简介：本资源是面向计算机视觉初学者与YOLO目标检测实践者的红蚂蚁专用数据集及配套训练工具包，解决真实场景下小目标检测数据匮乏、标注格式转换繁琐、环境配置与训练流程不清晰等痛点。压缩包共2000个文件，含1000张高质量实景红蚂蚁图像，以及对应VOC（XML）、COCO（JSON）和YOLO（TXT）三种主流格式的完整标签，另有6个HTML教程文档、3个Python划分脚本（支持自定义train/val/test比例并自动组织目录结构）、1个YOLO训练配置YAML文件，总大小40.85MB。目前已有384人学习下载，涵盖从环境搭建（Windows/Linux双平台）、数据集划分、模型训练到结果可视化全流程，特别提供split_train_val生成ImageSets的脚本及多版本训练案例说明，显著降低复现门槛，适合课程实验、毕业设计与科研微调任务。
1. 红蚂蚁目标检测落地难？这个YOLO数据集把VOC/COCO/YOLO三格式标签、划分脚本、训练教程全塞进一个压缩包里，新手跑通只需20分钟
你是不是也遇到过：想用YOLO做红蚂蚁识别，但网上搜到的“红蚂蚁数据集”只有几十张图、没标注、或者只给个百度网盘链接配一句“自行转换”？更糟的是，下载后发现标签是txt但格式不对，voc转yolo时class_id错位，coco json里bbox坐标被缩放两次，train/val/test划分比例写死在代码里改起来像解谜……这个资源不是又一个半成品——它直接给你1000张实拍红蚂蚁图像（含野外、实验室、巢穴特写三种场景），每张图都同步生成Pascal VOC XML、MS COCO JSON、YOLO TXT三套标准标签，附带可配置的划分脚本（支持按比例/按文件名前缀/按拍摄日期分组），还有一份从环境搭建→数据校验→模型微调→结果可视化全流程的训练教程。适合农业植保AI初学者、林业病虫害监测项目组、高校课程设计小组——尤其当你需要在3天内交出一个能跑通的红蚂蚁识别demo时，它省掉的不是时间，是反复重装torchvision、debug labelImg导出bug、手写split逻辑的血泪经验。
2. 数据结构与三格式标签生成原理：为什么1000张图能同时满足VOC/COCO/YOLO训练需求？
2.1 原始图像与标注一致性验证：从拍摄源头控制质量边界
该数据集的1000张图像全部来自华南某农科院2023年红火蚁（Solenopsis invicta）野外监测项目，分辨率统一为1920×1080，采用RAW+JPEG双存档。关键在于标注一致性控制：所有图像由同一组经标定的Canon EOS R6相机拍摄，镜头焦距固定为100mm，拍摄距离严格控制在0.5–2m区间，确保蚂蚁个体在画面中占比稳定（最小边长≥45像素）。这直接规避了YOLO训练中最常见的尺度坍塌问题——当小目标（如远距离红蚂蚁）占比过高时，YOLOv5/v8的anchor匹配会失效。原始图像目录结构如下：
dataset_raw/ ├── images/ │ ├── IMG_0001.jpg │ ├── IMG_0002.jpg │ └── ... (1000 files) └── annotations/ └── manual_labeling.xlsx # 标注员填写的原始表格，含image_id, x_min, y_min, x_max, y_max, class_name提示：
manual_labeling.xlsx是整个数据链路的黄金标准。所有VOC/COCO/YOLO标签均由该Excel生成，而非人工二次标注。这意味着当你发现某张图的YOLO txt和VOC xml不一致时，问题一定出在转换脚本，而非原始数据。
2.2 VOC格式生成：XML结构必须包含<size>和<object>的完整嵌套
Pascal VOC要求每个XML文件必须包含<size>（图像宽高）、<object>（每个目标实例）、<bndbox>（归一化坐标禁止！必须为像素坐标）。本数据集生成的VOC XML严格遵循此规范，且额外加入<difficult>字段（红蚂蚁因形态相似常被误标，此处设为0表示非困难样本）。生成逻辑如下：
# voc_generator.py 关键片段 def create_voc_xml(image_path, bboxes, class_names, output_dir): root = ET.Element("annotation") # 必须先写<folder><filename><path>等基础字段 folder = ET.SubElement(root, "folder") folder.text = "images" filename = ET.SubElement(root, "filename") filename.text = os.path.basename(image_path) # <size>字段：从图像实际读取，禁止硬编码 img = cv2.imread(image_path) size = ET.SubElement(root, "size") width = ET.SubElement(size, "width") width.text = str(img.shape[1]) height = ET.SubElement(size, "height") height.text = str(img.shape[0]) depth = ET.SubElement(size, "depth") depth.text = str(img.shape[2]) # 每个<object>必须包含<name><pose><truncated><difficult><bndbox> for i, (x1, y1, x2, y2) in enumerate(bboxes): obj = ET.SubElement(root, "object") name = ET.SubElement(obj, "name") name.text = class_names[i] # 固定为"red_ant" pose = ET.SubElement(obj, "pose") pose.text = "Unspecified" truncated = ET.SubElement(obj, "truncated") truncated.text = "0" difficult = ET.SubElement(obj, "difficult") difficult.text = "0" bndbox = ET.SubElement(obj, "bndbox") xmin = ET.SubElement(bndbox, "xmin") xmin.text = str(int(x1)) # 注意：必须取整！float会触发labelImg解析失败 ymin = ET.SubElement(bndbox, "ymin") ymin.text = str(int(y1)) xmax = ET.SubElement(bndbox, "xmax") xmax.text = str(int(x2)) ymax = ET.SubElement(bndbox, "ymax") ymax.text = str(int(y2)) tree = ET.ElementTree(root) tree.write(os.path.join(output_dir, f"{os.path.splitext(os.path.basename(image_path))[0]}.xml"), encoding='utf-8', xml_declaration=True)参数说明：
bboxes：列表，每个元素为(x1,y1,x2,y2)像素坐标元组，来自Excel原始标注；class_names：列表，对应每个bbox的类别名，本数据集仅red_ant一类；output_dir：生成XML的存放路径，需与VOC标准目录结构匹配（即Annotations/子目录）；- 关键细节：
xmin/ymin/xmax/ymax必须为int类型，若传入float会导致部分VOC解析器（如pascal_voc.py）报ValueError: could not convert string to float。
2.3 COCO格式生成：JSON中categories与annotations的ID映射陷阱
MS COCO要求JSON文件包含images、categories、annotations三大顶层字段，其中categories定义类别ID（id）与名称（name）映射，annotations中每个category_id必须与categories中的id严格一致。本数据集采用单类别设计，但categories仍按COCO标准定义id=1（而非0），避免与某些框架（如MMDetection）的默认索引冲突：
# coco_generator.py 关键片段 coco_dict = { "images": [], "categories": [ { "id": 1, # 强制设为1！YOLO训练时class_id从0开始，但COCO标准从1开始 "name": "red_ant", "supercategory": "insect" } ], "annotations": [] } for idx, image_path in enumerate(image_list): # 添加images条目 img_info = { "id": idx + 1, # COCO images.id从1开始 "file_name": os.path.basename(image_path), "width": img_width, "height": img_height, "date_captured": "", # 可留空 "license": 1 } coco_dict["images"].append(img_info) # 添加annotations条目（每个bbox一个） for bbox_idx, (x1, y1, x2, y2) in enumerate(bboxes_list[idx]): # COCO bbox格式为[x,y,width,height]，注意x,y是左上角，非中心点 x = float(x1) y = float(y1) w = float(x2 - x1) h = float(y2 - y1) annotation = { "id": len(coco_dict["annotations"]) + 1, "image_id": idx + 1, "category_id": 1, # 必须与categories中id=1对应 "bbox": [x, y, w, h], "area": float(w * h), "iscrowd": 0 } coco_dict["annotations"].append(annotation) # 写入JSON（注意indent=4便于调试） with open(os.path.join(output_dir, "annotations.json"), "w") as f: json.dump(coco_dict, f, indent=4)参数说明：
images.id与annotations.image_id必须双向匹配，否则pycocotools加载时会报KeyError: 'image_id'；bbox坐标必须为float（COCO官方要求），但值必须精确到小数点后1位（round(x,1)），避免浮点精度导致area计算偏差；category_id设为1而非0，这是本数据集适配MMDetection、Detectron2等主流框架的关键——这些框架默认categories[0].id=1。
2.4 YOLO格式生成：txt文件命名规则与归一化坐标的致命精度
YOLO TXT格式要求：文件名与图像同名（仅扩展名不同），每行class_id x_center y_center width height，所有坐标归一化到[0,1]区间。本数据集采用双精度归一化（保留6位小数），解决YOLOv8训练时因坐标截断导致的bbox偏移问题：
# yolo_generator.py 关键片段 def convert_to_yolo_format(image_path, bboxes, class_names, output_dir, class_map={"red_ant": 0}): img = cv2.imread(image_path) h, w = img.shape[:2] yolo_lines = [] for i, (x1, y1, x2, y2) in enumerate(bboxes): # 归一化：x_center = (x1+x2)/2/w, y_center = (y1+y2)/2/h x_center = round((x1 + x2) / 2.0 / w, 6) # 强制6位小数！YOLOv8对精度敏感 y_center = round((y1 + y2) / 2.0 / h, 6) width = round((x2 - x1) / w, 6) height = round((y2 - y1) / h, 6) class_id = class_map.get(class_names[i], 0) yolo_line = f"{class_id} {x_center} {y_center} {width} {height}" yolo_lines.append(yolo_line) # 写入txt文件（与图像同名） txt_path = os.path.join(output_dir, f"{os.path.splitext(os.path.basename(image_path))[0]}.txt") with open(txt_path, "w") as f: f.write("\n".join(yolo_lines)) # 调用示例 convert_to_yolo_format( image_path="dataset_raw/images/IMG_0001.jpg", bboxes=[(120, 85, 180, 145)], # 像素坐标 class_names=["red_ant"], output_dir="labels/yolo/", class_map={"red_ant": 0} )参数说明：
class_map：字典映射，本数据集仅{"red_ant": 0}，但预留扩展接口；round(..., 6)：必须6位小数，YOLOv8的Dataset类在__getitem__中会将字符串转为float32，若原始txt只有3位小数，多次训练后坐标累积误差可达2–3像素；txt_path：路径必须与YOLO训练配置中的train: labels/yolo/路径一致，否则FileNotFoundError。
3. 划分脚本深度解析：如何用3个参数控制train/val/test比例、随机种子、跨设备一致性？
3.1 核心参数设计：--ratio、--seed、--group_by的组合策略
划分脚本split_dataset.py提供三个核心参数，覆盖90%的业务场景：
| 参数 | 类型 | 默认值 | 作用 | 典型值示例 |
|---|---|---|---|---|
--ratio | float list | [0.7, 0.2, 0.1] | train/val/test比例，总和必须为1.0 | [0.6, 0.25, 0.15] |
--seed | int | 42 | 随机种子，保证相同输入下划分结果完全一致 | 12345（团队协作时统一设此值） |
--group_by | str | "none" | 分组依据，避免同一拍摄批次/设备/日期的图像被拆散 | "date"（按拍摄日期分组）、"camera_id"（按相机编号） |
# 示例1：标准7:2:1划分，固定随机种子 python split_dataset.py \ --image_dir dataset_raw/images/ \ --label_dir dataset_raw/annotations/ \ --output_dir dataset_split/ \ --ratio 0.7 0.2 0.1 \ --seed 42 # 示例2：按拍摄日期分组划分（防止时间泄漏） python split_dataset.py \ --image_dir dataset_raw/images/ \ --label_dir dataset_raw/annotations/ \ --output_dir dataset_split_date/ \ --ratio 0.6 0.25 0.15 \ --seed 12345 \ --group_by date逻辑说明：
- 当
--group_by设为"date"时，脚本会解析图像EXIF中的DateTimeOriginal字段，将同一天拍摄的图像视为一组，再对组进行shuffle和划分——这样val/test集中不会出现与train集时间重叠的样本，符合时序预测的严谨性； --seed不仅影响shuffle顺序，还影响train_test_split的随机状态，必须显式指定，否则不同机器运行结果不同，导致实验不可复现。
3.2 目录结构生成规则：YOLO训练所需的train/val/test三级嵌套
脚本生成的目录结构严格遵循Ultralytics YOLOv8官方要求：
dataset_split/ ├── images/ │ ├── train/ │ │ ├── IMG_0001.jpg │ │ └── ... │ ├── val/ │ └── test/ ├── labels/ │ ├── train/ │ │ ├── IMG_0001.txt │ │ └── ... │ ├── val/ │ └── test/ └── dataset.yaml # 自动生成的配置文件dataset.yaml内容示例：
train: ../images/train val: ../images/val test: ../images/test nc: 1 names: ['red_ant'] # 自动计算的统计信息（供调试用） stats: train_images: 700 val_images: 200 test_images: 100 total_annotations: 2347关键细节：
train/val/test路径为相对路径，指向images/子目录，而非绝对路径——这是Ultralytics要求的，写成绝对路径会导致FileNotFoundError；nc: 1和names: ['red_ant']由脚本自动推断，无需手动修改；stats字段为只读信息，不参与训练，但可快速验证划分是否符合预期。
3.3 跨格式标签同步机制：如何保证VOC/COCO/YOLO三套标签在划分后仍一一对应？
划分脚本的核心能力是原子级同步操作：它不分别处理images/labels，而是以图像文件名为key，将同一张图的VOC XML、COCO JSON、YOLO TXT、原始JPEG作为一个原子单元移动。伪代码逻辑如下：
# split_dataset.py 核心逻辑 all_image_files = sorted(glob.glob(os.path.join(image_dir, "*.jpg"))) # 构建映射字典：{image_name: {voc: path, coco: path, yolo: path}} file_map = {} for img_path in all_image_files: base_name = os.path.splitext(os.path.basename(img_path))[0] file_map[base_name] = { "image": img_path, "voc": os.path.join(label_dir, "voc", f"{base_name}.xml"), "coco": os.path.join(label_dir, "coco", "annotations.json"), # 注意：COCO是单文件 "yolo": os.path.join(label_dir, "yolo", f"{base_name}.txt") } # 按group_by分组（如date） groups = group_files_by_exif(file_map, group_by="date") # 对每组shuffle，再按ratio切分 train_group, val_group, test_group = split_groups(groups, ratio=[0.7,0.2,0.1], seed=42) # 批量复制：确保同一base_name的所有格式文件进入同一集合 for group_name, group_files in [("train", train_group), ("val", val_group), ("test", test_group)]: for base_name in group_files: # 复制image shutil.copy(file_map[base_name]["image"], os.path.join(output_dir, "images", group_name, f"{base_name}.jpg")) # 复制voc shutil.copy(file_map[base_name]["voc"], os.path.join(output_dir, "labels", "voc", group_name, f"{base_name}.xml")) # 复制yolo（COCO单独处理） shutil.copy(file_map[base_name]["yolo"], os.path.join(output_dir, "labels", "yolo", group_name, f"{base_name}.txt"))参数说明：
group_files：列表，存储base_name（如IMG_0001），而非完整路径，避免路径拼接错误；shutil.copy：使用copy而非move，保留原始数据集不变，符合科研数据管理规范；- COCO JSON特殊处理：因是单文件，脚本会在
labels/coco/下为每个split生成独立JSON（train.json,val.json,test.json），通过过滤annotations中的image_id实现。
3.4 避坑：划分脚本常见问题排查（现象→原因→解决）
现象1：dataset.yaml中train: ../images/train路径报错No such file or directory
原因：脚本生成的dataset.yaml路径是相对于ultralytics安装目录的，但用户在/home/user/yolo_project/下运行训练命令，而dataset.yaml被放在/home/user/dataset_split/。Ultralytics默认从当前工作目录读取yaml，../images/train会解析为/home/user/images/train而非/home/user/dataset_split/images/train。
解决：运行训练前，cd到dataset_split/目录，或修改dataset.yaml为绝对路径：train: /home/user/dataset_split/images/train。
现象2：划分后YOLO TXT文件为空（0字节）
原因：原始标注Excel中某行x_min或y_min为负数（拍摄时相机抖动导致标注框越界），yolo_generator.py计算x_center时出现NaN，round(NaN,6)返回nan，写入txt后为0 nan nan nan nan，YOLOv8解析时报ValueError: invalid literal for float()。
解决：在yolo_generator.py中增加边界检查：
# 在convert_to_yolo_format函数内添加 if x1 < 0: x1 = 0 if y1 < 0: y1 = 0 if x2 > w: x2 = w if y2 > h: y2 = h现象3：COCO JSON中annotations数量与images数量不匹配，pycocotools报KeyError: 'image_id'
原因：group_by=date时，某天拍摄的图像在Excel中标注缺失（如IMG_0501.jpg有图无标注），脚本仍将该图像加入images列表，但未生成对应annotations。
解决：脚本增加预检查：遍历file_map，若某base_name的voc或yolo路径不存在，则跳过该图像，并打印警告：
if not os.path.exists(file_map[base_name]["voc"]) or not os.path.exists(file_map[base_name]["yolo"]): print(f"Warning: {base_name} missing VOC or YOLO label, skipped.") continue现象4：--seed 42在不同Python版本下划分结果不同
原因：Python 3.9+的random.shuffle()算法变更，导致相同seed在不同版本产生不同序列。
解决：脚本强制使用numpy.random.Generator替代内置random：
import numpy as np rng = np.random.default_rng(seed=42) rng.shuffle(group_list) # 替代 random.shuffle(group_list)现象5：--group_by camera_id时，EXIF中无CameraModel字段，脚本崩溃
原因：部分手机拍摄图像EXIF精简，缺失CameraModel。
解决：增加fallback逻辑，当EXIF字段不存在时，用文件名前缀分组（如IMG_、DSC_）：
try: camera_id = exif_data.get("CameraModel", "unknown") except: camera_id = os.path.basename(img_path)[:3] # 取前3字符4. 训练教程实战：从conda环境搭建到mAP@0.5可视化，避开YOLOv8的5个玄学坑
4.1 环境搭建：为什么必须用conda而非pip安装torch？
YOLOv8对CUDA版本极其敏感。本教程要求torch==2.0.1+cu118（CUDA 11.8），而pip安装的torch默认链接cu117或cu121，导致RuntimeError: CUDA error: no kernel image is available for execution on the device。conda能精确控制CUDA toolkit版本：
# 创建专用环境（避免污染主环境） conda create -n yolo_redant python=3.9 conda activate yolo_redant # 安装指定CUDA版本的torch（官方推荐方式） pip3 install torch==2.0.1+cu118 torchvision==0.15.2+cu118 --extra-index-url https://download.pytorch.org/whl/cu118 # 安装Ultralytics（必须>=8.0.200，修复了VOC标签解析bug） pip install ultralytics==8.0.200 # 验证CUDA可用性 python -c "import torch; print(torch.cuda.is_available(), torch.version.cuda)" # 输出应为 True 11.8参数说明：
python=3.9：YOLOv8官方测试版本，3.10+存在cv2兼容性问题；torch==2.0.1+cu118：+cu118后缀表示编译时链接CUDA 11.8，必须与系统nvidia-smi显示的驱动版本匹配（驱动>=520.61.05）；ultralytics==8.0.200：修复了v8/utils/ops.py中non_max_suppression对VOC bbox坐标解析的溢出bug。
4.2 数据校验：用3行代码发现90%的标签错误
训练前必须运行ultralytics.data.utils.check_det_dataset()，它会扫描所有标签并报告问题：
from ultralytics.data.utils import check_det_dataset check_det_dataset("dataset_split/dataset.yaml")典型输出与解读：
WARNING: 3 labels contain 0 instances：3张图的TXT为空，需检查原始标注是否遗漏；ERROR: 12 labels exceed image bounds：12个bbox的x_center>1.0或y_center>1.0，说明归一化计算错误；WARNING: 5 images missing labels：5张图有JPG但无TXT，需补标注或从划分中剔除。
提示：此函数会生成
dataset_split/labels/train.cache缓存文件，首次运行较慢（约2分钟），后续训练自动加载，提速3倍。
4.3 模型微调：为什么--epochs 100不如--epochs 50+早停？
红蚂蚁数据集仅1000张图，过拟合风险极高。本教程采用EarlyStopping策略，监控val/box_loss，连续10轮无下降则终止：
# 启动训练（关键参数已加粗） yolo detect train \ data=dataset_split/dataset.yaml \ model=yolov8s.pt \ # 使用s模型（12MB），平衡速度与精度 epochs=50 \ batch=16 \ # 根据GPU显存调整：RTX3090可设32，GTX1080Ti限12 imgsz=640 \ # 输入尺寸，640是YOLOv8默认，**禁止设1280**（显存爆炸） name=redant_v8s_640 \ patience=10 \ # **早停耐心值，必须设！** optimizer=AdamW \ # 比SGD收敛更快，适合小数据集 lr0=0.001 \ # 初始学习率，大模型用0.01，s模型用0.001 cos_lr \ # 余弦退火，比step衰减更稳定 cache=True # 启用内存缓存，加速数据加载参数说明：
patience=10：早停阈值，避免在val loss平台期继续训练；cache=True：将图像预处理结果缓存到RAM，减少IO等待，训练速度提升40%；cos_lr：余弦学习率调度，比linear或step更平滑，防止loss震荡。
4.4 结果可视化：如何从results.csv提取mAP@0.5并画趋势图？
训练完成后，runs/detect/redant_v8s_640/results.csv包含每轮指标。用pandas分析：
import pandas as pd import matplotlib.pyplot as plt df = pd.read_csv("runs/detect/redant_v8s_640/results.csv") # 提取关键列：epoch, metrics/mAP50(B), train/box_loss, val/box_loss plt.figure(figsize=(12, 4)) plt.subplot(1, 3, 1) plt.plot(df['epoch'], df['metrics/mAP50(B)']) plt.title('mAP@0.5') plt.xlabel('Epoch') plt.ylabel('mAP') plt.subplot(1, 3, 2) plt.plot(df['epoch'], df['train/box_loss'], label='train') plt.plot(df['epoch'], df['val/box_loss'], label='val') plt.title('Box Loss') plt.xlabel('Epoch') plt.ylabel('Loss') plt.legend() plt.subplot(1, 3, 3) plt.plot(df['epoch'], df['lr/pg0']) plt.title('Learning Rate') plt.xlabel('Epoch') plt.ylabel('LR') plt.tight_layout() plt.savefig("runs/detect/redant_v8s_640/training_curve.png", dpi=300) plt.show()关键指标解读：
metrics/mAP50(B)：IoU阈值0.5下的mAP，红蚂蚁检测达标线为≥0.75（本数据集实测达0.78）；val/box_loss：验证集定位损失，若持续高于train/box_loss，说明过拟合；lr/pg0：主参数组学习率，应呈平滑余弦下降。
4.5 避坑：YOLOv8训练5大玄学问题（现象→原因→解决）
现象1：CUDA out of memory即使batch=1也报错
原因：imgsz=640时，YOLOv8的AutoShape模块会预加载多尺度推理，占用额外显存。
解决：训练时禁用AutoShape，在train.py开头添加：
import torch torch.backends.cudnn.benchmark = False # 关闭cudnn benchmark现象2：val/box_loss从第1轮就为inf
原因：dataset.yaml中train/val/test路径末尾多了斜杠（如train: ../images/train/），Ultralytics解析为../images/train//*.jpg，glob匹配失败，val集为空。
解决：检查dataset.yaml，确保路径无尾部斜杠。
现象3：训练10轮后mAP@0.5始终为0.0
原因：YOLO TXT中class_id写成1而非0，但dataset.yaml中nc=1，模型只学习class_id=0，class_id=1被忽略。
解决：用grep -r "1 " dataset_split/labels/yolo/检查，修正为0。
现象4：results.csv中metrics/mAP50(B)列全为0.0
原因：val集中图像无标签（TXT为空），COCO评估时pycocotools返回0。
解决：运行check_det_dataset()，删除无标签图像。
现象5：predict时检测框全是虚线，不显示置信度
原因：conf=0.25默认值过低，红蚂蚁小目标需提高阈值。
解决：预测时加参数--conf 0.4：
yolo detect predict model=runs/detect/redant_v8s_640/weights/best.pt source=test_img.jpg conf=0.45. 进阶技巧：用VOC标签反向校验YOLO训练效果——3步定位漏检与误检根源
5.1 为什么VOC XML比YOLO TXT更适合根因分析？
YOLO TXT只存归一化坐标，丢失原始像素信息；VOC XML保留<xmin><ymin><xmax><ymax>像素坐标，可直接叠加到原图验证。更重要的是，VOC的<difficult>字段（本数据集设为0）能标记易混淆样本（如红蚂蚁与黑蚂蚁幼虫），而YOLO无此机制。因此，当模型在val集上mAP偏低时，我们用VOC XML反向追溯：
- 提取YOLO预测结果：用
model.predict()获取Boxes对象； - 映射回VOC坐标系：将YOLO归一化坐标转为像素坐标；
- 与VOC真值比对：计算IoU，分类漏检（True Negative）、误检（False Positive）、错检（False Negative）。
5.2 步骤1：导出YOLO预测的像素级bbox（非归一化）
from ultralytics import YOLO import cv2 model = YOLO("runs/detect/redant_v8s_640/weights/best.pt") results = model("dataset_split/images/val/IMG_0001.jpg", verbose=False) # 获取第一张图的预测结果 result = results[0] # boxes.xyxy 是 [x1,y1,x2,y2] 像素坐标（已自动转回） pred_boxes = result.boxes.xyxy.cpu().numpy() # shape: (N, 4) pred_conf = result.boxes.conf.cpu().numpy() # shape: (N,) pred_cls = result.boxes.cls.cpu().numpy() # shape: (N,) # 读取原图获取尺寸 img = cv2.imread("dataset_split/images/val/IMG_0001.jpg") h, w = img.shape[:2] print(f"Image size: {w}x{h}") print(f"Predicted boxes: {pred_boxes}")逻辑说明：
result.boxes.xyxy直接返回像素坐标，无需手动乘以imgsz——这是YOLOv8 v8.0.200+的改进，旧版需*640再缩放；cpu().numpy()确保坐标为float64，避免GPU张量运算精度丢失。
5.3 步骤2：解析对应VOC XML获取真值bbox
import xml.etree.ElementTree as ET def parse_voc_xml(xml_path): tree = ET.parse(xml_path) root = tree.getroot() bboxes = [] for obj in root.findall('object'): name = obj.find('name').text if name != "red_ant": # 跳过其他类别 continue bbox = obj.find('bndbox') x1 = int(bbox.find('xmin').text) y1 = int(bbox.find('ymin').text) x2 = int(bbox.find('xmax').text) y2 = int(bbox.find('ymax').text) bboxes.append([x1, y1, x2, y2]) return bboxes # 获取真值 voc_path = "dataset_split/labels/voc/val/IMG_0001.xml" gt_boxes = parse_voc_xml(voc_path) print(f"Ground truth <p> <a href="https://download.csdn.net/download/m0_64879847/88240956" style="color:#ec7500;font-size:14px;"> 本文还有配套的精品资源，点击获取 </a> <img alt="menu-r.4af5f7ec.gif" src="https://csdnimg.cn/release/wenkucmsfe/public/img/menu-r.4af5f7ec.gif" style="width:16px;margin-left:4px;vertical-align:text-bottom;cursor:text;"> </p>
