简介：本资源为面向YOLO系列目标检测算法的「手套与徒手」二分类数据集，适合从事安全帽佩戴检测、工业防护装备识别、行为规范监控等场景的算法工程师与高校学生使用，可直接用于模型训练与验证测试。压缩包共2000个文件，以xml标注文件为主，同时提供YOLO格式txt与VOC格式xml两套标签，分别存放于独立文件夹，并附带data.yaml配置文件，兼容yolov5、yolov7、yolov8、yolov9、yolov10及yolo11等主流版本。数据集共3893张图像，已按训练与验证需求划分完毕，YOLO标签采用归一化中心点与宽高比例格式，便于直接读取训练。目前已有89人学习下载，读者可快速获得一套开箱即用的检测数据，省去自行采集与标注成本，用于验证模型效果、对比不同YOLO版本性能或作为课程与项目实践素材。
1. 手套与徒手检测：3893 张带标签图像能撑起什么场景
产线安全帽检测做完了，下一个需求往往就是「手部状态」——工人有没有戴手套。这个需求听起来比安全帽简单，实际落地时最卡人的不是模型结构，而是数据。手套和徒手检测属于典型的小目标 + 类内差异大的任务：棉纱手套、丁腈手套、皮手套颜色材质完全不同，徒手又分正反面、遮挡、不同肤色，公开数据集里几乎没有现成能直接用的。标题里这份 3893 张图像带标签的手套/徒手数据集，价值就在于它把「手」和「戴手套的手」这两个类别的边界样本凑到了一起，省掉了从零标注的两三周。它适合两类人：一类是想跑通 YOLO 训练全流程、拿一个二分类检测任务练手的新手；另一类是在工厂、实验室、食品加工场景里要做手部合规检测，需要先验证可行性的工程师。3893 张不算大，但二分类检测够用，关键是标签质量和你怎么切分、怎么增强。下面按「先看清数据 → 再跑通训练 → 再调参 → 再避坑 → 再进阶」的顺序讲透。
2. 拆开这份手套和徒手数据集：3893 张图像到底该怎么读
拿到一个压缩包，第一件事不是解压完直接丢给 YOLO，而是先搞清楚它的目录结构、标签格式、类别分布。这一步做扎实，后面能省掉大量「训练 loss 不降」「mAP 卡在 0.5」的玄学排查。
2.1 目录结构与标签格式的三种常见形态
标题写的是「图像带标签」，但带标签有好几种可能：VOC 的 XML、COCO 的 JSON、YOLO 的 txt。你得先确认是哪一种，因为后面转换脚本完全不同。常见做法是先解压看目录：
# 解压后先看顶层结构，不要急着改文件名 unzip hand_glove_dataset.zip -d hand_glove cd hand_glove find . -maxdepth 2 -type d | head -30 # 统计图像数量和标签数量，两者应该对得上 find . -name "*.jpg" -o -name "*.png" | wc -l find . -name "*.txt" -o -name "*.xml" -o -name "*.json" | wc -l如果标签是 YOLO txt，每行格式是class x_center y_center width height，且全部归一化到 0~1。如果标签是 VOC XML，你会看到<bndbox>里的xmin/ymin/xmax/ymax是绝对像素。这两种的转换逻辑不一样，先确认再动手。参数上要盯住两点：一是类别索引从 0 还是 1 开始（YOLO 要求从 0 开始），二是坐标有没有越界（xmax 超过图像宽度是标注工具常见 bug）。
2.2 类别分布与图像尺寸统计：决定增强策略
二分类任务最怕类别极度不平衡。如果 3893 张里徒手 3500 张、戴手套只有 393 张，直接训练模型会偏向多数类。先统计：
import os, glob from collections import Counter from PIL import Image img_dir = "hand_glove/images" lbl_dir = "hand_glove/labels" cls_counter = Counter() size_counter = Counter() for lbl in glob.glob(os.path.join(lbl_dir, "*.txt")): with open(lbl) as f: for line in f: c = int(line.split()[0]) cls_counter[c] += 1 for img in glob.glob(os.path.join(img_dir, "*")): with Image.open(img) as im: size_counter[im.size] += 1 print("类别分布:", cls_counter) print("尺寸分布 top5:", size_counter.most_common(5))这段代码输出两个关键信息。类别分布告诉你需不需要做重采样或 focal loss；尺寸分布告诉你输入分辨率设 640 还是 416。如果绝大多数图像是 1920×1080，缩到 640 后手部目标可能只剩几十像素，这时候要么提高输入尺寸，要么用 mosaic 增强保住小目标。我一般会先看尺寸分布再定imgsz，而不是无脑 640。
2.3 划分训练/验证集：别用随机划分糊弄
3893 张如果随机 8:2 划分，很容易出现同一场景、同一人的图像同时进训练和验证，导致验证 mAP 虚高。血泪经验是：如果数据里有明显的场景/人员分组信息（比如文件名带工位号），按组划分。没有分组信息时，至少固定随机种子，保证可复现：
import random, os, shutil random.seed(42) imgs = sorted(os.listdir("hand_glove/images")) random.shuffle(imgs) split = int(len(imgs) * 0.8) for phase, subset in [("train", imgs[:split]), ("val", imgs[split:])]: os.makedirs(f"dataset/{phase}/images", exist_ok=True) os.makedirs(f"dataset/{phase}/labels", exist_ok=True) for name in subset: stem = os.path.splitext(name)[0] shutil.copy(f"hand_glove/images/{name}", f"dataset/{phase}/images/{name}") shutil.copy(f"hand_glove/labels/{stem}.txt", f"dataset/{phase}/labels/{stem}.txt")固定seed=42是为了别人复现你的结果时数字对得上。划分比例 8:2 是二分类小数据集的稳妥选择，验证集至少留 700 张以上，否则 mAP 波动会大到没法判断模型好坏。
3. 用 YOLO 跑通手套检测：从 data.yaml 到第一次推理
数据理清楚之后，训练本身反而是最标准化的环节。这一章把配置、命令、参数含义讲到位，让你第一次跑就能出结果，而不是对着报错猜。
3.1 写对 data.yaml：三个路径和类别名
YOLO 系列训练入口就是一个 yaml 文件。常见翻车点是路径写相对路径但工作目录不对，或者nc和names数量对不上。
# dataset/data.yaml path: ./dataset # 数据集根目录，相对训练脚本执行位置 train: train/images # 相对 path val: val/images nc: 2 # 类别数：0=徒手, 1=戴手套 names: 0: bare_hand 1: gloved_handpath是根，train/val是相对根的路径，这个层级关系搞错是最常见的 FileNotFoundError 来源。nc必须等于names的条目数，且索引从 0 连续。类别名建议用英文，避免中文路径和编码问题。
3.2 训练命令与关键参数：epochs、imgsz、batch 怎么定
yolo detect train \ data=dataset/data.yaml \ model=yolov8n.pt \ epochs=100 \ imgsz=640 \ batch=16 \ lr0=0.01 \ patience=20 \ project=runs/hand \ name=glove_v1逐项说：model=yolov8n.pt是 nano 版本，3893 张二分类任务够用，显存小、推理快；如果 mAP 上不去再换 s 或 m。epochs=100配合patience=20，意思是 20 轮验证指标不提升就早停，避免过拟合。imgsz=640是通用起点，手部目标小的话可以提到 960，但显存和速度要权衡。batch=16在 8G 显存上跑 640 分辨率比较稳，爆显存就降到 8。lr0=0.01是 SGD 的初始学习率，如果你换成 AdamW，建议降到 0.001。
3.3 训练过程看什么：loss 曲线和 mAP 的读法
训练日志里重点看三个：box_loss、cls_loss、mAP50。box_loss 负责定位，cls_loss 负责分类。如果 box_loss 一直不降，多半是标签坐标有问题；如果 cls_loss 震荡大，可能是学习率偏高或类别不平衡。mAP50 在二分类任务上，正常收敛后应该能到 0.85 以上，低于 0.7 就要回头查数据。验证集 mAP 远高于训练集，说明验证集太简单或和训练集重叠，回到 2.3 检查划分。
3.4 第一次推理：确认模型真的学到了手
yolo detect predict \ model=runs/hand/glove_v1/weights/best.pt \ source=dataset/val/images \ conf=0.25 \ save=Trueconf=0.25是置信度阈值，低于它的框不显示。验证阶段可以调低到 0.1 看召回，部署时再调回 0.25~0.4 平衡误报。跑完去runs/hand/glove_v1/下看预测图，重点看两类错误：把徒手误判成戴手套（漏检合规），把戴手套误判成徒手（误报）。这两种错误在业务上的代价完全不同，调阈值时要按业务定。
4. 手套检测调参：小目标、遮挡和类别不平衡怎么破
跑通只是起点，真正决定能不能上线的是调参。手部检测有三个绕不开的难点：手在画面里占比小、经常被工具或身体遮挡、两类样本可能不均衡。这一章针对性地给方案。
4.1 小目标：提高输入分辨率还是加 P2 检测层
手部目标小，最直接的办法是把imgsz从 640 提到 960 或 1280。代价是显存和推理时间成倍增长。另一个思路是在模型里加 P2 检测层（针对 4 倍下采样的特征图），YOLO 默认从 P3 开始，P2 能显著提升小目标召回。常见做法是先用 960 试，如果 mAP 提升明显且速度可接受就不改结构；如果速度卡死，再考虑换更小的模型加 P2。
4.2 遮挡：mosaic 和 copy-paste 增强的取舍
遮挡样本靠增强补。mosaic 把四张图拼一张，能模拟手被部分遮挡的情况，YOLO 默认开启。但 mosaic 对小目标有个副作用：拼接后单张图里的手变得更小。如果数据本身手就小，可以调低 mosaic 概率（mosaic=0.5）。copy-paste 增强是把标注好的手抠出来贴到其他图上，对遮挡和类别不平衡都有效，但需要额外写脚本，且贴的位置要合理，否则会引入不真实的上下文。
4.3 类别不平衡：重采样、focal loss 和阈值调整
如果徒手远多于戴手套，三种手段按成本排序：先调验证时的置信度阈值（最省事），再对少数类做 oversampling（复制或增强），最后才考虑改损失函数加 focal loss。focal loss 对难样本加权，能缓解不平衡，但会引入额外超参，调不好反而掉点。我一般先看混淆矩阵，确认是少数类召回低还是精确率低，再决定用哪种。
4.4 学习率和 batch 的联动：别单独调一个
学习率和 batch 是联动的。batch 翻倍，学习率通常也要相应上调，否则收敛变慢。反过来，显存不够降 batch 时，学习率不降容易震荡。经验公式是线性缩放：batch 从 16 降到 8，lr0 从 0.01 降到 0.005 左右。另外用 cosine 学习率调度比 step 更平滑，小数据集上更稳。
5. 手套和徒手检测的避坑与排查：五条踩过的坑
这一章全是实战里真金白银换来的教训，每条按「现象 → 原因 → 解决」写，遇到问题直接对号入座。
5.1 训练 loss 正常但 mAP 一直是 0
现象：box_loss 和 cls_loss 都在降，但验证 mAP50 始终是 0 或接近 0。原因：标签类别索引和 data.yaml 里的 names 对不上，或者标签坐标没归一化（还是绝对像素）。解决：打开一个标签文件，确认数值都在 0~1 之间，且类别索引是 0 和 1。如果坐标是几百的整数，说明是 VOC 格式没转换，需要先跑转换脚本。
5.2 验证集 mAP 高得离谱，上线就崩
现象：验证 mAP50 到 0.95，实际场景误检漏检一堆。原因：训练集和验证集有同场景、同人员的图像，模型记住了背景而不是手。解决：按场景或人员分组划分，或者用时间戳划分（如果数据有采集顺序）。划分完再跑一次，mAP 掉下来才是真实水平。
5.3 戴手套的手大量漏检
现象：徒手检测正常，戴手套的手召回很低。原因：手套颜色和背景接近（比如白色手套在白色墙面），或者训练集里手套样本太少。解决：先统计两类样本数，少数类做 oversampling；再检查手套样本的背景是否单一，用 mosaic 和颜色抖动增强背景多样性。
5.4 推理速度达不到产线要求
现象：模型精度够，但单帧推理超过 50ms，产线节拍跟不上。原因：输入分辨率太高或模型太大。解决：先把 imgsz 从 960 降到 640 看精度损失，再考虑换 nano 模型或做量化（INT8）。量化能提速 2~3 倍，但要注意校准集要覆盖真实场景，否则精度掉得厉害。
5.5 同一只手被检出多个框
现象：一张图里同一只手出现两三个重叠框。原因：NMS 的 IoU 阈值设太高，或者模型对同一目标输出了多个高置信框。解决：调低 NMS 的 IoU 阈值（默认 0.7，可降到 0.5），或者在推理时开agnostic_nms。如果还不行，说明训练数据里有重复标注，回去清洗标签。
6. 从 3893 张到产线可用：验证方法与一个提点技巧
数据集只有 3893 张，想上产线，光看 mAP 不够，得有一套验证方法。我一般分三步走。第一步，留出一个「压力测试集」：专门收集真实场景里最难的那些帧——强逆光、手被工具挡住一半、手套颜色和背景几乎一样。这个集不参与训练和调参，只在最后验收时跑一次，它的 mAP 才是你能不能上线的真实依据。第二步，做分场景统计：把测试集按工位、光照、手套类型分组，分别算召回和精确率。整体 mAP 0.9 但某个工位只有 0.6，说明模型在那个场景失效，需要补数据。第三步，看混淆矩阵的绝对数量，而不是比例。产线上一天过十万帧，1% 的误报就是一千次，这个量级能不能接受要和业务方对齐。
提点技巧上，分享一个我常用的「困难样本回流」闭环。部署后把置信度在 0.3~0.5 之间的预测帧自动存下来，人工快速过一遍，把漏检和误检的帧挑出来补标注，每周回流一次重新训练。这样模型会随着真实数据分布慢慢变强，比一次性标几万张更划算。3893 张的起点不大，但只要这个闭环跑起来，两三个月就能把有效数据翻倍。
# 困难样本回流：保存中等置信度的预测帧供人工复核 import cv2 from ultralytics import YOLO model = YOLO("best.pt") cap = cv2.VideoCapture("line_camera.mp4") frame_id = 0 while cap.isOpened(): ret, frame = cap.read() if not ret: break frame_id += 1 if frame_id % 5 != 0: # 抽帧，降低存储压力 continue results = model(frame, conf=0.3, verbose=False)[0] # 有框但置信度都不高，说明是模型拿不准的样本 if len(results.boxes) > 0: confs = results.boxes.conf.tolist() if all(0.3 <= c <= 0.5 for c in confs): cv2.imwrite(f"hard_samples/frame_{frame_id}.jpg", frame) cap.release()这段脚本每 5 帧抽一帧，只保存「有检测框但置信度都在 0.3~0.5 之间」的图像。这些是模型最犹豫的样本，人工复核的性价比最高。参数上frame_id % 5控制抽帧频率，产线帧率高就调大；置信度区间按你的模型实际分布调整，模型越准，区间可以越窄。
最后说个习惯：我做完任何一个检测项目，都会把数据划分脚本、训练命令、推理参数写进一个README，连同随机种子一起存档。因为三个月后你一定会遇到「上次那个模型怎么复现」的问题，没有这份记录，就得从头再踩一遍坑。手套和徒手检测这个方向，数据是门槛，方法是标准化的，把 3893 张用透，比盲目堆数据更有效。希望帮到你。
本文还有配套的精品资源，点击获取
