简介这份资源面向计算机视觉初学者与目标检测工程实践者提供一套可直接用于YOLO系列算法训练的网球场景数据集覆盖网球与运动员两类目标的识别任务适合课程设计、模型对比实验与算法调参练习。压缩包共2000个文件约87.8MB其中1707个xml文件为VOC格式标注293个txt文件为YOLO格式标注两种标注分别存放便于按框架灵活切换同时附带data.yaml配置文件已划分好训练与验证集可直接接入yolov5、yolov8、yolov9、yolov7、yolov10及yolo11等版本。YOLO标注采用类别索引与归一化中心点、宽高比例符合主流训练脚本读取规范。目前已有131人学习下载读者可借此快速搭建网球检测基线验证数据增强、类别平衡与模型迁移效果省去自行标注与格式转换的时间成本。1. 网球数据集与 YOLO 训练1956 张带标签图像能跑出什么拿到一个「yolo算法-网球数据集-1956张图像带标签-网-运动员.zip」这样的压缩包第一反应不该是解压完直接train.py而是先判断它到底能解决什么问题。1956 张图像、带标签、类别围绕「网」和「运动员」这是一个典型的小规模单类或多类目标检测数据集适合做网球场景下的球体检测、运动员定位、球场区域粗分割这类任务。它的价值不在于数据量而在于场景聚焦网球高速运动、背景杂乱、目标尺度变化大这些恰好是 YOLO 系列模型需要针对性调参的地方。如果你手头正好有体育分析、动作捕捉、自动剪辑、边线判罚辅助这类需求这个数据集可以作为一个冷启动起点。1956 张不算多但足够验证一套训练管线是否跑得通也足够让你看清 YOLO 在小样本、高动态场景下的真实表现。下面按「先看懂数据、再跑通训练、最后调优避坑」的顺序拆开讲每一步都给出可复现的命令和参数。2. 拆开压缩包先看什么1956 张图像的标签结构与类别分布2.1 目录结构与标注格式判断拿到 zip 后先别急着解压到训练目录找一个临时路径展开看清楚内部结构。常见的数据集组织方式有两种一种是 YOLO 原生格式每张图对应一个同名.txt标签文件内容为class_id x_center y_center width height坐标归一化到 0~1另一种是 VOC 格式标签在Annotations目录下XML 文件里记录xmin/ymin/xmax/ymax。标题写的是「带标签」但没有说明格式所以第一步必须自己确认。# 解压到临时目录先看结构 unzip -q 网球数据集.zip -d /tmp/tennis_check find /tmp/tennis_check -maxdepth 3 -type d | head -30 # 统计图像数量和标签文件数量 find /tmp/tennis_check -name *.jpg -o -name *.png | wc -l find /tmp/tennis_check -name *.txt | wc -l find /tmp/tennis_check -name *.xml | wc -l如果.txt数量和图像数量接近 1:1基本可以判定是 YOLO 格式如果.xml数量对得上那就是 VOC 格式需要转换。1956 张图像如果标签文件也是 1956 个左右说明标注是完整的没有漏标。这里有个血泪经验有些数据集图像数量对但标签文件里有一批是空文件代表「背景图」或「无目标」训练时如果直接忽略空标签模型会学到「所有图都有目标」的偏见。2.2 类别分布与长尾问题确认格式后统计每个类别的实例数量。网球场景里「球」和「运动员」的实例数往往极不均衡一张图可能只有 1 个球但有 2~4 个运动员。如果「网」作为一个独立类别它的实例数可能更少。这种长尾分布会直接影响 YOLO 的损失函数表现尤其是分类损失和置信度损失。import os from collections import Counter label_dir /tmp/tennis_check/labels counter Counter() empty_files 0 for f in os.listdir(label_dir): if not f.endswith(.txt): continue path os.path.join(label_dir, f) with open(path) as fp: lines [l.strip() for l in fp if l.strip()] if not lines: empty_files 1 continue for line in lines: cls_id int(line.split()[0]) counter[cls_id] 1 print(类别实例数:, dict(counter)) print(空标签文件数:, empty_files)这段代码遍历所有标签文件统计每个类别 ID 出现的次数同时记录空文件数量。如果某个类别实例数低于总实例数的 5%训练时就要考虑用cls_pw或者重采样策略。空标签文件如果超过 10%建议单独拿出来做背景负样本或者在数据增强时降低这些图的采样权重。2.3 图像尺寸与标注框尺度分布YOLO 默认输入 640×640但原始图像可能是 1920×1080 甚至更高。如果直接 resize小目标比如远处的网球会缩到几个像素检测效果断崖式下降。所以要先统计原始尺寸和标注框的宽高分布。import cv2 import numpy as np img_dir /tmp/tennis_check/images sizes [] box_areas [] for f in os.listdir(img_dir)[:200]: # 抽样 200 张即可 img cv2.imread(os.path.join(img_dir, f)) h, w img.shape[:2] sizes.append((w, h)) label_path os.path.join(label_dir, f.replace(.jpg, .txt)) if os.path.exists(label_path): with open(label_path) as fp: for line in fp: parts line.strip().split() if len(parts) 5: _, _, bw, bh map(float, parts) box_areas.append(bw * bh) print(图像尺寸样本:, sizes[:5]) print(标注框面积中位数:, np.median(box_areas)) print(标注框面积 10% 分位:, np.percentile(box_areas, 10))如果 10% 分位的框面积小于 0.001归一化面积说明小目标占比不低训练时imgsz建议开到 960 或 1280同时开启mosaic增强时要注意小目标被裁掉的风险。这一步的结论直接决定后面训练配置里的imgsz和anchor相关参数。3. 把数据转成 YOLO 能吃的格式划分、转换与配置文件3.1 训练集/验证集/测试集划分1956 张图像建议按 8:1:1 划分即训练集约 1564 张验证集 196 张测试集 196 张。划分时要保证类别分布一致尤其是「球」这种小目标不能出现验证集里一个球都没有的情况。用sklearn的train_test_split做分层抽样比较稳妥。import os import shutil from sklearn.model_selection import train_test_split img_dir /tmp/tennis_check/images label_dir /tmp/tennis_check/labels out_root /data/tennis_yolo files [f for f in os.listdir(img_dir) if f.endswith((.jpg, .png))] # 按是否有目标做分层避免验证集全空 has_obj [] for f in files: lp os.path.join(label_dir, f.rsplit(., 1)[0] .txt) has_obj.append(1 if os.path.exists(lp) and os.path.getsize(lp) 0 else 0) train_val, test train_test_split(files, test_size0.1, stratifyhas_obj, random_state42) train, val train_test_split(train_val, test_size0.111, stratify[has_obj[files.index(f)] for f in train_val], random_state42) for split, items in [(train, train), (val, val), (test, test)]: os.makedirs(f{out_root}/images/{split}, exist_okTrue) os.makedirs(f{out_root}/labels/{split}, exist_okTrue) for f in items: shutil.copy(os.path.join(img_dir, f), f{out_root}/images/{split}/{f}) lp os.path.join(label_dir, f.rsplit(., 1)[0] .txt) if os.path.exists(lp): shutil.copy(lp, f{out_root}/labels/{split}/{f.rsplit(., 1)[0]}.txt)这段代码先按「是否有目标」分层再按 8:1:1 切分最后把图像和标签复制到 YOLO 标准目录结构下。注意test_size0.111是因为先切了 10% 测试集再从剩余 90% 里切 10% 做验证集实际比例约 8:1:1。如果数据集里空标签文件很多分层变量has_obj能保证验证集不会全是背景图。3.2 从 VOC 转 YOLO 的转换脚本如果前面检查发现是 XML 标注需要转成 YOLO 的归一化坐标。转换时最容易翻车的地方是坐标越界和类别名映射。import xml.etree.ElementTree as ET import os classes [ball, player, net] # 按实际类别顺序改 class_map {name: i for i, name in enumerate(classes)} def convert_voc_to_yolo(xml_path, img_w, img_h, out_path): tree ET.parse(xml_path) root tree.getroot() lines [] for obj in root.findall(object): name obj.find(name).text if name not in class_map: continue bbox obj.find(bndbox) xmin float(bbox.find(xmin).text) ymin float(bbox.find(ymin).text) xmax float(bbox.find(xmax).text) ymax float(bbox.find(ymax).text) # 裁剪到图像边界内 xmin max(0, min(xmin, img_w - 1)) ymin max(0, min(ymin, img_h - 1)) xmax max(0, min(xmax, img_w - 1)) ymax max(0, min(ymax, img_h - 1)) if xmax xmin or ymax ymin: continue xc (xmin xmax) / 2.0 / img_w yc (ymin ymax) / 2.0 / img_h bw (xmax - xmin) / img_w bh (ymax - ymin) / img_h lines.append(f{class_map[name]} {xc:.6f} {yc:.6f} {bw:.6f} {bh:.6f}) with open(out_path, w) as f: f.write(\n.join(lines))关键点xmin/xmax要裁剪到[0, img_w-1]否则归一化后会出现负值或大于 1 的值YOLO 训练时虽然不会报错但损失会异常。类别名映射必须和后续data.yaml里的names顺序完全一致否则模型学到的类别 ID 和实际语义对不上。3.3 data.yaml 配置文件写法YOLOv5/v8 系列都需要一个data.yaml描述数据路径和类别。路径建议用绝对路径避免训练时工作目录变化导致找不到文件。path: /data/tennis_yolo train: images/train val: images/val test: images/test nc: 3 names: 0: ball 1: player 2: netnc是类别数names可以用列表或字典形式。如果只有「球」和「运动员」两类就把nc改成 2删掉net。这里有个常见坑names的顺序必须和标签文件里的class_id一一对应转换脚本里class_map的顺序也要一致否则训练出来的模型会把球识别成运动员。4. 用 YOLOv8 跑通第一轮训练命令、参数与显存控制4.1 环境安装与最小训练命令假设你已经有一块 8GB 显存以上的 NVIDIA 显卡装好 CUDA 和 PyTorch直接 pip 安装 ultralytics 即可。不要一上来就改源码先用官方默认配置跑通一轮确认数据和管线没问题。pip install ultralytics # 最小训练命令先跑 10 个 epoch 看 loss 是否下降 yolo detect train \ data/data/tennis_yolo/data.yaml \ modelyolov8n.pt \ epochs10 \ imgsz640 \ batch16 \ device0 \ project/data/runs \ nametennis_baselinemodelyolov8n.pt是最小的 nano 模型参数量约 3.2M适合先验证管线。batch16在 8GB 显存上跑 640 分辨率通常没问题如果 OOM 就降到 8 或 4。imgsz640是默认值但如果前面统计发现小目标多这里改成 960 或 1280显存占用会成倍增加需要同步降 batch。4.2 关键参数怎么设lr、mosaic、anchor第一轮跑通后看runs/tennis_baseline/results.csv里的train/box_loss和val/box_loss。如果训练 loss 下降但验证 loss 震荡说明学习率偏大或数据增强过猛。YOLOv8 默认lr00.01小数据集建议降到0.001或0.005配合cos_lrTrue做余弦退火。yolo detect train \ data/data/tennis_yolo/data.yaml \ modelyolov8s.pt \ epochs100 \ imgsz960 \ batch8 \ lr00.005 \ cos_lrTrue \ mosaic0.5 \ close_mosaic20 \ device0 \ project/data/runs \ nametennis_tunedmosaic0.5表示 50% 概率做马赛克增强小数据集上这个值不要太高否则小目标容易被拼丢。close_mosaic20表示最后 20 个 epoch 关闭 mosaic让模型在真实分布上微调。imgsz960是为了照顾小目标但 batch 要降到 8 以下。如果显存还是不够可以用ampTrue开启混合精度YOLOv8 默认已经开启。4.3 训练过程监控与中断恢复训练过程中重点看三个指标metrics/mAP50、metrics/mAP50-95和val/box_loss。mAP50 在 30 个 epoch 后如果还在 0.3 以下大概率是数据问题而不是模型问题回去检查标签是否错位。如果训练中断用resume参数从最后一个 checkpoint 继续。yolo detect train resume model/data/runs/tennis_tuned/weights/last.ptresume会读取last.pt里保存的优化器状态和 epoch 数继续训练。注意如果中途改了data.yaml或图像尺寸resume 可能会报错因为模型输入尺寸和数据集缓存不匹配。这时候删掉runs/tennis_tuned下的*.cache文件再试。5. 网球场景专属避坑标注、增强与推理的 5 个翻车点5.1 球体标注框过小导致漏检现象训练 loss 正常下降但推理时几乎检测不到网球mAP50 只有 0.1 左右。原因网球在 1920×1080 原图里可能只有 20×20 像素resize 到 640 后只剩 6×6 像素YOLO 的 P3 特征图 stride 是 86 像素的目标在特征图上不到 1 个格子网络根本学不到。解决把imgsz提到 1280或者用切片推理SAHI把大图切成小图分别检测。如果显存不够至少保证imgsz960同时把mosaic降到 0.3 以下。5.2 运动员重叠导致 NMS 误删现象多人重叠时YOLO 只输出一个框或者框的位置在两个运动员之间。原因默认 NMS 的iou_thres0.7两个运动员框的 IoU 如果超过 0.7会被当成同一个目标删掉。解决推理时把iou_thres调到 0.5 或 0.4让重叠框保留更多。训练时可以在data.yaml里加overlap_maskFalse但更直接的办法是增加重叠样本的标注让模型学会区分。5.3 空标签文件被当成负样本现象验证集 mAP 虚高但实际推理时背景图也会输出一堆框。原因空标签文件在 YOLO 里代表「这张图没有目标」但如果空文件比例过高模型会学到「大部分图没有目标」的先验导致置信度阈值失效。解决统计空文件比例如果超过 15%要么补充标注要么在训练时用single_clsTrue合并类别减少分类分支的干扰。5.4 数据增强把球裁没了现象训练 loss 很低但验证 loss 很高推理时球的位置偏移严重。原因mosaic和random_crop增强在小目标场景下容易把球裁掉模型学到的「球」特征不完整。解决用close_mosaic提前关闭马赛克或者改用copy_paste增强把球复制到不同背景上增加小目标的样本量。YOLOv8 支持copy_paste0.3但需要分割标签纯检测任务用mixup替代。5.5 类别不平衡导致「网」被忽略现象ball和player的 AP 正常但net的 AP 接近 0。原因网在图像中通常只出现一次实例数远少于球和运动员分类损失被多数类主导。解决在data.yaml里给net类别加权或者用focal_loss替代默认的 BCE。YOLOv8 没有直接暴露cls_pw参数但可以通过自定义loss.py修改更简单的办法是过采样包含net的图像。6. 从 1956 张到可用模型小样本下的验证与迭代技巧1956 张图像训练出来的模型不要指望一次就达到生产级 mAP。更现实的路径是先用 baseline 跑出一个能用的版本再通过「难例挖掘 增量标注」逐步提升。具体做法是用训练好的模型在验证集和测试集上推理把置信度在 0.1~0.5 之间的预测框导出来人工复核哪些是漏检、哪些是误检然后把漏检的目标补标进训练集把误检的背景图加入负样本。一轮迭代通常能带来 5~10 个点的 mAP 提升。验证时不要只看 mAP50网球场景更关心「球是否连续检测到」。可以写一个简单的跟踪脚本统计连续帧中球的检测中断次数。from ultralytics import YOLO import cv2 model YOLO(/data/runs/tennis_tuned/weights/best.pt) cap cv2.VideoCapture(/data/tennis_match.mp4) ball_cls 0 miss_count 0 frame_count 0 while cap.isOpened(): ret, frame cap.read() if not ret: break frame_count 1 results model(frame, imgsz960, conf0.25, iou0.5, verboseFalse) boxes results[0].boxes ball_found any(int(b.cls) ball_cls for b in boxes) if not ball_found: miss_count 1 print(f总帧数: {frame_count}, 球漏检帧数: {miss_count}, 漏检率: {miss_count/frame_count:.2%})这段代码逐帧推理统计球类别连续漏检的比例。如果漏检率超过 20%说明模型对高速运动的球捕捉不够需要增加运动模糊增强或者把imgsz再提高一档。如果漏检率低于 5%但误检率高就调高conf阈值到 0.4 以上。另一个实用技巧是「模型融合」用 YOLOv8n 和 YOLOv8s 分别训练推理时把两个模型的框做加权 NMS。小模型负责召回大模型负责精度在网球这种小目标场景下往往比单模型更稳。我自己的习惯是每次调整数据后固定跑三次不同随机种子的训练取验证集 mAP 中位数作为基准避免被单次波动的「玄学」结果误导。希望帮到你。本文还有配套的精品资源点击获取