简介：这份手机识别数据集面向计算机视觉初学者与目标检测开发者，用于训练和验证手机目标检测模型，解决手机类样本不足、标注格式不统一的问题。资源包共2000个文件，以1997张jpg原始图片为主，另附3个json标注文件，采用coco json格式，可直接对接主流检测框架的数据加载流程，压缩包整体约82.97MB，体积轻便便于快速下载与本地部署。图片命名包含IMG2021系列与mobile-phones、pp等前缀，覆盖多种拍摄场景与手机外观，适合做数据增强、模型微调与精度对比实验。目前已有725人学习下载，可作为课程设计、毕业项目或算法练手的现成数据基础，帮助读者省去采集与标注成本，把精力集中在模型结构、训练策略与评估指标分析上。
1. 手机识别数据集怎么用：2628 张原图与 COCO JSON 标注的落地路径
做手机检测这类小目标任务，最耗时的往往不是调模型，而是凑一份标注干净、格式对得上的数据。这份手机识别数据集给的是 2628 张原始图片，配套 COCO JSON 格式标注，文件名里能看到IMG20211010…这类手机直出命名，也有mobile-phones-_jpg.rf.…、pp385_jpg.rf.…这种混合来源，说明采集场景比较杂，正好覆盖室内桌面、手持、多机同框等真实分布。它适合三类人：想快速跑通检测 pipeline 的算法工程师、需要现成标注做课程设计的学生、以及拿它当预训练或蒸馏底料的从业者。COCO JSON 的好处是生态最广，主流检测框架基本都能直接吃，省掉自己写解析器的功夫。下面按“先看清结构、再动手转换、最后避坑”的顺序拆一遍。
2. 先读懂 COCO JSON 结构：images、annotations、categories 三张表怎么对
拿到一份 COCO 标注，别急着往模型里灌。先搞清楚它的字段组织方式，后面转换、校验、排错都靠这个底子。COCO 本质是一个大 JSON，核心就三个数组：images描述每张图的 id、文件名、宽高；annotations描述每个框的 bbox、类别 id、所属图片 id；categories描述类别 id 和名称。三者靠 id 互相引用，任何一处对不上，训练时就是静默丢样本或者框错位。
2.1 用 Python 快速体检标注文件
第一步永远是先统计，别信“标注完整”这种口头承诺。下面这段脚本把类别分布、图片数、框数、异常框一次性打出来。
import json from collections import Counter with open("annotations.json", "r", encoding="utf-8") as f: coco = json.load(f) imgs = coco["images"] anns = coco["annotations"] cats = coco["categories"] print("图片数:", len(imgs)) print("标注框数:", len(anns)) print("类别:", {c["id"]: c["name"] for c in cats}) # 每类框数量 cat_counter = Counter(a["category_id"] for a in anns) print("每类框数:", cat_counter) # 检查 bbox 是否越界或退化 bad = [] for a in anns: x, y, w, h = a["bbox"] if w <= 1 or h <= 1: bad.append((a["id"], "尺寸退化", a["bbox"])) print("异常框数量:", len(bad))逻辑说明：images长度就是实际可用图片数，如果明显小于 2628，说明有图没进标注或被过滤。cat_counter能看出类别是否严重不均衡，手机检测通常只有一到两类，若出现十几个类别要警惕混入了无关标注。bbox是[x, y, width, height]格式，注意不是[x1,y1,x2,y2]，这是 COCO 最容易翻车的地方，后面转换会重点讲。参数上，w <= 1 or h <= 1是我一般用的退化阈值，小于这个尺寸的框训练时基本是噪声。
2.2 图片 id 与文件名映射要单独存一份
COCO 里images的file_name才是真实文件名，id只是内部编号。很多框架读图时按file_name找，但有些转换脚本会误用id拼路径，结果全部读不到图。稳妥做法是先导出一份映射表。
import os img_dir = "images" mapping = {img["id"]: img["file_name"] for img in imgs} missing = [fn for fn in mapping.values() if not os.path.exists(os.path.join(img_dir, fn))] print("缺失图片数:", len(missing)) print("前 5 个缺失:", missing[:5])这段的作用是把“标注里有、磁盘上没有”的图揪出来。常见原因是文件名里的.rf.哈希段在拷贝时被截断，或者大小写不一致。missing为空才说明数据齐整，否则训练时 DataLoader 会直接抛异常或者跳过，白白浪费 epoch。
2.3 类别 id 不连续是正常现象
COCO 的category_id不要求从 0 连续，很多标注工具会留空号。但 YOLO 这类框架要求类别从 0 开始连续编号，所以转换时必须重建映射，不能直接把category_id当类别索引用。这一点在下一章转换时会具体处理。
3. 转成 YOLO 格式：从 COCO bbox 到归一化中心点坐标
大部分人要的不是 COCO 本身，而是把它喂给 YOLO 系列。COCO 的bbox是左上角加宽高，YOLO 要的是归一化的中心点加宽高，两者差一次坐标变换和一次除以图像尺寸。这一步写错，框会整体偏移，而且偏移量随图片尺寸变化，肉眼很难第一时间发现。
3.1 转换脚本与目录组织
先约定目录结构，转换脚本按这个结构读写，后面训练配置直接复用。
dataset/ images/ # 2628 张原图 annotations.json # COCO 标注 labels/ # 转换后输出的 YOLO txt data.yaml # 训练配置转换脚本如下：
import json, os with open("annotations.json", "r", encoding="utf-8") as f: coco = json.load(f) # 重建连续类别映射 cats = sorted(coco["categories"], key=lambda c: c["id"]) cat_id2idx = {c["id"]: i for i, c in enumerate(cats)} names = [c["name"] for c in cats] img_info = {img["id"]: img for img in coco["images"]} os.makedirs("labels", exist_ok=True) # 按图片聚合标注 from collections import defaultdict per_img = defaultdict(list) for a in coco["annotations"]: per_img[a["image_id"]].append(a) for img_id, anns in per_img.items(): info = img_info[img_id] W, H = info["width"], info["height"] lines = [] for a in anns: x, y, w, h = a["bbox"] cx = (x + w / 2) / W cy = (y + h / 2) / H nw = w / W nh = h / H # 裁剪到 [0,1]，防止越界框 cx, cy = min(max(cx, 0), 1), min(max(cy, 0), 1) nw, nh = min(nw, 1), min(nh, 1) cls = cat_id2idx[a["category_id"]] lines.append(f"{cls} {cx:.6f} {cy:.6f} {nw:.6f} {nh:.6f}") stem = os.path.splitext(info["file_name"])[0] with open(f"labels/{stem}.txt", "w") as f: f.write("\n".join(lines)) print("类别顺序:", names)逻辑说明：cat_id2idx把原始不连续的category_id压成 0 起始的连续索引，这是 YOLO 的硬要求。cx = (x + w/2)/W是中心点归一化，nw = w/W是宽归一化，顺序不能反。裁剪到[0,1]是为了兜住少量越界标注，否则 YOLO 训练时会报坐标非法。输出文件名用原图 stem，保证图片和标签同名，这是 YOLO 找标签的默认规则。
3.2 data.yaml 怎么写
转换完还要一份配置文件告诉框架去哪找图和类别名。
path: ./dataset train: images val: images nc: 1 names: ["mobile phone"]nc是类别数，要和names长度一致。这里train和val都指向images只是先跑通，正式训练要按比例切分，常见做法是 8:2，切分时注意同一场景的连拍图别跨集，否则验证指标会虚高。names的顺序必须和转换脚本里names一致，错一位整个类别就乱了。
3.3 转换后必须做一次回读校验
转完别直接开训，写个回读脚本把 YOLO txt 反算回像素坐标，和原 COCO 对比，误差应该在 1 像素内。
import json with open("annotations.json") as f: coco = json.load(f) img_info = {i["id"]: i for i in coco["images"]} max_err = 0 for a in coco["annotations"]: info = img_info[a["image_id"]] W, H = info["width"], info["height"] stem = info["file_name"].rsplit(".", 1)[0] with open(f"labels/{stem}.txt") as f: lines = f.readlines() # 简化：只校验第一个框，实际可按顺序匹配 cls, cx, cy, nw, nh = lines[0].split() px = (float(cx) - float(nw) / 2) * W py = (float(cy) - float(nh) / 2) * H err = abs(px - a["bbox"][0]) + abs(py - a["bbox"][1]) max_err = max(max_err, err) print("最大回算误差(像素):", max_err)误差超过 1 像素基本就是归一化用错了尺寸，或者把宽高当成了右下角坐标。这一步花两分钟，能省掉后面几小时的排查。
4. 训练前避坑：标注、尺寸与划分里的五个常见问题
数据看着干净，一训就崩，问题多半出在下面这几处。每条按现象、原因、解决写，都是实际踩过的。
4.1 现象：loss 正常下降但框全部偏左上
原因：COCO 的bbox是[x, y, w, h]，有人误当成[x1, y1, x2, y2]，转换时直接拿后两位当宽高，导致中心点算错。解决：转换前打印前几条bbox，确认第三、四个值明显小于图像宽高，若接近图像尺寸就是坐标对而非宽高。
4.2 现象：训练报 “invalid label” 或坐标大于 1
原因：原标注里有越界框，或者图片实际尺寸和images里记录的width/height不一致。解决：转换时做[0,1]裁剪，同时用 PIL 重新读一遍真实尺寸，和 JSON 里的对比，不一致就以真实尺寸为准重算。
4.3 现象：验证集 mAP 高得离谱，实际推理一塌糊涂
原因：连拍图被随机切分，同一场景的相似帧同时进了训练和验证，等于变相泄漏。解决：按文件名前缀或采集批次分组切分，同一组只进一个集合。这份数据里IMG20211009…明显是同一批连拍，切分时要整组处理。
4.4 现象：某类框数远少于其他类，模型几乎不预测
原因：类别不均衡，手机检测里若混入了“手机壳”“屏幕”等细分类，小类会被压制。解决：先看第 2 章脚本打出的cat_counter，若确实不均衡，合并细分类或对小类做重采样，别硬训。
4.5 现象：文件名里的.rf.哈希导致路径匹配失败
原因：部分框架按文件名前缀匹配图片和标签，.rf.后面的哈希段让 stem 变长，若标签生成时截断规则不一致就对不上。解决：统一用os.path.splitext取 stem，图片和标签用同一套规则，别手工截字符串。
5. 进阶：用这份数据做小目标增强与标注质量抽检
跑通 baseline 之后，真正拉开差距的是两件事：小目标召回和标注质量。手机在画面里往往只占几十像素，直接训容易漏。我一般会先做一次标注质量抽检，再做针对性增强。
抽检的做法是把标注框画回原图，随机抽 30 张拼成网格看。下面这段用 PIL 画框，不依赖任何可视化库。
from PIL import Image, ImageDraw import json, random with open("annotations.json") as f: coco = json.load(f) img_info = {i["id"]: i for i in coco["images"]} from collections import defaultdict per_img = defaultdict(list) for a in coco["annotations"]: per_img[a["image_id"]].append(a) samples = random.sample(list(per_img.keys()), 30) for i, img_id in enumerate(samples): info = img_info[img_id] im = Image.open(f"images/{info['file_name']}").convert("RGB") d = ImageDraw.Draw(im) for a in per_img[img_id]: x, y, w, h = a["bbox"] d.rectangle([x, y, x + w, y + h], outline="red", width=2) im.save(f"check_{i}.jpg")逻辑说明：rectangle用的是[x1,y1,x2,y2]，所以要把x+w、y+h算出来，这里正好和转换时的公式互为验证。抽检重点看三类问题：框是否只框了屏幕没框机身、多机同框时是否漏标、遮挡严重的机器是否被标成了整框。发现系统性偏差就回去修标注，别指望模型自己学出来。
增强方面，小目标优先用 mosaic 和随机缩放，但缩放别低于原图短边的 0.5 倍，否则手机直接糊成色块。另外这份数据来源杂，白平衡和曝光差异大，HSV 抖动可以开大一点，hsv_h=0.02、hsv_s=0.7、hsv_v=0.4是我常用的起点。验证时单独统计小目标（面积小于 32×32）的召回，别只看整体 mAP，整体指标会被大框拉高，掩盖小目标的真实表现。
从那以后我每次拿到新数据集，都强制先跑一遍第 2 章的体检脚本和第 3 章的回读校验，再动手训。这两步加起来不到五分钟，却能挡掉后面大半的玄学问题。希望帮到你。
本文还有配套的精品资源，点击获取
