适合当独立目标学；然后对每个 bbox 做边界约束，把 x、y 限制到不小于 0，把宽高限制在图像内部，避免出现负数宽度导致归一化比例错误；最后一行是 YOLO 格式的完整表达。
参数说明：id_to_cat 用 enumerate 而不是 id-1，是为了兼容类别 ID 不连续的数据集；base 用os.path.splitext(img['file_name'])[0]取出图片主文件名，保证 images/000001.jpg 对应 labels/000001.txt。运行完检查一下 labels 目录，每张有目标的图片都应该有同名 txt，空 txt 表示这张图没有可用标注。
3.3 如果只是做分类：按 bbox 裁剪出成人/小孩图片
有些任务不需要定位，只想判断画面里有没有儿童。这时候可以把每个 bbox 裁剪下来，按类别建文件夹：
import json import os from PIL import Image coco = json.load(open('annotations/instances.json', encoding='utf-8')) img_map = {img['id']: img for img in coco['images']} cats = {c['id']: c['name'] for c in coco['categories']} for ann in coco['annotations']: if ann.get('iscrowd', 0) == 1: continue img = img_map[ann['image_id']] im = Image.open(os.path.join('images', img['file_name'])) x, y, w, h = ann['bbox'] pad = 10 x0 = max(0, x - pad) y0 = max(0, y - pad) x1 = min(img['width'], x + w + pad) y1 = min(img['height'], y + h + pad) crop = im.crop((x0, y0, x1, y1)) out_dir = os.path.join('crops', cats[ann['category_id']]) os.makedirs(out_dir, exist_ok=True) crop.save(os.path.join(out_dir, f"{ann['image_id']}_{ann['id']}.jpg"))这段代码先把所有图片读成 PIL Image，再按 bbox 坐标裁剪。pad=10 是经验值：成人或小孩的标注框往往紧贴身体，完全不扩边会把衣服边缘裁掉；pad 太大会把旁边的人也带进来。保存文件名带上 image_id 和 ann_id，是为了后面回溯：哪张裁剪图来自哪张原图、哪个标注实例，一眼能查清楚。
裁剪完之后，crops/adult 和 crops/child 就是两个分类文件夹，直接用 ResNet 或者 MobileNet 做二分类都可以。标题里报的 70.9% 如果指的是分类识别率，那这个方案更贴近原意。
3.4 划分 train/val：固定随机种子，按目录移动
小数据集划分要格外小心，验证集比例太低，指标波动会很大；随机种子不固定，两次训练结果没法比较。我一般把 85% 的图放训练，15% 放验证：
import random from pathlib import Path import shutil random.seed(42) image_pool = list(Path('images').glob('*.jpg')) random.shuffle(image_pool) split = int(len(image_pool) * 0.85) for phase, files in [('train', image_pool[:split]), ('val', image_pool[split:])]: img_dir = Path(f'images/{phase}') lbl_dir = Path(f'labels/{phase}') img_dir.mkdir(parents=True, exist_ok=True) lbl_dir.mkdir(parents=True, exist_ok=True) for img_path in files: shutil.move(str(img_path), str(img_dir / img_path.name)) label_path = Path('labels') / (img_path.stem + '.txt') if label_path.exists(): shutil.move(str(label_path), str(lbl_dir / label_path.name))这个过程把 images/train、images/val、labels/train、labels/val 四个目录建好，图片和同名标签一起移动。random.seed(42) 保证每次跑出来的划分完全一样，后面调参数时，指标变化只来自模型，不来自数据抖动。split 用 int 取整，1738 张图大约 1477 张训练、261 张验证，验证集样本数接近三百，已经能看出大概水平。
注意这里有一个前提：如果原始图片是同一个视频连续帧截出来的，直接随机分 train/val 会让相邻帧同时出现在两边，验证集指标虚高。更严格的划分应该按视频片段或场景分组，这个在避坑章节再展开。
4. 用 YOLOv8 训练成人和小孩识别：参数与 70.9% 准确率怎么来的
数据准备好之后，训练本身反而是最机械的一步。关键是配置文件和参数别乱调。
4.1 先写 data.yaml，类别顺序必须和转换脚本一致
YOLOv8 用 YAML 文件描述数据和类别，我的写法是：
path: . train: images/train val: images/val nc: 2 names: 0: adult 1: childpath 是当前项目根目录，train 和 val 是图片目录的路径。YOLO 会自动把路径里的 images 替换成 labels，所以 labels/train、labels/val 不需要写进 YAML。names 的顺序必须和转换脚本里 enumerate(categories) 的顺序保持一致，否则 adult 和 child 就反了。
参数说明：nc 是类别数，这里必须等于 2。names 的键从 0 开始，值可以换成别的语言，但顺序不能动。训练前我会把标注文件里第一行打出来看一眼，确认 class 号对得上。
4.2 训练命令与 5 个核心参数
在 1738 张的小数据集上，我习惯用轻量模型起手，不要上来就上 yolov8x：
yolo detect train \ model=yolov8n.pt \ data=data.yaml \ epochs=60 \ imgsz=640 \ batch=16 \ lr0=0.01 \ patience=15参数选择整理成一张表，方便边跑边对照：
| 参数 | 推荐值 | 说明 |
|---|---|---|
| model | yolov8n.pt | 从 COCO 预训练权重迁移，person 类别知识可以直接继承 |
| epochs | 50～60 | 小数据集 30 轮能收敛，60 轮看波动，再多容易过拟合 |
| imgsz | 640 | 原图大、小目标多时，640 会缩小；显存够可以试 1280 |
| batch | 8～16 | 8GB 显存从 16 起步，显存不够降到 8 |
| lr0 | 0.01 或 0.005 | 类别不平衡、数据量少时，0.005 更稳 |
| patience | 15 | 验证集指标连续 15 轮不升自动停，防止无效等待 |
model=yolov8n.pt 是从 COCO 上预训练过的权重，它可以识别 person 这个大类，只是区分不了 adult 和 child；用它做初始化，比从零训练收敛快很多。imgsz=640 是很多小模型的默认值，但这类数据集里经常有远距离小尺寸小孩，缩小到 640 会把小目标细节丢掉；要是 70.9% 这个数字一直上不去，值得把 imgsz 提到 960 或 1280 试试，代价是训练时间和显存翻倍。
lr0 是最容易被忽略的玄学参数。小数据集上 lr0=0.01 偶尔会让 loss 在前几个 epoch 抖动，0.005 反而更平滑。这不是固定的，如果 0.005 收敛慢，再改回 0.01 重新训一轮对比。
4.3 评估时看哪几个数：mAP、Precision、Recall 和报告里的 70.9%
YOLO 训练完会输出 P、R、mAP50、mAP50-95。注意，P 和 R 是每个类别的平均值，mAP50 是 IoU 阈值 0.5 下的平均精确率均值。标题里写的 70.9% 如果是一个识别率，更可能是验证集上“预测的类别是否正确”的准确率，不是 YOLO 直接输出的某一个指标。比如验证集有 300 个目标，模型把其中 213 个实例的类别判断对了，就是 71% 左右。
这几个指标的关系我用表拆开：
| 指标 | 公式 | 在这个场景里看什么 |
|---|---|---|
| Accuracy | (TP+TN)/总数 | 成人/小孩类别判断正确比例 |
| Precision | TP/(TP+FP) | 框出的人里，类别蒙对的占多少 |
| Recall | TP/(TP+FN) | 真实存在的成人和小孩，被找回多少 |
| mAP50 | AP 按类别平均 | 定位框 + 类别判断的综合结果 |
所以只看准确率一件事不够。P 高 R 低，说明模型把小孩漏掉了很多，准确率被大量成人样本撑起来了；R 高 P 低，说明模型把大人频繁认成小孩，在安全监控场景里会触发误报警。训练完成后一定要跑一遍混淆矩阵，看清 adult 和 child 各自被认错的比例。
5. 避坑：COCO 数据集训练成人和小孩模型的常见问题
这一节全是实际踩过的坑，拿出来对照能少走弯路。
5.1 category_id 对不上：两个类别训练完混成一个
现象：训练跑完，预测框全输出成 adult，child 类别一个都不出，或者两个类别输出完全相同的分布。
原因：转换脚本里用了 category_id - 1，但数据集里 adult 的 id 是 1，child 的 id 是 2，那没问题；如果 id 是 5 和 7，减 1 后变成 4 和 6，而 data.yaml 里 nc=2，类索引直接错乱。
解决：不要用手写减法。用{c['id']: i for i, c in enumerate(coco['categories'])}，把容器 id 重新编号为 0、1。训练前打印一下 id_to_cat 字典，再对比 data.yaml 的 names，两张表对得上再开训。
5.2 bbox 越界：训练 loss 不降，甚至出现 nan
现象：loss 曲线掉到某个水平就停住，或者直接变成 nan，训练继续跑结果越来越差。
原因：标注框的 x + w 超过图片真实宽度，常见于二次修改后的数据没重新裁剪，或者标注工具导出的浮点坐标被四舍五入后越界。归一化坐标出现大于 1 的值，模型学不到正确位置。
解决：转换脚本里加边界裁剪，把 x、y 限制到 0，把宽高限制到图像边界，宽高小于 1 像素的框直接跳过。这段逻辑在每个 dataset 可能不一样，但原则相同：进训练集之前，任何一个 bbox 必须完全落在图像内。
5.3 小孩漏标严重：召回率低一大截
现象：评估结果里 child 的 recall 只有 0.5，大量真实小孩没有被框出来。
原因：标注人员对远距离、小尺寸的目标不敏感。一个成年人站在前面，后面背景里蹲着两个小孩，标注者往往只框了成年人。
解决：先用预训练好的 person 检测模型在全部 1738 张图上跑一遍，把低置信度的候选框导出，再打开 cvat 或 labelimg 人工确认。重点看那些“成人占主体、小孩在背景里”的图，这类图最容易补回有效样本。补标注之后重新转 YOLO 格式，child 类别的 recall 通常能涨几个点。
5.4 类别不平衡：成人是小孩的三倍以上
现象：模型容易把小孩预测成成人，尤其在远距离、模糊、遮挡严重的样本上。
原因：训练集里 adult 类别数量明显多于 child，模型只需要把多数类预测对，就能拿到很低的 loss。
解决：先不要简单重复采样，优先做按类别的数据增强。对 child 类多做一些 mosaic、平移、翻转和随机色彩抖动，比复制几遍同一批图更有效。同时检查验证集里 child 的数量够不够，如果验证集只有几十个 child 样本，70.9% 这个数字本身的置信度就很低。
5.5 验证集和训练集有重复画面：识别率虚高
现象：训练时 mAP 很高，一到新场景视频上识别率直线掉到 50% 以下。
原因：数据集是从同一个视频连续帧截出来的，随机划分 train/val 时，相邻两帧分别进了训练集和验证集。模型记住了背景纹理而不是人的特征，在验证集上表现好，换个场景就现原形。
解决：按视频片段或时间窗口划分，把同一个视频的帧尽量归到同一侧。做法上可以先把文件名按视频编号分组，再对视频编号做随机划分，而不是对图片逐张划分。这样才能判断模型是不是真的学会了区分成人，而不是背下了背景。
6. 把 70.9% 往上提：数据增强、难例挖掘与二次标注
终于到了最有意思的环节。70.9% 在小数据集里不算差，但离“能交给业务用”还差一截。我的经验是，往上提升最划算的路径不是换大模型，而是做难例挖掘。
先用已经训好的模型去推理训练集，把所有预测框按置信度排序，重点关注置信度在 0.3～0.6 之间的样本。这些框意味着模型自己也拿不准是成人还是小孩，它们往往就是数据里最有信息量的部分。把这些低置信度框对应的图片挑出来，对照 COCO 标注检查，你通常会发现三类问题：一是标注框没画准，把小孩的半截身子框进去了；二是漏标，模型检测到了目标但标注里没有；三是极端样本，比如背影、侧脸、遮挡严重，这类样本本身就需要单独处理。
处理完这些难例之后，更新标注、重新转 YOLO 格式、再训一轮，一般能往上拉 2～3 个点。训练完成后用混淆矩阵验证，重点看 adult 被认成 child 的比例。在防走失场景里，把成人误判成小孩会触发不必要的提醒，但这个错还算安全；真正危险的是把小孩误判成成人，导致漏报。所以调整阈值或类别权重时，我会刻意压低后者。
我现在的习惯是拿到任何新数据集，先花半天做探索性统计和标注质量检查，再开训练；训练完先看错图和混淆矩阵，而不是急着调学习率。这个顺序用下来，比盲目堆训练轮数有用得多。Handling 小数据集没有玄学，就是把脏数据洗出来、难例补进去，70.9% 只是一个起点，跑完这一轮你手里会握着完整的标注检查工具链，这才是这套数据集真正的价值。希望帮到你。
本文还有配套的精品资源，点击获取
