简介：面向室内家电展示场景的电视目标检测数据集，适用于YOLOv5、YOLOv7、YOLOv8、YOLOv11、YOLOv13、YOLO26等系列目标检测算法训练，主要服务从事智能家居、卖场展示或家电识别相关项目的开发者与学生。数据集包含1323张标注图片，类别统一为电视，已生成完整标签，内置data.yaml配置文件并划分训练集与验证集，解压后可直接用于模型训练，省去手动整理标注的繁琐环节。压缩包共2000个文件，以1158个xml与840个txt标注文件为主体，同时附带1个pdf与1个md说明文档，便于了解标注格式与使用流程，整体约66.4MB，体积适中，适合快速下载与反复实验。已有13人学习下载，属于小巧实用的垂直场景数据集，适合作为YOLO系列入门练习或家用电器检测项目的补充数据。
1. 拿到「电视目标检测数据集」先别急着训练：1323 张标注图的实际价值
做室内家电展示的检测项目，最头疼的往往不是模型选型，而是训练数据从哪来。搜到「YOLO算法室内家电展示电视目标检测数据集-1323张-标注类别为电视.zip」这个压缩包时，很多人第一反应是解压后直接跑yolo detect train，希望一夜出模型。但从我调试 YOLO 目标检测流程的一线经验看，1323 张单类数据恰好处于一个有点尴尬的量级：比从零标注强太多，又远没有多到可以忽略数据质量直接开训。
这个包的价值不在于“能不能训”，而在于它能不能让你用最短时间验证一条可行链路：室内场景下，电视这个类别能不能被稳定检出、框准、在反光和关机场景下不翻车。这篇文章按我每次拿到新数据集都会走的流程来写：拆包体检、目录结构整理、标注格式确认、data.yaml 配置、训练验证、常见坑排查。适合正在做室内识别、门店展陈、智能家居设备检测的工程师照着复现，新手上手也不会被绕晕。
2. 拆包检查：1323 张电视图的目录结构、标注格式与三个必做体检
2.1 先用 unzip -l 摸清包内布局，再决定是否要写转换脚本
这类数据集包和代码库不一样，包内文件组织没有统一标准。有的按 YOLO 官方目录排好，图片和同名 txt 一一对应；有的则是把所有 jpg 平铺在一起，标签文件也混在其中；还有的会附带 train.txt、val.txt 这类路径清单文件。拿到手先不要假设任何结构，用一条命令看压缩包里的文件名列表：
# -l 只列出压缩包内容，不解压全部文件，适合快速预览 unzip -l YOLO算法室内家电展示电视目标检测数据集-1323张-标注类别为电视.zip | head -40这个命令会把压缩包内前 40 条文件名打出来。如果看到images/和labels/这种成对目录，说明结构已经比较标准；如果看到的是一堆frame_0001.jpg和frame_0001.txt混在一起，那就是典型的平铺结构，后面需要自己整理。
解压到本地时，建议先建一个纯英文路径的工作目录，再解压进去：
mkdir -p ~/work/tv_data_raw unzip -q YOLO算法室内家电展示电视目标检测数据集-1323张-标注类别为电视.zip -d ~/work/tv_data_raw为什么强调英文路径？因为 Ultralytics 的 YOLO 训练脚本在 Windows 和部分 Linux 环境下对中文路径的处理并不稳定，后面训练阶段因为路径带中文而报FileNotFoundError的案例非常多。这个后面在避坑章节还会单独提。
2.2 用 Python 做数据集体检：空标签、越界框、类别索引和损坏图像一次性查完
不要急着配训练，先花五分钟把数据质量过一次。我的做法是写一个小的体检脚本，专门检查四类问题：图片能不能正常解码、标签文件是否存在、标签内容格式是否合法、标注框有没有越界。这个脚本在任何 YOLO 数据集上都通用，直接存成inspect_dataset.py反复用：
import random from pathlib import Path from PIL import Image def check_dataset(raw_dir: Path): imgs = sorted(p for p in raw_dir.iterdir() if p.suffix.lower() in {".jpg", ".jpeg", ".png"}) problems = [] empty_label = 0 cls_set = set() for img_path in imgs: try: with Image.open(img_path) as im: img_w, img_h = im.size im.load() # 真正解码一遍，解码失败就是坏图 except Exception as exc: problems.append((img_path.name, "损坏图片", str(exc))) continue label_path = img_path.with_suffix(".txt") if not label_path.exists(): problems.append((img_path.name, "缺失标签", "")) continue lines = [ln.strip() for ln in label_path.read_text(encoding="utf-8").splitlines() if ln.strip()] if not lines: empty_label += 1 continue for ln in lines: parts = ln.split() if len(parts) != 5: problems.append((img_path.name, "字段数不是5", ln)) continue try: cls_id, xc, yc, bw, bh = int(parts[0]), *map(float, parts[1:5]) except ValueError: problems.append((img_path.name, "数值解析失败", ln)) continue cls_set.add(cls_id) if not (0 <= xc <= 1 and 0 <= yc <= 1 and 0 <= bw <= 1 and 0 <= bh <= 1): problems.append((img_path.name, "归一化越界", ln)) print(f"图像总数: {len(imgs)}") print(f"类别 ID: {sorted(cls_set)}") print(f"空标签文件数: {empty_label}") print(f"问题记录数: {len(problems)}") for name, kind, detail in problems[:30]: print(name, kind, detail) check_dataset(Path("~/work/tv_data_raw"))这段脚本的逻辑不复杂，但每一行都有明确目的。im.load()会把 JPEG 真正解码一遍，如果图片在打包时就已经损坏，这一步会抛异常；很多数据集从网盘搬运几次后容易出现这种截断文件。cls_set用来收集标注里出现过的所有类别 ID，如果打印结果不是{0}，说明包内可能混了不止“电视”一个类别。越界检查则是 YOLO 格式最容易出错的地方——标签里的 x、y、w、h 都是归一化到 0 到 1 之间的浮点数，如果出现 1.2 或负数，说明坐标换算有 bug，模型训练时会出现大量漏检。
有一个容易被忽略的点：空标签文件在 YOLO 里是合法存在的，它代表这张图没有目标，可以用作负样本。但如果空标签文件占比超过 5%，就要留意是不是标注过程漏标了。对于电视识别这种单类任务，漏标几乎必然导致模型在类似画面上产生误检。
2.3 平铺文件如何落成标准目录结构：85/15 切分与 labels/images 组合
体检完，下一步是把数据整理成 YOLO 默认识别的目录结构。即使压缩包内已经分好train/val目录，也建议统一成下面这种形式，因为训练脚本、验证脚本和可视化工具都对这套结构最友好：
# 标准目标检测数据集目录结构 tv_data/ ├── images/ │ ├── train/ │ └── val/ └── labels/ ├── train/ └── val/如果原始数据是平铺的一堆 jpg 和同名 txt，我一般会写一段切分脚本，按 90/10 或者 85/15 的比例拆成训练集和验证集。不要随手用操作系统的文件管理器拖动，这样既无法保证随机性，也容易把同屏多目标的数据全部塞进一个集合：
import random import shutil from pathlib import Path src = Path("~/work/tv_data_raw") # 原始平铺目录 out = Path("~/work/tv_data") # 标准化后的目录 random.seed(42) imgs = sorted(p for p in src.iterdir() if p.suffix.lower() in {".jpg", ".jpeg", ".png"}) random.shuffle(imgs) # 90% 训练，10% 验证；场景差异大可以改成 85/15 split = int(len(imgs) * 0.9) for phase, flist in [("train", imgs[:split]), ("val", imgs[split:])]: img_dir = out / "images" / phase lbl_dir = out / "labels" / phase img_dir.mkdir(parents=True, exist_ok=True) lbl_dir.mkdir(parents=True, exist_ok=True) for img in flist: shutil.copy2(img, img_dir / img.name) lbl = src / (img.stem + ".txt") if lbl.exists(): shutil.copy2(lbl, lbl_dir / lbl.name) print(f"train: {split}, val: {len(imgs) - split}")注意这里我用的是copy2而不是move，原始文件先保留着，排错时还能回去查。random.seed(42)固定了随机种子，保证每次执行切分的集合一致，后面如果要对比不同超参数的训练效果，就能排除“数据不同导致指标差异”这个变量。这是我在调参上吃过亏之后养成的习惯。
拆包、体检、切分这三步做完，数据才算是真正“能用”的状态。
3. 从标注格式到训练配置：写对 data.yaml、选对权重、让 1323 张图物尽其用
3.1 YOLO 标注每一行的含义：类别 ID、中心点与归一化尺寸
YOLO 的标签文件不是用像素坐标直接存的，而是存归一化后的中心点坐标和宽高。每一行有 5 个数字：类别 ID、中心点 x、中心点 y、宽度、高度，全部相对图像尺寸做了归一化。这是一个很反直觉的点：你打开 txt 文件看不出这个框在哪，必须结合对应图片的宽高才能换算回像素坐标。
# 一行 YOLO 标签的示例，类别 0 代表电视 # 格式：类别 中心点x 中心点y 宽 高（归一化） 0 0.46875 0.45833 0.18750 0.16667如果手头拿到的标注是 XML 或者 JSON 里的 xmin、ymin、xmax、ymax，需要转成 YOLO 格式。我一般用下面这个函数一次搞定：
def to_yolo_label(img_w, img_h, box_xyxy, class_id=0): x1, y1, x2, y2 = box_xyxy x_center = (x1 + x2) / 2 / img_w y_center = (y1 + y2) / 2 / img_h width = (x2 - x1) / img_w height = (y2 - y1) / img_h # 电视在这个数据集中永远是类别 0 return f"{class_id} {x_center:.6f} {y_center:.6f} {width:.6f} {height:.6f}\n"这个函数的参数很简单：img_w和img_h是图片宽高，box_xyxy是标注框左上角和右下角的像素坐标。因为当前数据集的标题写得很清楚，标注类别就是电视，所以类别 ID 固定是 0。如果你后面要扩充，把class_id按names顺序往后排即可。这段代码有意思的地方在于宽和高的计算，用x2 - x1而不是用中心点加减半宽，可以避免坐标计算过程里出现小数点累积误差。
3.2 把 data.yaml 写到磁盘：路径、类别名、几个关键参数
数据整理好之后，训练的第一步不是敲训练命令，而是写data.yaml。这个文件必须存在，它告诉 YOLO 到哪里找图、到哪里找标签、有几类、类名是什么。我通常会写成绝对路径，避免因终端工作目录变化导致找不到文件：
# tv_data.yaml path: /home/yourname/work/tv_data # 换成你的绝对路径，别用中文路径 train: images/train val: images/val # 类别名要和标注里的 ID 一一对应 names: 0: TV然后在终端启动训练：
yolo detect train \ data=tv_data.yaml \ model=yolov8s.pt \ imgsz=640 \ batch=8 \ epochs=100 \ patience=20如果你用的是现在更新的 Ultralytics YOLO11，训练命令基本一样，只是模型权重参数换成yolo11s.pt或yolo11n.pt。命令里的含义分别是：data指向刚才写的 yaml，model指定预训练权重，imgsz是输入分辨率，batch是每批图数，epochs是训练轮数，patience是验证指标不提升多少轮就早停。1423 张数据的规模下，优先用yolov8s.pt，因为 s 级别模型容量适中，不容易把小数据集吃穿；如果你的显卡只有 6GB 显存，就把batch降到 4，或者换成yolov8n.pt先验证流程通不通。
这里有个细节值得多说：COCO 预训练权重里本来就包含电视、显示器这类屏幕对象的特征，迁移到室内家电展示场景时，底层纹理和边缘特征可以直接复用。这也是为什么不要用空权重从头训练，这条经验在单类小数据集上尤其重要。
3.3 小数据集的训练策略：batch、imgsz、mosaic 与 epoch 的组合
同样的数据集，参数不同，出来的模型能用程度可以差出一大截。针对 1323 张这个规模和“电视”这个大目标场景，我自己常用的起步参数组合是：
| 参数 | 初始值 | 说明 |
|---|---|---|
| imgsz | 640 | 电视在画面中通常占比较大，不需要 1280 |
| batch | 8 | 8GB 显存级别显卡也能跑，16GB 可提到 16 |
| epochs | 100 | 单类少量数据，100 轮足够看出趋势 |
| patience | 20 | 验证指标停滞就提前停，不浪费 GPU 时间 |
| model | yolov8s.pt | s 是速度和精度的平衡点，优先于 n 和 m |
还有两个增强参数值得动手改一下：fliplr和mosaic。电视屏幕里经常有字幕、logo 和画面内容，如果把图像整体做左右翻转，这些内容也会被镜像，模型接收到的是与真实场景不一致的文本方向，这会让它学到一些不该学的纹理关联。所以我倾向于把翻转概率从默认的 0.5 降到 0.3。mosaic拼接增强对密集小目标很有用，但电视在展示场景里往往是画面主体，马赛克切碎后反而会丢失整体形状，早期用默认值跑第一版，先看结果再说。
4. 验证电视检测模型看什么：mAP@0.5、PR 曲线和漏检高发场景
4.1 用这两条命令快速评估 best.pt：验证集指标和预测结果可视化
训练结束后，不要直接拿last.pt去部署。Ultralytics 默认会在训练过程中保存两个权重：last.pt是最后一轮的权重，best.pt是验证集上 mAP 最高的那个权重。对 1323 张这样的小数据集，best.pt几乎总是比last.pt更可靠，因为我们经常会在训练后期遇到过拟合，验证指标已经不再上升。
在验证集上重新评估一次，用这两条命令：
# 跑验证集，输出 mAP@0.5、mAP@0.5:0.95 等指标 yolo detect val model=runs/detect/train/weights/best.pt data=tv_data.yaml # 把验证集图片全部跑一遍，保存带预测框的可视化图片和 txt 结果 yolo detect predict model=runs/detect/train/weights/best.pt \ source=tv_data/images/val save=True save_txt=True跑完detect val之后，日志里会有两个最重要的数字：mAP@0.5和mAP@0.5:0.95。前者是 IoU 阈值固定 0.5 时的平均精度，回答的是“模型有没有找到电视”；后者是在 0.5 到 0.95 不同 IoU 阈值下做平均，对边界框的位置精度更敏感，回答的是“框得准不准”。单类电视检测任务里，mAP@0.5 如果不到 0.9，先别急着调模型，回去看数据和标注；mAP@0.5:0.95 如果明显偏低，多半是标注框本身不一致，或者屏幕反光导致模型没有贴合边缘。
训练目录还会自动生成几个文件值得看：confusion_matrix.png可以看 TV 和 background 之间的误分情况；results.csv记录了每一轮的训练和验证指标，可以直接画曲线；PR_curve.png的曲线面积越大，说明模型在不同置信度阈值下越稳定。
4.2 室内电视检测为什么会漏：关机黑屏、玻璃反光、屏幕内容干扰
电视不是一个静态物体，它的外观会随开关机状态剧烈变化。开机时，屏幕是一块亮着的显示面板；关机时，屏幕变成一块接近黑色的玻璃，边框几乎淹没在环境里；如果展示柜有玻璃，反光还可能把整条边缘打断。这三种情况在室内家电展示场景里都会出现，但数据集未必均匀覆盖。
针对这种情况，单靠调模型结构没有用，得从增强和采集两个方向下手。训练时把亮度相关增强打开，能让模型适应暗光下的关机状态：
yolo detect train data=tv_data.yaml model=yolov8s.pt \ imgsz=640 batch=8 epochs=100 \ hsv_h=0.02 hsv_s=0.6 hsv_v=0.4 \ fliplr=0.3 scale=0.4 translate=0.1这几个参数的含义：hsv_h控制色调偏移，电视屏幕画面内容可能五颜六色，所以给一点偏移，但不要给太大，否则电视皮肤会偏色；hsv_s和hsv_v分别控制饱和度和亮度偏移，亮度偏移对模拟电视开机和关机非常有用；scale控制图像缩放范围，translate控制平移。这些参数合起来的效果是让模型在有限数据里看到更多“同一台电视的不同样子”。
如果验证后漏检集中在暗光区域，最直接的解决路径不是继续调参，而是去补拍一批电视关机状态的照片，并把这些照片按 8:2 的比例补进数据集。这个动作看起来笨，但比任何增强技巧都有效。
5. 避坑排查：电视目标检测数据集最容易翻车的五个环节
5.1 解压路径带中文，训练命令报找不到数据集
现象：执行yolo detect train后，终端提示类似Dataset not found或FileNotFoundError，而且错误路径里显示中文乱码字符。
原因：压缩包文件名和内部目录都包含中文，Ultralytics 在读取路径时对非 ASCII 字符处理不稳定，尤其在 Windows 环境下，Python 的pathlib拿到中文路径后拼接出的字符串可能无法匹配实际文件。这个问题和数据集本身质量无关，纯粹是工程环境问题。
解决：解压后马上把目录重命名成纯英文，路径中也不要带空格，例如C:/Users/yourname/work/tv_data。这是处理任何 YOLO 数据集包的第一步，别等到训练报错再回头改，否则修改路径后还得重新生成数据缓存，浪费一轮时间。
5.2 训练 loss 出现 NaN，多半是空标签或损坏图片导致
现象：训练前几个 epoch 正常，跑到第 20 轮到 40 轮之间，loss 突然变成nan，之后训练停止或指标全部变乱。
原因：大多数时候不是学习率的问题，而是数据里存在空标签文件或者图片解码异常。YOLO 数据加载器在碰到一张损坏图时，可能读入空矩阵，前向传播中的某些统计量变成 NaN，继而污染整体训练状态。空标签文件本身不会直接导致 NaN，但如果空标签对应的图片尺寸读不出来，就会触发底层错误。
解决：用第 2 章的体检脚本，把损坏图片和缺失标签这两类记录全部剔除；空标签文件如果占比不高，保留不影响训练。我一般会在体检后把问题文件名输出到bad_files.txt，再统一移到一个quarantine目录，而不是直接删除，这样后面还能复查。
5.3 “电视”和“显示器”混在一起标注
现象：训练出的模型对电脑显示器也有较高置信度，或者在检测电视时，把显示器的底座也一起框进去。
原因：电视、显示器、拼接屏在室内场景里外观高度接近，如果标注时有人把电脑显示器也标成电视，类别边界就模糊了。这个数据集的标题明确写了“标注类别为电视”，但下载包的来源不稳定，混标是真实存在的风险。
解决：先确认体检脚本输出的类别 ID 列表中只有 0 或明显异常的数字，再抽几十张图可视化 GT 框，人工确认标注对象是电视而不是显示器。下面这段代码可以快速给单张图画出标注框：
from PIL import Image, ImageDraw img_path = "tv_data/images/train/0001.jpg" label_path = "tv_data/labels/train/0001.txt" with Image.open(img_path) as im: w, h = im.size draw = ImageDraw.Draw(im) for ln in label_path.read_text(encoding="utf-8").splitlines(): cls, xc, yc, bw, bh = ln.split() xc, yc, bw, bh = map(float, [xc, yc, bw, bh]) x1 = int((xc - bw / 2) * w) y1 = int((yc - bh / 2) * h) x2 = int((xc + bw / 2) * w) y2 = int((yc + bh / 2) * h) draw.rectangle([x1, y1, x2, y2], outline="red", width=3) im.show()这里的关键是把归一化坐标乘以图像宽高，还原成像素坐标再画框。如果抽检时发现大量显示器混入，就需要把对应标签剔除，或者单独把这些显示器数据整理成第二个类别，否则电视检测模型的精度天花板会被明显压低。
5.4 单类 1323 张数据，epoch 开太大必然过拟合
现象：训练集 loss 持续下降，验证集的 mAP 却在第 50 轮之后不再上升，甚至明显下跌；可视化结果里，模型把电视背景里的家具边缘也当成了电视轮廓。
原因：数据量只有 1323 张，epoch 开到 300 甚至 500，模型开始背诵训练图里的背景纹理，而不是学习“电视”这个抽象概念。这就是典型的小样本过拟合，和模型结构关系不大。
解决：epoch 控制在 100 到 150 之间，并设置patience=20，让验证指标在连续 20 轮不增长时自动停止。判断模型是否过拟合，不要只看训练 loss，而是对比results.csv里的train/loss和val/pred_loss，后者的趋势才是真正的晴雨表。如果想进一步提升，可以先把验证集比例从 10% 调到 15%，让模型少背一点训练数据，多留一点评判空间。
5.5 电视的外轮廓比屏幕框大：标注边界不一致导致指标虚低
现象：mAP@0.5 一直上不去，可视化预测图时发现，预测框贴着整台电视的外壳，而 GT 框只框了屏幕；两者明明都标对了，但 IoU 计算出来却很低。
原因：标注人员在框选电视时标准不统一。有人按屏幕边缘框，有人把电视边框和底座也算进目标。类别定义是“电视”，但“电视”的像素边界没有统一口径，模型输出和 GT 之间就永远隔着一层矛盾。
解决：从一开始就定义一个统一标注规则，我常用的规则是“沿电视可视外轮廓的最小外接矩形，包含屏幕和外边框，底座如果明显是展示场景的一部分则不包含”。然后写脚本检查所有标注框的宽高比分布，如果同一批数据里出现两种明显不同的宽高比聚类，基本就是标注口径不一致。统一之后重新训练，mAP@0.5:0.95 往往会有明显回升，这一步属于低成本高回报的修复操作。
6. 把 1323 张图用到极致：可视化验证、低置信度筛选和部署时的置信度习惯
训练完成不代表可以马上部署，还需要一个“可视化验证 + 失败样本归因”的环节。我最常用的命令是：
yolo detect predict model=runs/detect/train/weights/best.pt \ source=tv_data/images/val \ project=debug_output \ save=True save_txt=Truesave_txt=True会为每张图生成预测结果的 txt 文件，里面是预测框的类别、置信度和坐标。把这些预测文件和 GT 文件对齐，用脚本计算每张图上预测框的置信度分布，重点关注那些置信度在 0.3 到 0.6 之间的样本，这些“犹豫”样本往往就是暗光、反光或标注口径不统一的区域。我的做法是把置信度阈值调低到 0.25 跑一遍验证集，优先把所有可能漏掉的电视捞出来，再人工看误检，而不是一开始就设一个很高的阈值。
部署阶段还有一个容易忽略的习惯：单类电视检测，漏检的代价通常远大于误检。在室内展示场景里，模型偶尔把显示器误检成电视，系统可以靠后续逻辑过滤；但电视漏检，用户会明显感觉设备“瞎了”。所以我一般会把部署时的置信度阈值压到 0.3 左右，宁可多几个候选框，也不错过真实目标。如果担心误检抬头，可以再加一条 NMS 或按框宽度过滤的小策略。
我自己现在处理这种小规模数据集的标准流程，是先跑 100 epoch 和 patience 20，再用最佳权重在验证集上做一次全量可视化。可视化不只是看 mAP，而是逐张确认模型是在“认识电视”，还是在“背训练图”。这一遍肉眼检查不会超过半小时，但能避免反复调参两三天还找不到方向。希望帮到你，也祝你这 1323 张图能发挥出超过一千张图的价值。
本文还有配套的精品资源，点击获取
