YOLOv11成人和小孩检测数据集：1738张图片与70.9%识别率实战

简介这份成人与小孩识别数据集面向计算机视觉初学者及目标检测开发者用于训练和验证YOLO系列模型在人物类别区分上的效果。资源包含1738张原始图片均已完成yolov11格式标注可直接投入训练流程省去自行标注的时间成本。压缩包共约2000个文件以1738个txt标注文件、261张jpg图像和1个yaml配置文件为主其中txt对应每张图片的边界框与类别信息yaml用于定义数据集路径与类别名称整体包大小约91.35MB结构清晰便于快速接入。目前已有112人学习下载适合作为小规模人物检测实验的起点。读者可借助该数据集完成成人、小孩两类目标的模型训练与验证参考70.9%的识别率评估基线表现并在此基础上调整网络结构、数据增强或超参数以提升精度也可用于课堂演示、课程设计或算法对比实验。1. 成人和小孩数据集1738 张原始图片与 70.9% 识别率的真实边界如果你正在做家庭场景、商场客流、儿童看护或者公共区域的人群分析大概率绕不开一个基础问题怎么把画面里的人分成“成人”和“小孩”两类。这份成人和小孩数据集给了一个很直接的起点——1738 张原始图片全部按 yolov11 格式标注官方给出的识别率是 70.9%。注意这个 70.9% 不是随便说说的营销数字它意味着你在拿到这份数据之后如果直接套用标准 yolov11n 或 yolov11s 训练验证集上的 mAP 大概就在这个区间浮动。它适合谁适合想快速验证“成人/小孩”二分类检测可行性的人适合需要一份已经切好、标好、能直接丢进 ultralytics 训练脚本的从业者也适合拿它当基线再决定要不要自己补数据的团队。但如果你指望它直接上生产、覆盖所有年龄段的细粒度识别那 70.9% 这个数字本身就是第一个需要正视的边界。2. 拆开这份 yolov11 数据集目录结构、标注格式与类别定义2.1 从文件名看数据来源与预处理痕迹项目正文里列出的文件名很有代表性比如000000000368_jpg.rf.a354cea163edd946205e4d13985aba16.jpg、person_406_bmp.rf.fe806abab8d8cc3c7a8d81b60be6bc73.jpg。带.rf.中间缀的文件名常见于 Roboflow 导出流程说明这批图大概率经历过在线标注、增强或格式转换。person_406_bmp这种命名暗示原始图可能来自某个行人数据集19254_jpg、16715_jpg则像视频抽帧或图片库编号。对训练来说文件名本身不影响结果但它透露了两个信息一是图片尺寸和长宽比可能不统一二是部分图可能已经过缩放或压缩。我一般会先跑一遍统计确认没有 0 字节文件、没有损坏图再开始转格式。# 统计图片数量与尺寸分布提前发现异常图 python - PY from pathlib import Path from PIL import Image import collections root Path(images) sizes collections.Counter() bad [] for p in root.rglob(*.jpg): try: with Image.open(p) as im: sizes[im.size] 1 except Exception as e: bad.append((str(p), str(e))) print(总图片数:, sum(sizes.values())) print(常见尺寸:, sizes.most_common(5)) print(损坏图:, bad[:10]) PY这段脚本做三件事遍历images下所有 jpg用 PIL 打开确认可读统计尺寸分布并记录打不开的文件。参数上root换成你解压后的图片目录即可sizes.most_common(5)帮你看清主流分辨率如果 640×480 和 1920×1080 混在一起后面训练时 letterbox 会统一处理但小图放大后细节损失会拉低小孩这一类的小目标召回。2.2 yolov11 标注格式与类别映射yolov11 沿用 YOLO 系列的 txt 标注每张图对应一个同名 txt每行class_id x_center y_center width height坐标全部归一化到 0~1。这份数据只有两个类常见映射是0: adult、1: child但你必须自己确认因为有些导出会把顺序反过来。确认方法很简单随便找一张同时有成人和小孩的图用标注可视化脚本画框看颜色和类别是否对得上。# 可视化一张图的标注确认类别顺序 from pathlib import Path import cv2 img_path Path(images/000000000368_jpg.rf.a354cea163edd946205e4d13985aba16.jpg) label_path Path(labels/000000000368_jpg.rf.a354cea163edd946205e4d13985aba16.txt) names {0: adult, 1: child} # 先按假设写不对再换 img cv2.imread(str(img_path)) h, w img.shape[:2] for line in label_path.read_text().strip().splitlines(): c, x, y, bw, bh line.split() c int(c) x, y, bw, bh float(x)*w, float(y)*h, float(bw)*w, float(bh)*h x1, y1 int(x-bw/2), int(y-bh/2) x2, y2 int(xbw/2), int(ybh/2) cv2.rectangle(img, (x1, y1), (x2, y2), (0,255,0), 2) cv2.putText(img, names[c], (x1, max(0,y1-5)), cv2.FONT_HERSHEY_SIMPLEX, 0.6, (0,255,0), 2) cv2.imwrite(check.jpg, img) print(已保存 check.jpg打开确认框和类别)逻辑说明读图后按归一化坐标还原像素框names字典控制显示文字。如果发现“小孩”被标成 adult就把names和后续data.yaml里的names顺序一起改。参数上cv2.rectangle的线宽和字号按图大小调大图可以加到 3 和 0.8。这一步花两分钟能避免训练完才发现类别反了的血泪经验。2.3 data.yaml 的写法与路径陷阱ultralytics 训练依赖一个 yaml 描述文件常见写法如下path: /home/user/adult_child_dataset train: images/train val: images/val test: images/test names: 0: adult 1: child注意path用绝对路径最稳train/val写相对path的子目录。很多人翻车在labels目录没跟images平行ultralytics 默认把images替换成labels去找 txt所以目录结构最好是adult_child_dataset/ ├── images/ │ ├── train/ │ ├── val/ │ └── test/ └── labels/ ├── train/ ├── val/ └── test/如果原始压缩包没有划分 train/val你需要自己按 8:1:1 或 7:2:1 切分。切分时注意同一段视频抽出的帧不要同时进 train 和 val否则验证集精度会虚高这是目标检测里最常见的泄漏坑。3. 用 yolov11 训练成人小孩检测环境、命令与参数调优3.1 环境配置与最小可跑命令ultralytics 现在把 yolov11 集成在同一个包里安装命令很直接pip install ultralytics yolo checksyolo checks会打印 Python、torch、CUDA 版本。如果你有 NVIDIA 显卡确认 torch 带 cu 后缀没有显卡就用 CPU但 1738 张图训练会慢很多。最小训练命令yolo detect train \ data/home/user/adult_child_dataset/data.yaml \ modelyolo11n.pt \ epochs100 \ imgsz640 \ batch16 \ projectruns/adult_child \ namebaseline参数说明modelyolo11n.pt是最轻量版本适合先跑通imgsz640是默认输入尺寸如果原图里小孩占画面比例很小可以提到 960 或 1280但显存占用会明显上升batch16在 8G 显存上比较稳爆显存就降到 8 或 4epochs100对 1738 张图通常够收敛配合patience20早停更省时间。训练日志里重点看mAP50和mAP50-95官方说的 70.9% 大概率对应mAP50量级别拿mAP50-95去对否则会觉得被坑了。3.2 提升小孩召回小目标与类别不平衡的处理成人和小孩在画面里的尺度差异很大小孩往往更小、更远、更容易被遮挡。1738 张图里如果小孩样本偏少模型会偏向成人。常见做法有三条一是提高输入分辨率让小孩占更多像素二是用copy_paste或mosaic增强但 mosaic 对小目标有时反而添乱三是在损失里给小孩类更高权重不过 ultralytics 默认不直接暴露类别权重需要改cls损失或过采样。# 提高分辨率 关闭部分增强的二次训练 yolo detect train \ data/home/user/adult_child_dataset/data.yaml \ modelruns/adult_child/baseline/weights/best.pt \ epochs80 \ imgsz960 \ batch8 \ mosaic0.5 \ scale0.3 \ projectruns/adult_child \ namefinetune_960这里从best.pt继续训imgsz960提升小目标细节mosaic0.5降低拼接强度scale0.3控制随机缩放幅度。跑完对比两次的val结果重点看小孩类的recall。如果 recall 还是低就回到数据本身检查标注有没有漏标远处小孩漏标比模型问题更致命。3.3 推理与保存结果确认 70.9% 在你自己场景下的表现训练完用yolo detect predict跑一批图保存带框结果yolo detect predict \ modelruns/adult_child/finetune_960/weights/best.pt \ source/home/user/test_images \ conf0.25 \ iou0.5 \ saveTrue \ save_txtTrue \ projectruns/adult_child \ namepred_testconf0.25是置信度阈值调低会多出框但误报增加调高会漏检iou0.5控制 NMS 合并程度人群密集时可以试 0.6。save_txtTrue会输出 yolov11 格式的预测 txt方便你写脚本和真值对比算自己场景下的实际识别率。官方 70.9% 是在它的验证集上你的摄像头角度、光照、分辨率一变数字就会动这一步是必须自己复现的。4. 避坑与排查这份数据集最容易翻车的五个地方4.1 现象训练 loss 正常但 mAP 一直上不去原因data.yaml里names顺序和标注 txt 里的class_id对不上模型学的是反的。解决用 2.2 的可视化脚本抽查 10 张图确认框和类别文字一致再检查 yaml。4.2 现象验证集精度很高实际测试一塌糊涂原因train/val 划分时同一段视频的帧被分到两边造成数据泄漏。解决按视频或按原始图片编号分组切分同一来源只进一个集合。4.3 现象小孩漏检严重成人框一堆原因小孩样本少且小模型偏向多数类。解决先统计两类框数量差距超过 3:1 就过采样小孩图或提高imgsz再不行就补标小孩数据。4.4 现象训练报错No labels found原因labels目录没有和images平行或 txt 文件名和图片名不完全一致包括大小写、后缀。解决用脚本批量核对文件名确保每张 jpg 都有同名 txt。4.5 现象显存爆了batch 降到 1 还报 OOM原因imgsz设太大或workers太多导致内存泄漏。解决先把imgsz降到 640workers2确认能跑再逐步加也可以用yolo11n而不是s或m。5. 把 70.9% 变成可用的基线验证脚本与持续补数据习惯拿到任何一份标注数据集我都不会直接信它的识别率而是先写一个最小验证脚本用自己的测试图跑一遍把预测结果和人工标注对比算出成人、小孩各自的 precision 和 recall。下面这个脚本读取save_txtTrue的输出和真值目录做简单匹配帮你快速看清哪一类拖后腿。# 简化版统计预测框与真值框的类别匹配情况 from pathlib import Path pred_dir Path(runs/adult_child/pred_test/labels) gt_dir Path(labels/test) names {0: adult, 1: child} stats {0: {tp:0, fp:0, fn:0}, 1: {tp:0, fp:0, fn:0}} def load_boxes(p): boxes [] if p.exists(): for line in p.read_text().strip().splitlines(): c, x, y, w, h line.split() boxes.append((int(c), float(x), float(y), float(w), float(h))) return boxes for pred_file in pred_dir.glob(*.txt): gt_file gt_dir / pred_file.name preds load_boxes(pred_file) gts load_boxes(gt_file) # 这里只按类别数量粗匹配精确匹配需算 IoU for c in [0, 1]: pc sum(1 for b in preds if b[0] c) gc sum(1 for b in gts if b[0] c) stats[c][tp] min(pc, gc) stats[c][fp] max(0, pc - gc) stats[c][fn] max(0, gc - pc) for c, s in stats.items(): precision s[tp] / max(1, s[tp] s[fp]) recall s[tp] / max(1, s[tp] s[fn]) print(f{names[c]}: precision{precision:.3f}, recall{recall:.3f})这段代码故意用数量粗匹配目的是快速定位类别偏差不是替代标准 mAP 计算。如果你要严格评估还是用 ultralytics 的val模式它会输出每类的 AP。参数上pred_dir和gt_dir换成你自己的路径names和训练时保持一致。跑完这个脚本你大概率会发现小孩的 recall 明显低于成人这就是 70.9% 背后的真实结构。我的习惯是每补一批新场景的图先标 50 张跑一次这个脚本看小孩 recall 有没有提升再决定要不要继续标。数据集不是下载完就结束而是一个持续迭代的起点。从那以后我每次拿到新数据集都强制先跑一遍类别分布和可视化抽查再开始训练省下的返工时间远比这几分钟多。希望帮到你。本文还有配套的精品资源点击获取