高空抛物检测数据集实战：VOC+YOLO双格式与YOLOv8训练全流程-育师

简介：这份资源面向计算机视觉初学者与安防场景研究者，提供高空抛物检测的完整数据集与配套训练成果，解决从零采集、标注到模型落地周期长的问题。包内共807个文件，约377.94MB，包含259张jpg图像、259个xml标注与261个txt标签，分别对应VOC与YOLO两种格式，另有6段mp4原始抛物视频、7张png可视化图、2个pt权重文件、1个yaml配置、1个csv训练记录及TensorBoard日志，覆盖数据、配置与训练全过程。已有1194人学习下载，说明该方向具备一定关注度。使用者可直接用作者提供的yolov8s模型（best.pt或last.pt）进行推理验证，也可基于VOC/YOLO标注重新训练、调参与对比实验，省去数据采集与标注成本，适合课程设计、毕业课题或安防算法预研等场景快速起步。

1. 高空抛物检测为什么值得单独做一份数据集

高空抛物这件事，真正做过检测项目的人都知道，它跟普通目标检测完全不是一个难度层级。普通数据集里目标大、特征稳、背景干净，而高空抛物场景里，抛下来的物体可能只有几十个像素，背景是整栋楼的外立面，窗户、空调外机、晾衣架、管道全是干扰项，再加上运动模糊和光照变化，模型很容易把一只飞过的鸟或者飘落的树叶当成抛物。这份「高空抛物数据集VOC+YOLO格式259张+6段视频+yolov8模型和日志+项目说明.zip」的价值就在这儿：它不是单纯给你一堆图，而是把标注好的 VOC 和 YOLO 双格式图片、6 段真实场景视频、一份已经跑过的 yolov8 模型权重和训练日志，外加项目说明打包在一起。适合谁？适合正在做智慧社区、楼宇安防、边缘盒子部署的工程师，也适合想拿一个真实小样本数据集练手 yolov8 全流程的人。259 张图不算多，但配合视频和日志，你能把「数据标注→格式转换→训练→推理→视频验证」这条链路完整走一遍，而不是只停留在跑通官方 coco128 示例的水平。

2. 拆开压缩包：VOC 与 YOLO 双格式到底怎么对应

2.1 VOC 的 XML 结构和 YOLO 的 txt 差在哪

VOC 格式的核心是每张图对应一个 XML 文件，里面用<object>标签记录每个目标的类别和边界框，边界框用<xmin>、<ymin>、<xmax>、<ymax>四个像素坐标表示。YOLO 格式则是一张图对应一个 txt，每行一个目标，格式是类别索引中心x 中心y 宽高，而且这四个值全部归一化到 0 到 1 之间。很多人第一次转换就翻车，是因为忘了 YOLO 的坐标是相对于图片宽高的比例，不是绝对像素。这份数据集同时给了两种格式，意味着你可以直接用 VOC 做可视化检查，用 YOLO 直接喂给 yolov8，省掉自己写转换脚本的环节。但要注意，两套格式的类别顺序必须一致，否则训练出来的模型会把「抛物」和「非抛物」搞反。

2.2 用脚本核对两套标注是否对齐

拿到数据集第一件事不是急着训练，而是核对 VOC 和 YOLO 是否一一对应。我一般会写一个短脚本，遍历 images 目录，检查每张图是否有同名 xml 和同名 txt，并抽查几个框的坐标换算是否吻合。

import os import xml.etree.ElementTree as ET img_dir = "images" xml_dir = "annotations_xml" txt_dir = "labels_yolo" def voc_to_yolo(xml_path, img_w, img_h): tree = ET.parse(xml_path) root = tree.getroot() boxes = [] for obj in root.findall("object"): cls_name = obj.find("name").text bnd = obj.find("bndbox") xmin = float(bnd.find("xmin").text) ymin = float(bnd.find("ymin").text) xmax = float(bnd.find("xmax").text) ymax = float(bnd.find("ymax").text) # 转成 YOLO 归一化中心点格式 cx = (xmin + xmax) / 2.0 / img_w cy = (ymin + ymax) / 2.0 / img_h w = (xmax - xmin) / img_w h = (ymax - ymin) / img_h boxes.append((cls_name, cx, cy, w, h)) return boxes for name in os.listdir(img_dir): stem = os.path.splitext(name)[0] xml_path = os.path.join(xml_dir, stem + ".xml") txt_path = os.path.join(txt_dir, stem + ".txt") if not os.path.exists(xml_path) or not os.path.exists(txt_path): print("缺失配对:", stem) continue # 这里只做存在性检查，坐标换算可进一步比对 print(stem, "配对正常")

这段脚本的逻辑很直白：先按文件名把图片、XML、txt 三者对齐，缺任何一个就报出来。voc_to_yolo函数演示了坐标换算的核心公式，中心点等于框中心除以图片宽高，宽高等于框尺寸除以图片宽高。参数上唯一要留意的是img_w和img_h，必须从对应图片真实读取，不能写死，因为这份数据集里图片分辨率不一定完全统一。如果你发现某张图的 txt 里坐标大于 1，那基本可以确定是转换时没做归一化，这种样本直接删掉或者重新标注，别留着污染训练集。

2.3 259 张图怎么划分训练集和验证集

259 张图属于典型的小样本，划分比例不能照搬大数据的 8:2。我的习惯是训练集 200 张、验证集 59 张，比例大约 77:23，验证集稍微多一点，因为小样本下验证集太小会导致指标波动极大，今天 mAP 0.8 明天 0.5 的玄学现象多半就是验证集太小造成的。划分时要注意同一段视频抽出来的帧不能同时出现在训练集和验证集里，否则验证指标会虚高，实际部署时原形毕露。这份数据集带了 6 段视频，如果你打算从视频里再抽帧扩充，务必按视频来源划分，而不是按帧随机划分。

# 按 8:2 左右划分，先建目录 mkdir -p datasets/images/train datasets/images/val mkdir -p datasets/labels/train datasets/labels/val # 用 python 做可复现的随机划分 python - <<'EOF' import os, random, shutil random.seed(42) # 固定种子，保证每次划分一致 imgs = sorted(os.listdir("images")) random.shuffle(imgs) split = int(len(imgs) * 0.77) for i, name in enumerate(imgs): stem = os.path.splitext(name)[0] dst = "train" if i < split else "val" shutil.copy(f"images/{name}", f"datasets/images/{dst}/{name}") shutil.copy(f"labels_yolo/{stem}.txt", f"datasets/labels/{dst}/{stem}.txt") print("划分完成", split, len(imgs) - split) EOF

random.seed(42)是为了让划分结果可复现，团队协作时每个人跑出来的训练集验证集一致，否则指标没法对比。split取 77% 作为分界点，你可以按实际图片数量微调。复制而不是移动，是为了保留原始文件，万一划分错了还能重来。这一步做完，目录结构就符合 yolov8 默认要求了：images 和 labels 平行，下面各有 train 和 val。

3. 用 yolov8 训练这份数据集：配置、命令与日志解读

3.1 data.yaml 怎么写才不出错

yolov8 训练靠一个 yaml 文件告诉它数据在哪、有几类、类名是什么。这份数据集是高空抛物二分类场景，常见做法是设成parabola和background两类，或者只保留parabola一类。如果你只检测抛物目标，就写 nc: 1，names: ['parabola']。路径建议用绝对路径，相对路径在 ultralytics 不同版本里解析基准不一样，容易报「No labels found」。

# data.yaml path: /home/user/datasets train: images/train val: images/val nc: 1 names: 0: parabola

path是数据集根目录，train和val是相对 path 的子路径。nc是类别数，必须和 names 的长度一致，否则训练启动时就会报索引越界。names 的键从 0 开始，和 YOLO txt 里的类别索引对应。改完 yaml 后，建议先用一行命令验证路径是否被正确解析，别等训练跑起来才发现找不到图。

3.2 训练命令与关键参数

yolov8 的训练入口是yolo detect train，核心参数就那么几个，但每个都影响结果。小样本数据集最忌讳直接上大模型，yolov8n 或 yolov8s 就够了，参数量小、收敛快，259 张图用 yolov8x 只会过拟合。

yolo detect train \ model=yolov8n.pt \ data=data.yaml \ epochs=150 \ imgsz=640 \ batch=16 \ lr0=0.01 \ patience=30 \ project=runs/train \ name=parabola_v8n

model=yolov8n.pt表示从官方预训练权重开始微调，小样本下这比从零训练效果好得多。epochs=150是上限，配合patience=30做早停，验证指标 30 轮不提升就停，避免无效训练。imgsz=640是输入尺寸，高空抛物目标小，理论上可以调到 960 甚至 1280，但显存和速度会明显下降，先用 640 跑通再考虑加。batch=16在 8G 显存上比较稳，显存不够就降到 8 或 4。lr0=0.01是初始学习率，小样本可以降到 0.005 减少震荡。训练日志里重点看三个东西：box_loss 是否稳定下降、mAP50 是否在涨、有没有出现 loss 突然变 nan。如果 loss 变 nan，多半是学习率太大或者标注里有非法坐标。

3.3 从日志判断模型有没有真的学到东西

这份资源里附带了训练日志，这是很实用的部分，因为很多人只看最后 mAP，不看过程。日志里metrics/mAP50(B)是 IoU 0.5 时的平均精度，高空抛物这种小目标，mAP50 能到 0.7 以上就算可用。但更关键的是看metrics/precision(B)和metrics/recall(B)的平衡：如果 precision 高 recall 低，说明模型保守，漏检多；如果 recall 高 precision 低，说明误报多，把树叶鸟影都当抛物。安防场景通常更怕漏检，所以宁可 precision 低一点也要保住 recall。日志里还有val/box_loss，如果它一直不降反升，就是过拟合的典型信号，这时候要么加数据增强，要么减 epochs。

# 训练结束后用验证集单独跑一次评估 yolo detect val \ model=runs/train/parabola_v8n/weights/best.pt \ data=data.yaml \ imgsz=640

这条命令会输出完整的 precision、recall、mAP50、mAP50-95。mAP50-95 更严格，小目标数据集上通常比 mAP50 低不少，别拿它跟大目标数据集比。评估完可以再用yolo detect predict跑几张验证图，肉眼看框准不准，指标好看但框歪的情况并不少见。

4. 6 段视频怎么用：抽帧扩充与推理验证

4.1 视频抽帧补数据的具体做法

259 张图对 yolov8 来说偏少，6 段视频就是天然的扩充来源。但抽帧不是无脑每秒抽一帧，那样相邻帧几乎一样，等于重复样本。我的做法是按目标运动状态抽：抛物出现的片段密集抽，静止背景片段少抽或不抽。用 opencv 按间隔抽帧，间隔根据视频帧率定，25fps 的视频每 10 帧抽一张，大约每秒 2.5 张。

import cv2 import os video_path = "video_01.mp4" out_dir = "frames/video_01" os.makedirs(out_dir, exist_ok=True) cap = cv2.VideoCapture(video_path) fps = cap.get(cv2.CAP_PROP_FPS) interval = int(fps / 2.5) # 约每秒抽 2.5 帧 idx = 0 saved = 0 while True: ret, frame = cap.read() if not ret: break if idx % interval == 0: cv2.imwrite(os.path.join(out_dir, f"{idx:06d}.jpg"), frame) saved += 1 idx += 1 cap.release() print("总帧", idx, "抽取", saved, "fps", fps)

interval由 fps 换算，保证不同帧率的视频抽帧密度一致。抽出来的帧要重新标注，这一步没有捷径，labelme 或者 roboflow 都行，标完再转成 YOLO 格式。注意抽帧后要按视频来源划分训练验证，同一段视频的帧不能跨集，否则验证指标会虚高。扩充后如果图片到了 800 张以上，可以把 epochs 适当加到 200，同时把数据增强开强一点。

4.2 用训练好的模型跑视频推理

模型训练完，最直接的验证就是拿原始 6 段视频跑推理，看实际画面里框得准不准、漏不漏。yolov8 支持直接对视频推理，输出带框的视频文件。

yolo detect predict \ model=runs/train/parabola_v8n/weights/best.pt \ source=video_01.mp4 \ conf=0.3 \ iou=0.5 \ save=True \ project=runs/predict \ name=video_01_result

conf=0.3是置信度阈值，高空抛物目标小、特征弱，阈值设太高会大量漏检，0.3 是比较常用的起点，实际按漏检和误报的容忍度调。iou=0.5是 NMS 的 IoU 阈值，控制重叠框合并。save=True会把结果视频存到 project/name 目录下。跑完重点看两类问题：一是抛物目标有没有被框住，二是背景里的窗户、空调外机有没有被误框。如果误框多，先别急着调模型，回头检查训练集里是不是有类似背景被误标成了正样本。

4.3 视频推理结果与日志指标对不上的排查

很多人会遇到日志里 mAP 挺好看，视频里却一塌糊涂，这种落差通常有三个原因。第一，验证集和视频场景分布不一致，验证集里目标大、背景简单，视频里目标小、背景复杂。第二，抽帧扩充时把同一段视频的帧混进了训练集和验证集，导致验证指标虚高。第三，推理时的 imgsz 和训练时不一致，训练用 640 推理用 1280，小目标尺度变化会让模型不适应。排查顺序是先统一 imgsz，再检查数据划分，最后才考虑模型本身。如果三项都排除了还是不行，那就是数据量真的不够，老老实实回去标更多帧。

5. 避坑与常见问题：小样本高空抛物训练的五个血泪教训

5.1 现象：训练 loss 正常但 mAP 一直是 0

原因：YOLO txt 里的类别索引和 data.yaml 的 names 对不上，或者 txt 里坐标没归一化，值大于 1。模型学不到有效目标，loss 看着在降其实是在拟合噪声。解决：用第 2 章的核对脚本抽查坐标范围，确认所有值都在 0 到 1 之间，类别索引从 0 开始且不超过 nc-1。

5.2 现象：验证集 mAP 很高，实际视频漏检严重

原因：验证集和训练集来自同一段视频的相邻帧，画面几乎一样，模型等于在背答案。解决：按视频来源划分数据集，同一段视频的帧只进训练集或只进验证集，绝不混用。划分完再跑一次评估，指标会降但更真实。

5.3 现象：模型把窗户、空调外机误检成抛物

原因：训练集里这些背景元素和抛物目标在位置上高度重合，模型学到了错误的上下文关联。解决：补充负样本，把没有抛物的纯背景帧也加进训练集，标注为空 txt。负样本比例控制在正样本的 20% 到 30%，太多会拉低 recall。

5.4 现象：训练到一半 loss 变成 nan

原因：学习率太大，或者标注里有 xmax 小于 xmin 这种非法框。解决：先把 lr0 降到 0.005 甚至 0.001 重跑，如果还 nan，就用脚本遍历所有 txt，检查每行宽高是否大于 0，非法行直接删掉或修正。

5.5 现象：推理速度慢，边缘设备跑不动

原因：用了 yolov8m 以上的模型，或者 imgsz 设得太大。解决：高空抛物场景 yolov8n 通常够用，imgsz 从 640 起步，边缘设备上可以导出 onnx 或 tensorrt 加速。导出命令是yolo export model=best.pt format=onnx imgsz=640，导出后再用对应推理引擎加载，速度能提升明显。

6. 把这份资源用透：从 259 张图到可部署模型的进阶技巧

小样本数据集最怕的就是「跑通即结束」，其实这份资源真正的价值在于它给了你一条可复现的基线，你可以在这条基线上做增量。第一个技巧是善用日志里的曲线做学习率调度。yolov8 默认带余弦退火，但小样本下你可以手动试lr0=0.01和lr0=0.005两组，对比日志里 mAP50 的上升斜率，斜率更陡的那组更适合你的数据分布。第二个技巧是冻结 backbone 微调。259 张图直接全量微调容易过拟合，可以先用freeze=10冻结前 10 层，只训练检测头，跑 50 轮后再解冻全量跑 100 轮，这种两阶段训练在小样本上往往比一次性训练稳。

# 第一阶段：冻结 backbone yolo detect train model=yolov8n.pt data=data.yaml epochs=50 freeze=10 lr0=0.01 name=stage1 # 第二阶段：解冻全量微调 yolo detect train model=runs/train/stage1/weights/best.pt data=data.yaml epochs=100 lr0=0.005 name=stage2

freeze=10表示冻结前 10 层，具体层数可以用model.model打印结构确认。第二阶段从第一阶段的 best.pt 继续，学习率减半，避免破坏已经学好的特征。第三个技巧是验证时别只看 mAP，把混淆矩阵导出来看。yolov8 验证后会生成confusion_matrix.png，如果 background 那一列误检特别多，说明负样本不够；如果抛物那一行漏检多，说明正样本多样性不足。第四个技巧是模型导出后做一次端到端视频回放，把 6 段视频全部跑一遍，统计每段的漏检帧数和误报帧数，做成表格对比，这比单一 mAP 更能反映部署效果。