COCO与YOLO数据标注格式详解及转换实战-AI智能范式网

COCO与YOLO数据标注格式详解及转换实战

戴小青·2026-08-25·阅读 26 GEO检测（免费）

COCO格式YOLO格式数据标注

|难度：普通|阅读约 14 分钟

1. COCO与YOLO格式规范深度解析

在计算机视觉领域，数据标注格式的标准化对模型训练至关重要。COCO（Common Objects in Context）和YOLO（You Only Look Once）作为两种主流标注格式，各有其设计哲学和应用场景。

1.1 COCO格式规范详解

COCO格式采用JSON文件存储所有标注信息，其数据结构包含三个核心字段：

json复制{
    "images": [
        {
            "id": 1,
            "file_name": "image1.jpg",
            "width": 640,
            "height": 480
        }
    ],
    "annotations": [
        {
            "id": 1,
            "image_id": 1,
            "category_id": 1,
            "bbox": [100, 120, 200, 150],
            "area": 30000,
            "iscrowd": 0
        }
    ],
    "categories": [
        {"id": 1, "name": "person"},
        {"id": 2, "name": "car"}
    ]
}

关键特性：

集中存储：所有图像的标注信息保存在单个JSON文件中
像素坐标系：边界框使用[x_min, y_min, width, height]的绝对像素值
灵活类别ID：category_id可以是任意数值，不要求连续
多任务支持：同一格式支持目标检测、实例分割和关键点检测

注意：COCO格式中iscrowd字段标记目标是否被遮挡或成组出现，值为1时表示该标注可能不精确

1.2 YOLO格式规范详解

YOLO格式采用分散式存储，每个图像对应一个.txt文件，内容示例：

code复制0 0.453125 0.491667 0.3125 0.3125
1 0.781250 0.408333 0.1875 0.316667

核心特征：

归一化坐标：使用[class x_center y_center width height]格式，所有值归一化到0-1
零基索引：类别ID必须从0开始连续编号
文件对应：每个图像文件必须有同名标注文件
多行支持：单个文件可包含多个目标标注

坐标转换公式：

code复制x_center = (x_min + width/2) / image_width
y_center = (y_min + height/2) / image_height
width = bbox_width / image_width
height = bbox_height / image_height

需要模型API调用？免费领10W Token，多模型网关一键接入 Claude、DeepSeek 等主流模型。

2. 格式转换技术实现

2.1 转换核心逻辑

使用Ultralytics官方转换工具时，主要处理以下数据转换：

坐标系统转换：将像素坐标转为归一化坐标
ID重新映射：处理不连续的category_id
文件结构重组：从单一JSON到分散的TXT文件

典型转换代码：

python复制from ultralytics.data.converter import convert_coco

convert_coco(
    labels_dir="coco/annotations/",
    save_dir="yolo_labels/",
    cls91to80=False,  # 自定义数据集必须设为False
    use_segments=True  # 是否转换分割标注
)

2.2 目录结构处理

转换前后目录结构对比：

COCO原始结构：

code复制dataset/
├── images/
│   ├── train/
│   └── val/
└── annotations/
    ├── instances_train.json
    └── instances_val.json

YOLO转换后结构：

code复制dataset/
├── images/
│   ├── train/
│   └── val/
├── labels/
│   ├── train/
│   └── val/
└── dataset.yaml

关键操作：

python复制import shutil
from pathlib import Path

# 移动标签文件到正确位置
for split in ["train", "val"]:
    src = Path(f"yolo_labels/labels/{split}")
    dst = Path(f"dataset/labels/{split}")
    dst.mkdir(parents=True, exist_ok=True)
    for file in src.glob("*.txt"):
        shutil.move(str(file), str(dst / file.name))

3. 数据生产全流程

3.1 标注工具选择

常用工具对比：

工具	COCO支持	YOLO支持	特点
LabelImg	❌	✔	轻量级，适合简单检测任务
Labelme	✔	❌	支持多边形标注
CVAT	✔	✔	企业级，支持视频标注
Roboflow	✔	✔	在线服务，带预处理功能

3.2 标注质量控制

关键检查点：

边界框完整性：确保完全包围目标
遮挡处理：正确标记iscrowd属性
类别一致性：相同目标使用相同category_id
尺寸阈值：过滤过小目标（通常<32x32像素）

使用pycocotools进行验证：

python复制from pycocotools.coco import COCO

coco = COCO("annotations/instances_train.json")
print(coco.getCatIds())  # 检查类别ID连续性

3.3 数据增强策略

YOLO训练推荐增强组合：

yaml复制# dataset.yaml
augment: 
  hsv_h: 0.015  # 色相增强
  hsv_s: 0.7    # 饱和度增强 
  hsv_v: 0.4    # 明度增强
  degrees: 10   # 旋转角度
  translate: 0.1  # 平移比例
  scale: 0.5    # 缩放幅度
  shear: 0.0    # 剪切幅度
  perspective: 0.0  # 透视变换
  flipud: 0.0   # 上下翻转概率
  fliplr: 0.5   # 左右翻转概率

4. 实战问题排查

4.1 常见错误解决方案

问题现象	可能原因	解决方案
训练时报"No labels found"	标签文件路径错误	检查dataset.yaml中的路径是否使用绝对路径
类别预测错误	cls91to80参数设置不当	自定义数据集必须设置cls91to80=False
标注文件为空	iscrowd=1或无效bbox	预处理JSON文件过滤无效标注
坐标值超出[0,1]	归一化计算错误	检查图像宽高是否读取正确

4.2 高级转换场景

分割标注转换：

python复制convert_coco(
    labels_dir="coco/annotations/",
    use_segments=True,
    segment_format="polygon"  # 可选'polygon'或'mask'
)

关键点标注转换：

python复制convert_coco(
    labels_dir="coco/annotations/",
    use_keypoints=True,
    keypoints_format="coco"  # 支持'coco'或'yolo'
)

5. 性能优化技巧

5.1 大规模数据处理

使用多进程加速转换：

python复制from multiprocessing import Pool

def process_annotation(json_file):
    convert_coco(labels_dir=json_file.parent, save_dir="converted/")

with Pool(4) as p:  # 4个进程并行
    p.map(process_annotation, Path("annotations").glob("*.json"))

5.2 存储优化

将小文件打包成TFRecord：

python复制import tensorflow as tf

def make_tfrecord(image_path, label_path):
    image = tf.io.read_file(image_path)
    label = tf.io.read_file(label_path)
    feature = {
        'image': tf.train.Feature(bytes_list=tf.train.BytesList(value=[image.numpy()])),
        'label': tf.train.Feature(bytes_list=tf.train.BytesList(value=[label.numpy()]))
    }
    return tf.train.Example(features=tf.train.Features(feature=feature))

writer = tf.io.TFRecordWriter("dataset.tfrecord")
for img_path in Path("images").glob("*.jpg"):
    label_path = Path("labels") / f"{img_path.stem}.txt"
    example = make_tfrecord(str(img_path), str(label_path))
    writer.write(example.SerializeToString())
writer.close()

在实际项目中，我们发现使用TFRecord格式可以将IO时间减少60%以上，特别适合大规模数据集训练。