简介：YOLO安全帽手套检测数据集面向目标检测算法学习者与工程落地人员，尤其适合需要训练自定义安全帽、手套检测模型的开发者。图片采集自真实工地场景，质量高且场景丰富，可用于安全巡检、智能监控、生产合规管理等方向。数据集采用LabelImg标注，标注框质量高，同时提供VOC、COCO、YOLO三种格式标签，分别存放在不同文件夹，可直接接入YOLO系列框架进行训练。整个压缩包约50.13MB，共2000个文件，其中包含1000个XML标注文件（VOC格式）、991个TXT标签文件（YOLO格式），并配有Python脚本用于训练集/验证集/测试集划分，YAML配置文件用于参数设定，还有HTML格式的图文训练教程。已有544人学习浏览，配套教程从环境搭建、数据集修改到训练启动均有细致说明，帮助新手绕过常见坑点，快速获得可用的检测模型。

1. YOLO安全帽手套检测数据集：从这三处开始检查

在工地的安全巡检项目里，安全帽和手套检测是最常见的落地场景，但把 YOLO 安全帽手套检测数据集真正用起来，第一步不是训练，而是检查三件事：标签文件夹里是否有和图片同名的文件，类别顺序是否和需求一致，VOC 的 xml、COCO 的 json、YOLO 的 txt 三种格式到底用哪一种。这套资料把这三件事都处理好了，1000 张真实场景图片不是合成图，对原型验证完全够用。

刚搭好 YOLO 环境、想拿干净数据把流程跑通的人，或者做安全帽检测项目、需要一套能直接训练的数据集的人，都比较适合。但直接开 train 会踩路径和类别顺序的坑，下面把每个环节拆开讲，脚本怎么用、参数怎么改、卡住看哪里，一步步来。

2. VOC、COCO、YOLO三种标签格式：结构差异与转换逻辑

资料包里三种标签是分开存放的，训练时不要混着用，也不建议把三种格式塞进同一个目录让 YOLO 自己猜。先搞清三种格式各自的结构，后面改脚本才不会翻车。

2.1 VOC的xml和COCO的json：两种主流目标检测标注结构

VOC 格式来自 PASCAL VOC 项目，每张图片对应一个 xml 文件。以安全帽为例，xml 里最核心的是 object 节点：

<annotation> <folder>safety_hat</folder> <filename>000001.jpg</filename> <size> <width>1920</width> <height>1080</height> <depth>3</depth> </size> <object> <name>safety_hat</name> <bndbox> <xmin>320</xmin> <ymin>180</ymin> <xmax>580</xmax> <ymax>330</ymax> </bndbox> </object> </annotation>

bndbox 里存的是像素坐标，左上角和右下角两个点。xml 的好处是每张图片独立，审核时打开单个文件就能看到标注内容，坏处是几百张图片要读几百个文件，批量处理时稍微慢一点。

COCO 格式整个数据集只有一个 json 文件，用 images、annotations、categories 三个数组组织数据。images 数组存每张图片的 id、宽高、文件名，categories 数组存类别列表，annotations 数组里的每个对象用 image_id 关联到具体图片，bbox 字段是 [x, y, w, h]。注意这里也是像素坐标，但表示的语义是左上角起点加宽和高，和 VOC 的 xmin、ymin、xmax、ymax 不一样。COCO 还有一个 segmentation 字段，检测任务里通常是空的多边形或直接省略，后来要做实例分割时才会用到。

2.2 YOLO的txt归一化坐标：class_id和坐标换算

YOLO 格式最简单，一个 txt 文件里每行一个目标，五个值：class_id、xc、yc、w、h，全部归一化到 0 到 1 之间。归一化是指除以图片的宽和高：

xc = (xmin + xmax) / 2 / width yc = (ymin + ymax) / 2 / height w = (xmax - xmin) / width h = (ymax - ymin) / height

反过来从 YOLO 转到 VOC 或 COCO，就是乘回去再算出 xmin、xmax。这里最容易翻车的地方是 class_id。用 lableimg 标注时，xml 里保存的是类别名字符串，导出 YOLO 格式时按类别在配置文件里的顺序转成数字。如果你后边重新排了类别，txt 里的数字没跟着变，模型就会把安全帽识别成手套。资料包里这个顺序和 data.yaml 是配套的，自己加类别时一定要留意顺序。

2.3 三种格式互转时的几个检查点

第一，坐标必须分清像素还是归一化。很多转换脚本出错就是因为默认了输入格式：VOC 转 YOLO 要先读图片宽高再除，YOLO 转 VOC 要记得乘回去。第二，class_id 从 0 开始还是从 1 开始。YOLO 严格从 0 开始，COCO 的 category_id 习惯从 1 开始，转换时要做偏移。第三，注意同名的图片后缀，图片是 000001.jpg 还是 000001.png，label 文件按 stem 匹配，后缀不一致脚本会漏匹配。

三种格式的核心字段可以这样对应：

为什么要三种格式都保留？如果你只在 Ultralytics YOLO 上训练，txt 就够了；想用 mmdetection 或 Detectron2 练，COCO json 更顺手；想做数据审核、画框看看有没有漏标，VOC 的 xml 可视化最直观。资料包把三种都给全，省去自己装的转换脚本，前提是你得知道自己当前在用的是哪一种。转换脚本遇到 xml 里带旋转角度的情况，直接算中心点会把旋转框转没了，这个坑我遇到过一次，当时安全帽数据集里歪着戴的帽子全被算成了大框，后来加了角度判断才修掉。

3. 三个划分脚本怎么选：从按比例划分到生成ImageSets文件

资料包里给了三个 Python 脚本，名字接近，容易搞混，先说清楚各自分工。

3.1 先看懂三个脚本的分工

第一个「训练集、验证集、测试集划分脚本（图片标签划分写入新文件夹）.py」负责把图片和标签按比例分到三组，同时复制到新目录，适合 YOLOv5 之后按目录结构读数据的版本。第二个是它的简化版，只分成训练集和验证集，适合不想单留测试集的快速原型。第三个是 split_train_val 生成 ImageSets 下 txt 文件划分脚本，不做文件复制，而是在已有目录基础上生成 train.txt、val.txt、trainval.txt 这类清单文件，来自 darknet 时代的做法，配合老项目或者 mmdetection 的自定义数据加载时更常见。

如果你跑新版本 ultralytics，用前两个脚本按目录划分就够了。如果是从 GitHub 拉的老项目，第三个脚本的 txt 清单可能更合适。选脚本之前先确认自己训练的入口是「目录结构」还是「清单文件」，这个决定选错了，脚本跑了等于白跑。

3.2 实操：把1000张图片按8:1:1划分到train/val/test

第一个脚本的核心逻辑可以理解成下面这样：打乱图片列表，按下标切三段，图片和标签同步复制。

import random import shutil from pathlib import Path src_images = Path("images") src_labels = Path("labels") dst_root = Path("dataset") train_ratio, val_ratio, test_ratio = 0.8, 0.1, 0.1 all_images = list(src_images.glob("*.jpg")) + list(src_images.glob("*.png")) random.seed(2024) # 固定随机种子，保证每次划分结果一致 random.shuffle(all_images) n_train = int(len(all_images) * train_ratio) n_val = int(len(all_images) * val_ratio) for split_name, split_images in [ ("train", all_images[:n_train]), ("val", all_images[n_train:n_train + n_val]), ("test", all_images[n_train + n_val:]), ]: for img in split_images: label = src_labels / (img.stem + ".txt") dst_img_dir = dst_root / split_name / "images" dst_lab_dir = dst_root / split_name / "labels" # 图片和标签同步复制是关键，漏一个训练时会报 dataset not found shutil.copy(img, dst_img_dir / img.name) if label.exists(): shutil.copy(label, dst_lab_dir / label.name)

几个参数要注意：random.seed(2024) 固定随机种子，别人跑同一个脚本能得到同样结果，复现实验时不会因为划分不同导致指标差一截。train_ratio、val_ratio、test_ratio 加起来要等于 1，否则后边切片的边界对不上。如果只要训练集和验证集，把 test_ratio 改成 0、val_ratio 改成 0.2 就行，对应资料包里第二个脚本的写法。

还有个容易被忽略的地方：glob(".jpg") 和 glob(".png") 分开匹配，数据里有大小写混用的 .JPG 就会漏掉。我一般会在脚本里加一行，统一把后缀转成小写再匹配。复制用 shutil.copy，源目录没被改动，可以反复换比例重新划分。

注意：划分前先确认磁盘空间够不够，图片加标签复制过去约占多少，用 df -h 看一眼再跑，避免复制到一半磁盘写满。

3.3 train_list.txt和trainval_list.txt的格式与作用

资料包里有两个 txt 文件：train_list.txt 和 trainval_list.txt。它们对应的是传统划分方式：train_list 里放所有训练图片的路径，trainval_list 是训练加验证的总和。trainval 的作用是，当你希望用更多数据做最终轮训练时，直接引用这个清单，不用再合并两个文件夹。

这些 txt 的行格式一般是每行一张图片的路径，可以是绝对路径也可以是相对于数据集根的相对路径。建议用相对路径，因为项目换到别的机器上时，绝对路径会失效一大半。老版 darknet 训练时还需要一个独立的 obj.names 文件列出类别名，顺序要和 txt 里的 class_id 一致，这又回到了第 2 章说的类别顺序问题。

自己写生成脚本时注意两点：一是路径分隔符，Windows 是反斜杠，Linux 是斜杠，建议统一转成斜杠；二是 txt 里的图片顺序和训练顺序有相关性，如果原始文件按拍摄时间排，划分时要先打乱，否则模型会学到时间相关性。

划分完我习惯先验证一下：train、val、test 三个目录里图片数和 txt 数要一致。不一致通常是某个图片没有标签文件，这种图片放进训练集会让 YOLO 报错或产生空标签。最简单的方式是用 Python 统计两边的文件后缀数量差，数量对不上就回源目录排查。另外测试集单独留出来这一点，资料包做得比较规范——很多人只用 train 和 val，最后拿 val 当测试集，mAP 会虚高一截，部署时才发现精度对不上。

4. YOLO环境搭建与训练：GPU驱动到第一个模型跑通

资料包里附带了两份 YOLO 环境教程，一份是 GPU 显卡驱动版，一份是 Ubuntu 安装教程。环境搭建的坑不在操作步骤，而在版本匹配。

4.1 GPU驱动、CUDA、PyTorch的版本匹配关系

先明确三个层次：显卡驱动是系统级的，CUDA 是运行库，PyTorch 里编译的 CUDA 版本要和前两层兼容。nvidia-smi 能看到的是驱动支持的 CUDA 最高版本，nvcc -V 显示的是 CUDA Toolkit 版本。很多人在 conda 里装了 cudatoolkit，nvcc 显示的版本和 PyTorch 实际用的不一定同一个，这一点最容易把人绕晕。

一套比较常见的搭配：

装 PyTorch 用官方 cu121 索引，比 conda 默认源稳得多。装完验证方式是小段代码跑通：import torch 后 torch.cuda.is_available() 返回 True，再打印 torch.cuda.get_device_name(0) 确认识别到的显卡型号无误。这一步过了再往下走，不过就回头查驱动。

4.2 修改data.yaml和模型配置：类别数改错会直接崩

资料包里是两类目标：安全帽和手套。data.yaml 按自己的目录改成这样：

path: /home/workspace/safety_hat_dataset train: images/train val: images/val nc: 2 names: ['safety_hat', 'glove']

path 是数据集根目录，train 和 val 是相对这个根的路径，nc 必须是 2，names 的顺序要和 labels 里 txt 的 class_id 严格一致。模型配置文件也要同步改：如果用 yolov8s，模型 yaml 里有 nc 字段，改成 2。改漏一个就会报类别数不匹配，或者训练时直接崩。

资料包里的训练教程 html 写了怎么根据案例修改自己的数据集，核心就是换路径、换 names、换 nc。教程里的路径是作者的，全部替换成自己的路径，全局搜索作者写的目录名一次性替换，不要只改 data.yaml。其他参数像 batch 和 epochs 第一次先保持默认，能跑通比什么都重要。

4.3 训练启动命令与输出日志

数据和环境都验证通过后，启动训练：

# 用官方预训练权重做迁移学习，收敛更快 yolo train model=yolov8s.pt data=safety_hat.yaml epochs=200 batch=16 imgsz=640 device=0

epochs 先给 200，batch 按显存调整，imgsz=640 是速度和精度的平衡点。1000 张图对 YOLOv8s 来说 200 轮足够看到明显收敛。日志里主要看三个 loss：box_loss、cls_loss、dfl_loss，这三个对应 YOLO 的损失函数。前 30 轮 loss 下降快是正常的，后面变慢也是正常的，如果 loss 突然上涨或变成 nan，基本可以断定是学习率问题或数据里混进了脏标签。

训练结束后生成 runs/detect/train 目录，里面有 weights/best.pt 和 last.pt，还有混淆矩阵和 PR 曲线图。best.pt 是 val mAP 最高的权重，部署时用这个，last.pt 一般只用来续训。

5. 训练排查与避坑：图片路径、显存和标签错位的常见问题

训练 YOLO 时最容易翻车的点不在模型，而在数据准备和环境细节。下面几条是第一次跑数据集的人最常遇到的，按「现象 → 原因 → 解决」写。

5.1 Dataset not found：路径拼接与孤立文件

训练时报「Dataset not found」或「found no images in val」。原因基本都是 data.yaml 的 path 写了相对路径，启动命令的工作目录不在数据集根目录下。YOLO 解析时会把 path 和 train、val 拼接，拼接结果不存在就直接报错。很多时候不是图片真没了，是拼接后路径不对。

解决：把 data.yaml 里的 path 改成绝对路径。训练前手动跑一段 Python，确认 images 和 labels 两个目录都存在，并且两边没有多余的孤立文件。还有一个容易忽略的点——文件夹里混进隐藏文件（比如 Mac 的 .DS_Store），打开目录时不会报错，但会让 glob 统计数量不准。

5.2 CUDA out of memory：batch、imgsz和cache

训练没跑几步就报 CUDA out of memory。原因通常是 batch 和 imgsz 开太大。V100 32G 听起来很大，imgsz=1280 加 batch=32 照样 OOM。

解决：先按 batch=8、imgsz=640 跑通，再逐步加 batch，加到显存占用接近 90% 为止，用 nvidia-smi -l 1 实时监视。还有一个技巧：如果开了 cache=True，图片会缓存进显存，这时候 OOM 不一定是 batch 的锅，先把 cache 关掉试。

5.3 loss变成nan或BN崩溃：学习率与class_id越界

训练中 loss 变成 nan，或者 BN 层崩溃，输出全部归零。最常见原因是学习率过高，尤其是用预训练权重迁移时，全部层用同一个高学习率，BN 层的均值和方差会被搞崩。另一个原因是标签里 class_id 越界——txt 第一列的值大于等于 nc，模型算损失时索引越界，产生 nan。

解决：学习率从默认的 0.01 降到 0.001，还在 nan 就把 batch 调小。数据侧写一个校验脚本，遍历 labels 目录下所有 txt，检查第一列最大值是否小于 nc、每行是不是 5 个数值。损坏的数据文件直接删掉或重新标注，不要带脏标签硬训。我从那以后每次换数据集都强制先跑一遍标签校验脚本，这个习惯帮我避开了很多半夜 debug。

5.4 混淆矩阵行和列不等于100%：这是正常的

训练完看混淆矩阵，有人会逐行算百分比，发现行和列加起来不是 100%，怀疑代码有 bug。实际上混淆矩阵每一行代表一个真实类别，行内各列是该类被预测成各类的比例，所以行可以加到 100。但列的分母是预测为该类的总数量，和行的样本数不一致，列加起来不等于 100 是正常的。

这个现象在资料包训练教程生成的 runs 里也很常见，不用处理。真正要看的是对角线数值，对角线越亮说明分类越准。如果 mAP50 很高但 mAP50-95 偏低，说明框的定位不错但和标注框的重合度差一点，可以加大训练轮数，或者把 imgsz 提到 1280 再试。以上几类问题第一次跑数据集时出现频率最高，排查时按数据路径、标签内容、显存设置、输出指标这个顺序来，能省不少时间。

6. 进阶：预训练权重、数据增强与mAP验证的实战技巧

最后讲三个训练前就要做的选择。

用预训练权重而不是从零训练。yolo 预训练模型下载最方便的方式就是 YOLO 命令行本身，第一次指定 model=yolov8s.pt 时它会自动下载。迁移学习意味着把 COCO 上学到的通用特征搬过来，安全帽和手套这种小目标检测，用 yolov8s.pt 改 nc=2 继续训练，比随机权重初始化少跑上百轮，最终 mAP 也更高。资料包的 1000 张图定向微调完全够用，没必要从零开始。

数据增强参数在 ultralytics 里集中在 hyp 配置中。默认的 mosaic=True 对 1000 张小数据集特别重要，它把四张图拼成一张，等于变相扩充了样本量。hsv_h、hsv_s、hsv_v 控制颜色扰动，工地这种光照变化大的场景，可以把饱和度扰动从默认 0.7 加到 0.9，但对比度扰动别调太高，会让暗部的小目标彻底看不见。fliplr 水平翻转对安全帽这种左右对称的目标可以开，但如果目标上有文字标识或方向性特征要慎用。

训练结束后的验证不是看一眼 mAP 就完事。用 best.pt 跑一次 val：

yolo val model=runs/detect/train/weights/best.pt data=safety_hat.yaml

重点看 mAP50 和 mAP50-95 两个指标。前者反映粗召回，后者对框位置要求苛刻。安全帽在远距离下属于小目标，mAP50-95 比 mAP50 低 10 到 15 个点是正常的，用 imgsz=1280 重新 val 一次差距会缩小。再多一步，把 val 的批量预测图翻一遍，重点看漏检和重复框。

如果模型要放到板子或服务器上做推理部署，最后一步是导出 ONNX：

yolo export model=runs/detect/train/weights/best.pt format=onnx imgsz=640

导出后可以用 onnxruntime 验证输入输出维度，输入 1x3x640x640，输出三个检测头的张量。默认导出的 onnx 带动态 shape，部署引擎只接受静态 shape 时，加 dynamic=False 参数重新导出。

这套资源的脚本和教程都是现成的，按上面的顺序走完就能跑出自己的权重。我的习惯是先校验标签，再 train，再 val，三步走完才敢把模型交给别人用。希望帮到你。

本文还有配套的精品资源，点击获取