以下是 COCO、VOC 和 YOLO 三种主流目标检测数据格式的详细对比与示例说明，帮助你快速理解它们的结构和适用场景：
1. PASCAL VOC (XML格式)
特点：
- 通用性强：支持检测、分割、动作识别等多任务。
- 元数据丰富：包含物体难度、截断状态等附加信息。
- 文件结构：
VOC2012/ ├── Annotations/ # 每个图片对应一个.xml文件 ├── JPEGImages/ # 原始图片 └── ImageSets/Main/ # 划分文件（train.txt, val.txt）
XML标注示例：
<annotation>
<filename>2007_000027.jpg</filename>
<size>
<width>500</width>
<height>375</height>
<depth>3</depth>
</size>
<object>
<name>person</name>
<bndbox>
<xmin>174</xmin>
<ymin>101</ymin>
<xmax>349</xmax>
<ymax>351</ymax>
</bndbox>
<difficult>0</difficult> <!-- 0表示易检测，1表示困难 -->
<truncated>1</truncated> <!-- 物体是否被截断 -->
</object>
</annotation>
适用场景：
- 需要细粒度分析（如困难样本统计）。
- 多任务学习（检测+分割）。
2. COCO (JSON格式)
特点：
- 统一归档：所有标注存储在单个JSON文件中。
- 支持密集任务：如实例分割（多边形标注）、关键点检测。
- 文件结构：
coco/ ├── train2017/ # 训练图片 ├── val2017/ # 验证图片 └── annotations/ # 标注文件 ├── instances_train2017.json └── instances_val2017.json
JSON标注示例：
{
"images": [
{
"id": 1,
"file_name": "0000001.jpg",
"width": 640,
"height": 480
}
],
"annotations": [
{
"id": 1,
"image_id": 1,
"category_id": 1, # 类别ID（对应categories中的id）
"bbox": [x, y, width, height], # 左上角坐标+宽高
"area": 50000,
"segmentation": [[x1,y1,x2,y2,...]], # 多边形坐标
"iscrowd": 0 # 0表示单个物体，1表示密集群组
}
],
"categories": [
{"id": 1, "name": "person"},
{"id": 2, "name": "car"}
]
}
适用场景：
- 复杂任务（如实例分割）。
- 需要高效管理大规模数据集。
3. YOLO (TXT格式)
特点：
- 轻量化：每个图片对应一个.txt文件，存储归一化坐标。
- 算法友好：直接适配YOLO系列模型。
- 文件结构：
yolov5_dataset/ ├── images/ │ ├── train/ # 图片 │ └── val/ ├── labels/ │ ├── train/ # 标签（.txt） │ └── val/ └── dataset.yaml # 配置文件
TXT标注示例：
# 000001.txt
0 0.53 0.65 0.12 0.24 # 类别ID 中心x 中心y 宽度 高度（均归一化到[0,1]）
1 0.31 0.42 0.15 0.10
- 归一化计算：
( x_{\text{center}} = \frac{x_{\text{min}} + x_{\text{max}}}{2 \times \text{image_width}} )
( width = \frac{x_{\text{max}} - x_{\text{min}}}{\text{image_width}} )
适用场景：
- YOLO系列模型训练。
- 需要快速读取的小型项目。
三者的核心区别
| 特性 | VOC (XML) | COCO (JSON) | YOLO (TXT) |
|---|---|---|---|
| 标注存储方式 | 单文件单图片 | 单文件全数据集 | 单文件单图片 |
| 坐标格式 | 绝对像素值 (xmin,ymin...) | 绝对像素值 + 宽高 | 归一化中心坐标 + 宽高 |
| 附加信息 | 困难样本、截断标记 | 分割多边形、密集标记 | 仅基础检测信息 |
| 适用算法 | Faster R-CNN, SSD | Mask R-CNN, Detectron2 | YOLOv3/v5/v8 |
| 文件体积 | 中等（多个XML） | 较大（单个JSON） | 最小（多个TXT） |
格式转换工具推荐
- VOC → YOLO：
python yolov5/scripts/voc2yolo.py --voc_dir VOC2012 --output_dir VOC2012_YOLO - COCO → YOLO：
python yolov5/scripts/coco2yolo.py --json annotations/instances_train2017.json --dir train2017 - 可视化验证：
from PIL import Image, ImageDraw # 以YOLO格式为例绘制标注框 img = Image.open("image.jpg") draw = ImageDraw.Draw(img) with open("label.txt") as f: for line in f: cls_id, x, y, w, h = map(float, line.split()) # 转换为像素坐标 x1 = (x - w/2) * img.width y1 = (y - h/2) * img.height x2 = (x + w/2) * img.width y2 = (y + h/2) * img.height draw.rectangle([x1, y1, x2, y2], outline="red") img.show()
