从零搞定 YOLO 关键点标注构建关键点检测数据集的完整避坑指南【免费下载链接】ultralyticsUltralytics YOLO26, YOLO11, YOLOv8 — object detection, instance segmentation, semantic segmentation, image classification, pose estimation, object tracking项目地址: https://gitcode.com/GitHub_Trending/ul/ultralytics你用 Ultralytics YOLO 训练姿态或手部关键点模型时是不是卡在了数据标注这一步本文带你完成 YOLO 关键点标注的完整流程先想清楚 3 件事、选对标注工具、1 分钟看懂 YOLO 关键点格式再安全地把 COCO 转 YOLO。 第一步标注前必须敲定的 3 件事1. 先定关键点 schema锁死点的顺序schema 就是你给每一类目标画一张点的位置清单有几个点、按什么顺序、叫什么名字。以人体姿态为例COCO 用 17 个点鼻尖、左右眼、左右耳、左右肩、左右肘、左右腕、左右髋、左右膝、左右踝顺序一旦定下就不要再改——模型读取的是第几个点而不是点叫什么数据集配置里要写明kpt_shape: [17, 3]17 个点、每点 3 维x、y、可见性官方 COCO 配置可以直接参考 ultralytics/cfg/datasets/coco-pose.yaml如果你打算做水平翻转增强还要给出flip_idx把左右对称的点两两对应否则翻转后左眼会跑到右眼的位置2. 可见性是三态不是画了/没画很多新手只标两种状态漏掉了中间态。正确做法是给每个点打可见性打卡这个点你到底看没看到点看得清清楚楚 → 标可见点被遮挡手挡住手腕、身体挡住髋部但位置能合理推断 → 标不可见但已标注点根本不存在或你无法判断如目标出框→ 标未标注三种状态混用会污染训练信号所以开工前和标注同学把规则对齐成一份文档。3. 坐标全是归一化的YOLO 关键点格式里不出现像素值所有坐标都除以图像宽度/高度落在 0~1 之间框用的是中心点cx cy加宽高w h不是左上角。心里有这根弦后面转换数据时才不会把坐标放错位置。 第二步标注工具怎么选先看对比表再对号入座工具界面协作能力原生导出 YOLO 格式适用规模Label Studio浏览器可视化多人分派、验收、任务拆分否需转换团队标注、长期项目CVAT浏览器、功能全多人协作 视频帧间追踪否需转换大团队、视频序列数据RectLabel原生应用Mac无是个人或小规模Labelme本地图形界面无否小规模、轻量需求X-AnyLabeling本地 SAM 自动辅助无否先自动预标再人工修想用自动标注提速一句话决策个人小规模选 RectLabel 或 Labelme团队协作选 Label Studio视频帧标注选 CVAT图多且想省事就试试 X-AnyLabeling用 SAM 先出预标人工只做修正。⚡ 第三步1 分钟看懂 YOLO 关键点格式一行标注 框的 4 个数 每个关键点 3 个数依次排开0 0.52 0.46 0.30 0.13 0.21 2 0.18 0.22 1 ...拆解这行0是类别person0.52 0.46 0.30是框的中心点 cx/cy 和宽高均已归一化后面每个关键点依次是x y v顺序和第一步定的 schema 严格一致。最后的v可见性标记就是可见性打卡0未标注——这个点我不确定它在哪1已标注但不可见——它在只是被挡住了2可见——我看得清清楚楚模型会根据 v 值区分对待这三类点所以 v 标错等价于教模型学错。️ 第四步避坑清单——COCO 转 YOLO 与质检框坐标换算法COCO 存左上角 宽高像素YOLO 存中心点 归一化。转换就是cx (x1 x2) / 2 / 图像宽漏除宽度/高度是最常见的事故可见性映射要对齐COCO 的可见性也是 0/1/2未标注/被遮挡/可见语义相近但字段位置完全不同直接拷贝坐标串必错要逐字段重写遮挡别硬猜位置能推断的被遮挡点标1完全出框、无法判断的标0不要凭经验乱填坐标姿态样本要平衡俯仰、侧身、遮挡比例都要有覆盖全是正面站立样本的模型换个角度就崩交付前抽检随机抽一批图把点和框画回原图肉眼比对——坐标漂移、v 值标反可视化一眼就能揪出来✅ 收尾3 个行动点先敲定 schema 与可见性规则再选工具按规则标注最后按避坑清单做转换和抽检数据集才算交付。姿态任务的训练、验证细节见官方文档 docs/en/tasks/pose.md各关键点数据集的配置模板都放在 ultralytics/cfg/datasets/ 目录下。【免费下载链接】ultralyticsUltralytics YOLO26, YOLO11, YOLOv8 — object detection, instance segmentation, semantic segmentation, image classification, pose estimation, object tracking项目地址: https://gitcode.com/GitHub_Trending/ul/ultralytics创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 从零搞定 YOLO 关键点标注：构建关键点检测数据集的完整避坑指南
从零搞定 YOLO 关键点标注构建关键点检测数据集的完整避坑指南【免费下载链接】ultralyticsUltralytics YOLO26, YOLO11, YOLOv8 — object detection, instance segmentation, semantic segmentation, image classification, pose estimation, object tracking项目地址: https://gitcode.com/GitHub_Trending/ul/ultralytics你用 Ultralytics YOLO 训练姿态或手部关键点模型时是不是卡在了数据标注这一步本文带你完成 YOLO 关键点标注的完整流程先想清楚 3 件事、选对标注工具、1 分钟看懂 YOLO 关键点格式再安全地把 COCO 转 YOLO。 第一步标注前必须敲定的 3 件事1. 先定关键点 schema锁死点的顺序schema 就是你给每一类目标画一张点的位置清单有几个点、按什么顺序、叫什么名字。以人体姿态为例COCO 用 17 个点鼻尖、左右眼、左右耳、左右肩、左右肘、左右腕、左右髋、左右膝、左右踝顺序一旦定下就不要再改——模型读取的是第几个点而不是点叫什么数据集配置里要写明kpt_shape: [17, 3]17 个点、每点 3 维x、y、可见性官方 COCO 配置可以直接参考 ultralytics/cfg/datasets/coco-pose.yaml如果你打算做水平翻转增强还要给出flip_idx把左右对称的点两两对应否则翻转后左眼会跑到右眼的位置2. 可见性是三态不是画了/没画很多新手只标两种状态漏掉了中间态。正确做法是给每个点打可见性打卡这个点你到底看没看到点看得清清楚楚 → 标可见点被遮挡手挡住手腕、身体挡住髋部但位置能合理推断 → 标不可见但已标注点根本不存在或你无法判断如目标出框→ 标未标注三种状态混用会污染训练信号所以开工前和标注同学把规则对齐成一份文档。3. 坐标全是归一化的YOLO 关键点格式里不出现像素值所有坐标都除以图像宽度/高度落在 0~1 之间框用的是中心点cx cy加宽高w h不是左上角。心里有这根弦后面转换数据时才不会把坐标放错位置。 第二步标注工具怎么选先看对比表再对号入座工具界面协作能力原生导出 YOLO 格式适用规模Label Studio浏览器可视化多人分派、验收、任务拆分否需转换团队标注、长期项目CVAT浏览器、功能全多人协作 视频帧间追踪否需转换大团队、视频序列数据RectLabel原生应用Mac无是个人或小规模Labelme本地图形界面无否小规模、轻量需求X-AnyLabeling本地 SAM 自动辅助无否先自动预标再人工修想用自动标注提速一句话决策个人小规模选 RectLabel 或 Labelme团队协作选 Label Studio视频帧标注选 CVAT图多且想省事就试试 X-AnyLabeling用 SAM 先出预标人工只做修正。⚡ 第三步1 分钟看懂 YOLO 关键点格式一行标注 框的 4 个数 每个关键点 3 个数依次排开0 0.52 0.46 0.30 0.13 0.21 2 0.18 0.22 1 ...拆解这行0是类别person0.52 0.46 0.30是框的中心点 cx/cy 和宽高均已归一化后面每个关键点依次是x y v顺序和第一步定的 schema 严格一致。最后的v可见性标记就是可见性打卡0未标注——这个点我不确定它在哪1已标注但不可见——它在只是被挡住了2可见——我看得清清楚楚模型会根据 v 值区分对待这三类点所以 v 标错等价于教模型学错。️ 第四步避坑清单——COCO 转 YOLO 与质检框坐标换算法COCO 存左上角 宽高像素YOLO 存中心点 归一化。转换就是cx (x1 x2) / 2 / 图像宽漏除宽度/高度是最常见的事故可见性映射要对齐COCO 的可见性也是 0/1/2未标注/被遮挡/可见语义相近但字段位置完全不同直接拷贝坐标串必错要逐字段重写遮挡别硬猜位置能推断的被遮挡点标1完全出框、无法判断的标0不要凭经验乱填坐标姿态样本要平衡俯仰、侧身、遮挡比例都要有覆盖全是正面站立样本的模型换个角度就崩交付前抽检随机抽一批图把点和框画回原图肉眼比对——坐标漂移、v 值标反可视化一眼就能揪出来✅ 收尾3 个行动点先敲定 schema 与可见性规则再选工具按规则标注最后按避坑清单做转换和抽检数据集才算交付。姿态任务的训练、验证细节见官方文档 docs/en/tasks/pose.md各关键点数据集的配置模板都放在 ultralytics/cfg/datasets/ 目录下。【免费下载链接】ultralyticsUltralytics YOLO26, YOLO11, YOLOv8 — object detection, instance segmentation, semantic segmentation, image classification, pose estimation, object tracking项目地址: https://gitcode.com/GitHub_Trending/ul/ultralytics创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考