学生课堂行为检测数据集实战：YOLOv5/v8/v11训练与避坑指南

简介：这份资源面向计算机视觉方向的学生、教师及算法工程师，提供一套可直接用于YOLO系列目标检测训练的学生课堂行为数据集，解决课堂场景下行为识别数据采集与标注成本高的问题。数据集共包含2000余个文件，以txt标注文件为主，另附1个data.yaml配置文件，压缩包约502.99MB，标注格式与YOLOv5、YOLOv8、YOLO11等主流框架兼容，无需额外转换即可投入训练。数据已预先划分为训练集、验证集与测试集，覆盖举手、阅读、书写、使用手机、低头、趴在桌子上共6类典型课堂行为，类别定义清晰、场景针对性强。目前已有347人学习下载，适合用于课堂专注度分析、教学行为统计等课题的模型训练与验证。借助现成的划分结构与配置文件，读者可快速复现检测流程，将精力集中在模型调优与业务落地上，显著缩短从数据准备到实验验证的周期。

1. 学生课堂行为检测数据集：2000 张 6 类别，为什么它比想象中难用

课堂行为检测这个方向，最近两年被问得特别多。原因不复杂：智慧教室、教学评估、在线课堂质量分析，都需要一个能自动识别学生状态的视觉模型。而 YOLO 系列从 yolov5 到 yolov8 再到 yolo11，一直是这类需求的首选框架。你手上如果拿到一份「2000 多张标注好的学生课堂行为检测数据集，6 类别，划分好训练集、验证集和测试集，带 data.yaml，开箱即用」，第一反应大概是：终于可以跳过清洗数据这一步，直接开训了。

但真实情况往往相反。2000 张图、6 个类别，平均每类三百多张，这个量级在目标检测里属于「能跑通但很难跑好」的区间。课堂场景又有它自己的麻烦：学生密集、遮挡严重、小目标多、类别之间视觉差异小（比如「举手」和「抬头」在某些角度下几乎一样）。所以这份数据集的价值不在于「省了标注」，而在于它给了你一个结构完整、划分规范的起点，让你能把精力放在训练策略和调参上，而不是从零搭目录。

这篇内容面向三类人：想用这份数据集快速跑通 yolov5/yolov8/yolo11 训练流程的新手；已经跑过通用数据集、想看看课堂场景有什么特殊坑的熟手；以及拿这个方向做毕业设计或课程项目的同学。我会从数据集的目录结构讲起，一路写到三个版本框架的训练命令、参数含义、验证方法，最后落到几个我实际踩过的坑。目标只有一个：让你拿到这份数据后，当天就能跑出第一版可用的检测结果。

2. 数据集结构与 data.yaml：先看懂再动手

2.1 目录长什么样，每部分对应什么

一份规范的 YOLO 格式目标检测数据集，目录结构通常是这样的：

classroom_behavior/ ├── images/ │ ├── train/ # 训练集图片 │ ├── val/ # 验证集图片 │ └── test/ # 测试集图片 ├── labels/ │ ├── train/ # 训练集标签（.txt） │ ├── val/ │ └── test/ └── data.yaml # 数据集配置文件

图片和标签是严格一一对应的：images/train/001.jpg对应labels/train/001.txt。标签文件里每一行代表一个目标，格式是：

class_id x_center y_center width height

这五个值里，后四个都是归一化到 0~1 的相对坐标，不是像素值。这一点是新手最容易翻车的地方——如果你自己后续要补标数据，用 labelme 标注后转 YOLO 格式，一定要确认转换脚本做了归一化，否则训练时 loss 会直接炸掉或者模型完全不收敛。

6 个类别具体是什么，取决于数据集作者的设定。课堂行为检测里常见的类别组合是：举手、阅读、写字、趴桌/睡觉、站立、转头/交流。你拿到数据后第一件事不是急着训练，而是打开几个标签文件，把 class_id 和实际行为对应起来，确认没有错标。我一般会随机抽 20 张图，用可视化脚本把框画出来看一眼，这一步花五分钟，能省掉后面几小时的排查。

2.2 data.yaml 的每一行都别写错

data.yaml是整个训练流程的入口配置，yolov5、yolov8、yolo11 都认这个文件，但字段名有细微差别。标准写法：

# 数据集根路径（绝对路径或相对于训练脚本的路径） path: /home/user/datasets/classroom_behavior # 训练/验证/测试图片目录（相对于 path） train: images/train val: images/val test: images/test # 类别数量 nc: 6 # 类别名称，顺序必须和标签里的 class_id 一致 names: 0: hand_raise 1: reading 2: writing 3: sleeping 4: standing 5: turning_head

几个必须注意的点。第一，names的顺序就是 class_id 的顺序，写反了模型学出来的类别会整体错位，而且 loss 曲线看起来还挺正常，属于典型的「玄学」问题。第二，path用绝对路径最稳，相对路径在不同框架版本下解析基准不一样，容易找不到图。第三，nc必须等于names的条目数，多一个少一个都会在训练启动时报错。

提示：yolov8 和 yolo11 对data.yaml的解析比 yolov5 更严格，如果path下同时存在images和labels，框架会自动推导标签路径。但如果你的目录结构和上面不一致，建议把train、val写成完整相对路径，减少歧义。

2.3 划分比例与类别分布的自检

标题说「划分好的训练集、验证集和测试集」，常见比例是 7:2:1 或 8:1:1。2000 多张图按 7:2:1 分，大概是 1400 训练、400 验证、200 测试。这个量级下，验证集只有 400 张，如果某个类别本身样本就少，验证集里可能只有几十个实例，mAP 波动会很大。所以训练时不要只看单次验证结果，要结合多轮趋势判断。

自检类别分布，用一段简单的统计脚本：

import os from collections import Counter label_dir = "classroom_behavior/labels/train" counter = Counter() for fname in os.listdir(label_dir): if not fname.endswith(".txt"): continue with open(os.path.join(label_dir, fname)) as f: for line in f: cls_id = int(line.split()[0]) counter[cls_id] += 1 # 输出每个类别的实例数 for cls_id in sorted(counter): print(f"class {cls_id}: {counter[cls_id]} instances")

这段代码遍历训练集所有标签文件，统计每个类别出现的实例总数。注意统计的是「实例数」不是「图片数」——一张图里可能有多个学生举手，那就算多个实例。如果发现某个类别实例数低于 200，训练时就要考虑用数据增强或者类别权重来补偿，否则这个类别的 AP 会明显偏低。

3. 用 yolov5 跑通第一版训练：命令、参数与验证

3.1 环境准备与最小训练命令

yolov5 的环境配置相对成熟，conda 建一个 Python 3.8~3.10 的环境，装好 PyTorch 和依赖即可。CPU 版本也能跑，只是慢，2000 张图在 CPU 上训一轮可能要几十分钟，建议至少有张 6G 显存以上的卡，gtx1660ti 这个级别跑 yolov5s 是够的。

# 克隆 yolov5 仓库（用你本地已有的版本即可） git clone https://github.com/ultralytics/yolov5 cd yolov5 pip install -r requirements.txt # 最小训练命令 python train.py \ --data /home/user/datasets/classroom_behavior/data.yaml \ --weights yolov5s.pt \ --img 640 \ --batch 16 \ --epochs 100 \ --project runs/train \ --name classroom_v5s

--weights yolov5s.pt表示从预训练权重开始微调，这是小数据集训练的关键——2000 张图从零训几乎不可能收敛好，必须用 COCO 预训练权重做迁移学习。--img 640是输入分辨率，课堂场景里小目标多，如果显存允许，可以提到 960 甚至 1280，但训练时间会成倍增加。--batch 16在 6G 显存上跑 640 分辨率基本是上限，爆显存就降到 8。

3.2 课堂场景下必须调的三个参数

yolov5 的超参数很多，但针对这份数据集，我建议重点盯这三个：

关于--hyp，yolov5 默认的hyp.scratch-low.yaml里 mosaic 增强概率是 1.0，意思是每张图都做 mosaic。这对 COCO 这种大数据集没问题，但 2000 张图做满 mosaic，模型看到的有效样本多样性反而下降，容易过拟合。我一般会复制一份 hyp 文件，把mosaic降到 0.5，mixup保持 0.0，copy_paste保持 0.0。

# 自定义 hyp 文件关键片段 mosaic: 0.5 # 从 1.0 降到 0.5 mixup: 0.0 # 小数据集不开 copy_paste: 0.0 # 课堂场景粘贴增强意义不大 scale: 0.5 # 随机缩放幅度，保持默认

3.3 训练过程看什么：loss 曲线与 mAP

训练启动后，runs/train/classroom_v5s/下会生成results.csv和一系列曲线图。重点看三个指标：train/box_loss、val/box_loss、metrics/mAP_0.5。

正常情况：train loss 持续下降，val loss 先降后平，mAP 稳步上升。如果 train loss 降但 val loss 开始上升，就是过拟合，需要加数据增强或早停。如果两个 loss 都不降，检查 data.yaml 路径和标签格式。

画 loss 曲线的脚本：

import pandas as pd import matplotlib.pyplot as plt df = pd.read_csv("runs/train/classroom_v5s/results.csv") df.columns = df.columns.str.strip() # 列名可能带空格 plt.figure(figsize=(10, 5)) plt.plot(df["epoch"], df["train/box_loss"], label="train_box_loss") plt.plot(df["epoch"], df["val/box_loss"], label="val_box_loss") plt.xlabel("epoch") plt.ylabel("loss") plt.legend() plt.savefig("loss_curve.png", dpi=150)

这段代码读取训练日志 CSV，把训练和验证的 box loss 画在同一张图上。df.columns.str.strip()是必须的，yolov5 输出的列名有时带前导空格，不处理会 KeyError。看曲线时注意，box loss 只反映定位精度，分类效果要看val/cls_loss和 mAP。

3.4 验证与推理：确认模型真的能用

训练结束后，用验证集跑一次评估：

python val.py \ --data /home/user/datasets/classroom_behavior/data.yaml \ --weights runs/train/classroom_v5s/weights/best.pt \ --img 960 \ --task val

输出里会给出每个类别的 P、R、mAP@0.5、mAP@0.5:0.95。课堂行为检测里，「举手」和「站立」通常 AP 较高，因为姿态特征明显；「阅读」和「写字」容易混，因为都是低头看桌面，AP 会偏低。如果这两个类别的混淆特别严重，说明 6 类别的划分本身有歧义，可以考虑合并或者加更多区分性样本。

推理单张图片：

python detect.py \ --weights runs/train/classroom_v5s/weights/best.pt \ --source test_images/ \ --img 960 \ --conf 0.4

--conf 0.4是置信度阈值，课堂场景建议设 0.3~0.5。设太低会出一堆误检框，设太高会漏掉后排小目标。这个值没有标准答案，要拿测试集实际看效果调。

4. 换到 yolov8 和 yolo11：迁移训练与结构差异

4.1 yolov8 训练命令与 API 变化

yolov8 最大的变化是统一了 CLI 和 Python API，训练命令更简洁：

# 安装 ultralytics 包 pip install ultralytics # yolov8 训练 yolo detect train \ data=/home/user/datasets/classroom_behavior/data.yaml \ model=yolov8s.pt \ imgsz=960 \ batch=16 \ epochs=100 \ project=runs/train \ name=classroom_v8s

注意 yolov8 的参数写法从--data变成了data=，这是 CLI 风格变化，不是错误。model=yolov8s.pt同样是从预训练权重微调。yolov8 的默认数据增强策略和 yolov5 不同，mosaic 默认在最后 10 轮关闭，这个设计对收敛更友好，小数据集上通常比 yolov5 表现略好。

Python API 写法：

from ultralytics import YOLO model = YOLO("yolov8s.pt") results = model.train( data="/home/user/datasets/classroom_behavior/data.yaml", imgsz=960, batch=16, epochs=100, project="runs/train", name="classroom_v8s", # 小数据集建议关闭部分增强 mosaic=0.5, mixup=0.0, copy_paste=0.0, )

Python API 的好处是可以在脚本里动态改参数，比如根据显存自动调 batch。mosaic=0.5直接作为参数传入，不用再改 yaml 文件，这是 yolov8 比 yolov5 方便的地方。

4.2 yolo11 的结构变化对训练的影响

yolo11 是 ultralytics 在 2024 年推出的版本，网络结构上主要改了 backbone 和 neck 的连接方式，引入了更高效的 C3k2 模块和 C2PSA 注意力机制。对使用者来说，最直接的影响是：同样输入分辨率下，yolo11s 的参数量和计算量比 yolov8s 略低，但精度通常持平或略高。

训练命令和 yolov8 几乎一样，只换模型权重：

yolo detect train \ data=/home/user/datasets/classroom_behavior/data.yaml \ model=yolo11s.pt \ imgsz=960 \ batch=16 \ epochs=100 \ project=runs/train \ name=classroom_v11s

yolo11 的data.yaml格式和 yolov8 完全兼容，不需要改任何字段。如果你之前已经用 yolov8 跑通了流程，换 yolo11 基本是零成本。但要注意，yolo11 对 PyTorch 版本要求略高，建议 2.0 以上，否则某些算子可能不支持。

4.3 三个版本在同一数据集上的对比方法

想公平对比 yolov5、yolov8、yolo11，必须控制变量：相同输入分辨率、相同 epoch、相同 batch、相同数据增强策略。然后对比验证集上的 mAP@0.5 和推理速度。

具体数值取决于数据集和训练轮数，上表只是趋势参考。实际选型时，如果部署在 rk3588 或树莓派 5 这类边缘设备上，yolo11 的算子兼容性可能不如 yolov5 成熟，需要先确认板端推理框架支持情况。如果只是服务器端推理，直接上 yolo11。

5. 避坑与排查：课堂行为检测的 5 个血泪教训

5.1 现象：训练 loss 正常但 mAP 一直是 0

原因：data.yaml里names的顺序和标签文件里的 class_id 对不上，或者nc写错。模型在学，但学到的类别映射是错的，验证时按错误映射算 mAP 自然为 0。

解决：打开一个标签文件，看第一列的数字，对照data.yaml的names确认。最稳妥的办法是写个脚本，统计所有标签里出现过的 class_id，看是否都在names范围内。

5.2 现象：验证集 mAP 很高，但实际推理漏检严重

原因：验证集和测试集分布不一致，或者验证集图片和训练集有重叠。标题说「划分好的」，但有些数据集的划分是随机切的，同一段视频的相邻帧可能同时出现在训练集和验证集里，导致验证指标虚高。

解决：检查图片文件名，如果训练集和验证集里有大量相似文件名（比如同一前缀加不同序号），说明划分可能有问题。这种情况只能自己重新按视频或按场景划分，不能直接用。

5.3 现象：显存爆了，batch 降到 1 还是爆

原因：输入分辨率太高。960 分辨率下 yolov5s 的显存占用比 640 高出一倍多，如果图片本身分辨率很高，数据加载时还会额外占内存。

解决：先把--img降到 640 跑通，确认流程没问题后再逐步提高。另外检查--workers参数，设太大（比如 8）会导致多个进程同时加载图片，内存和显存都会紧张，CPU 环境建议设 2~4。

5.4 现象：某个类别 AP 始终为 0

原因：这个类别的实例数太少，或者标注质量差。2000 张图 6 类别，如果某个类别只有几十个实例，模型根本学不到有效特征。

解决：统计每个类别的实例数，低于 200 的类别考虑合并到相似类别，或者用过采样、类别权重补偿。如果标注本身有问题（比如框太大、框太小、漏标），只能重新标注。

5.5 现象：yolo11 训练报算子不支持错误

原因：PyTorch 版本太低，或者 CUDA 版本和 yolo11 要求的算子不匹配。

解决：升级 PyTorch 到 2.0 以上，CUDA 到 11.8 以上。如果是 CPU 环境，确认安装的是 CPU 版 PyTorch，不要装成 GPU 版导致找不到 CUDA。

6. 把 2000 张图用到极致：小数据集的进阶技巧

2000 张图训 6 类别，数据量是硬约束。想让模型真正可用，除了调参，还有几个技巧值得试。

第一个是「预训练权重的选择」。yolov5s.pt、yolov8s.pt、yolo11s.pt 都是在 COCO 上训的，COCO 里有人这个大类，和课堂场景的学生有重叠。但如果你能找到在人体检测数据集上进一步微调过的权重，起点会更好。没有的话，用 COCO 权重也够。

第二个是「多尺度训练」。在 hyp 文件里把scale设成 0.5，让模型在训练时看到不同尺度的目标。课堂场景里，前排学生大、后排学生小，多尺度训练能提升后排小目标的召回。yolov8 和 yolo11 默认就开了多尺度，yolov5 需要手动确认。

第三个是「测试时增强（TTA）」。推理时把图片翻转、缩放多次跑，然后合并结果，能提升 1~2 个点 mAP，代价是推理时间翻倍。yolov5 的val.py和detect.py都支持--augment参数：

python val.py \ --data /home/user/datasets/classroom_behavior/data.yaml \ --weights runs/train/classroom_v5s/weights/best.pt \ --img 960 \ --augment

--augment开启 TTA，验证和推理时都会做增强。如果部署环境对延迟不敏感，这个参数值得开。

第四个是「模型集成」。把 yolov5s、yolov8s、yolo11s 三个模型的检测结果做加权框融合（WBF），通常能比单模型高 2~3 个点。代价是推理要跑三个模型，适合服务器端离线分析场景。

最后一个习惯：每次训练完，把results.csv、data.yaml、hyp 文件、训练命令一起存到一个文件夹里。我吃过亏，两周后想复现某个结果，发现忘了当时改了什么参数，只能重跑。现在我的做法是，训练脚本里直接把关键参数写进日志文件名，比如v8s_img960_mosaic0.5_ep100，一眼就能看出配置。

希望帮到你。

本文还有配套的精品资源，点击获取