简介：本资源为面向目标检测任务的肺结节VOC格式数据集，适用于计算机、电子信息工程、数学等专业学生开展课程设计、期末大作业与毕业设计，也可供医学影像与计算机视觉方向的初学者练手。包内共2000个文件，以7048张jpg图像和3493个xml标注文件为主，图像用于模型训练与验证，xml则提供对应的目标框与类别信息，压缩包约129.35MB，解压后可直接接入YOLO系列训练流程，省去自行标注与格式转换的环节。目前已有1258人学习下载，说明该数据集在同类任务中具备一定参考价值。读者可借此快速搭建肺结节检测实验，验证数据增强、锚框调整与模型微调等思路，并对照标注文件理解VOC目录组织方式，为后续迁移到其他医学影像检测任务积累经验。
1. 肺结节检测的第一道坎：7048 张 VOC 标注到底能不能直接喂给 YOLO
拿到一份写着「已标注可直接使用」的肺结节 VOC 数据集，很多人的第一反应是解压、改路径、开训。我见过太多人卡在这一步：训练跑起来了，loss 也降了，但验证集上的 mAP 死活上不去，回头查半天才发现是标注格式和 YOLO 的预期对不上。肺结节检测这个场景本身就特殊——目标小、对比度低、正负样本极度不均衡，再叠加 VOC 到 YOLO 的格式转换问题，翻车概率比常规目标检测高出一截。这份 7048 张图像加对应标注文件的数据集，价值在于省掉了从零标注的成本，但「可直接使用」这四个字要打个问号：VOC 的 XML 标注和 YOLO 需要的 txt 标注之间，隔着坐标归一化、类别映射、图像-标注配对三道工序。这篇内容面向的是手里已经拿到这份数据、想用 YOLO 系列跑通肺结节检测的从业者，从格式转换讲到训练参数，再到评估指标怎么看，把每一步的坑提前标出来。
2. 从 VOC XML 到 YOLO txt：转换脚本与四个边界坑
2.1 为什么不能直接把 XML 丢给 YOLO
YOLO 系列（从 v5 到 v8、v11）读标注的方式和 VOC 完全不同。VOC 的 XML 里存的是绝对像素坐标，格式是<xmin> <ymin> <xmax> <ymax>，而 YOLO 要的是归一化后的中心点坐标加宽高，格式为<class_id> <cx> <cy> <w> <h>，所有值都在 0 到 1 之间。这个差异意味着你不能指望 YOLO 的 dataloader 自动兼容 VOC，必须做一次显式转换。
转换的核心逻辑不复杂：读 XML，取边界框，算中心点和宽高，分别除以图像宽高做归一化，再按类别名映射到数字 id。但肺结节数据有几个特殊之处会让这个流程出问题。第一，结节标注可能非常小，几个像素的框在归一化后数值极小，如果转换时用了整数除法或者精度不够，框会直接消失。第二，有些 XML 里可能存在宽高为 0 的无效标注，转换后变成 NaN，训练时直接报错。第三，图像文件和 XML 文件的命名不一定严格一一对应，有的数据集图像是.png但 XML 里引用的文件名是.jpg。第四，类别名可能有大小写不一致或者多余空格，导致类别映射表对不上。
2.2 转换脚本：逐行拆解与参数说明
下面这个脚本是我在处理肺结节 VOC 数据时常用的版本，基于 Python 标准库加 Pillow，不依赖 pycocotools 之类的重库，跑起来快且可控。
import os import xml.etree.ElementTree as ET from PIL import Image from pathlib import Path # 配置区：根据实际目录结构调整 VOC_IMG_DIR = "./VOCdevkit/VOC2007/JPEGImages" # 图像目录 VOC_ANN_DIR = "./VOCdevkit/VOC2007/Annotations" # XML 标注目录 OUT_LABEL_DIR = "./labels/train" # YOLO 标签输出目录 CLASS_MAP = {"nodule": 0} # 类别名到 id 的映射，肺结节通常只有一类 def convert_bbox(size, box): """将 VOC 绝对坐标转为 YOLO 归一化中心坐标""" dw = 1.0 / size[0] dh = 1.0 / size[1] x_center = (box[0] + box[1]) / 2.0 y_center = (box[2] + box[3]) / 2.0 w = box[1] - box[0] h = box[3] - box[2] return (x_center * dw, y_center * dh, w * dw, h * dh) def convert_annotation(xml_path, img_dir, out_dir): tree = ET.parse(xml_path) root = tree.getroot() # 从 XML 中读取图像尺寸，而不是重新打开图像，避免路径不一致 size = root.find("size") img_w = int(size.find("width").text) img_h = int(size.find("height").text) if img_w <= 0 or img_h <= 0: return # 跳过尺寸异常的标注 out_lines = [] for obj in root.iter("object"): cls_name = obj.find("name").text.strip().lower() if cls_name not in CLASS_MAP: continue # 类别不在映射表中则跳过 cls_id = CLASS_MAP[cls_name] bbox = obj.find("bndbox") xmin = float(bbox.find("xmin").text) ymin = float(bbox.find("ymin").text) xmax = float(bbox.find("xmax").text) ymax = float(bbox.find("ymax").text) # 边界裁剪：防止标注超出图像范围 xmin = max(0, min(xmin, img_w)) xmax = max(0, min(xmax, img_w)) ymin = max(0, min(ymin, img_h)) ymax = max(0, min(ymax, img_h)) if xmax <= xmin or ymax <= ymin: continue # 跳过无效框 bb = convert_bbox((img_w, img_h), (xmin, xmax, ymin, ymax)) out_lines.append(f"{cls_id} {' '.join(f'{v:.6f}' for v in bb)}") if not out_lines: return # 没有有效标注则不生成文件 stem = Path(xml_path).stem out_path = os.path.join(out_dir, stem + ".txt") with open(out_path, "w") as f: f.write("\n".join(out_lines)) def main(): os.makedirs(OUT_LABEL_DIR, exist_ok=True) xml_files = [f for f in os.listdir(VOC_ANN_DIR) if f.endswith(".xml")] converted, skipped = 0, 0 for xml_file in xml_files: xml_path = os.path.join(VOC_ANN_DIR, xml_file) stem = Path(xml_file).stem # 检查图像是否存在，支持常见扩展名 img_exists = any( os.path.exists(os.path.join(VOC_IMG_DIR, stem + ext)) for ext in [".png", ".jpg", ".jpeg", ".bmp"] ) if not img_exists: skipped += 1 continue convert_annotation(xml_path, VOC_IMG_DIR, OUT_LABEL_DIR) converted += 1 print(f"转换完成: {converted} 个, 跳过: {skipped} 个") if __name__ == "__main__": main()这段脚本的关键设计点有几个。convert_bbox里用的是浮点除法，dw和dh都是1.0 / size，保证不会因为整数除法把小数截断。输出格式用了:.6f，六位小数对于肺结节这种小目标足够保留精度，YOLO 官方也是这个精度。边界裁剪那几行是血泪经验——有些 XML 里的框会超出图像边界，不裁剪的话归一化后坐标可能大于 1，YOLO 训练时虽然不报错但会引入噪声。CLASS_MAP里我用了.strip().lower()做预处理，防止 XML 里写的是Nodule或者nodule导致匹配失败。
参数方面，VOC_IMG_DIR和VOC_ANN_DIR要指向解压后的实际路径。如果你的数据集目录结构是JPEGImages和Annotations平级，那直接改这两个变量就行。OUT_LABEL_DIR建议按训练集和验证集分开，后面生成train.txt和val.txt时要用到。
2.3 生成训练所需的 train.txt 和 val.txt
YOLO 训练不直接读文件夹，而是读一个文本文件，每行是图像路径。转换完标签后，需要把图像路径写进train.txt和val.txt。
import os import random IMG_DIR = "./VOCdevkit/VOC2007/JPEGImages" LABEL_DIR = "./labels/train" OUTPUT_DIR = "./data" all_imgs = [f for f in os.listdir(IMG_DIR) if f.endswith((".png", ".jpg", ".jpeg"))] # 只保留有对应标签文件的图像 paired = [] for img in all_imgs: stem = os.path.splitext(img)[0] if os.path.exists(os.path.join(LABEL_DIR, stem + ".txt")): paired.append(os.path.join(IMG_DIR, img)) random.seed(42) # 固定随机种子，保证可复现 random.shuffle(paired) split = int(len(paired) * 0.8) train_list = paired[:split] val_list = paired[split:] os.makedirs(OUTPUT_DIR, exist_ok=True) with open(os.path.join(OUTPUT_DIR, "train.txt"), "w") as f: f.write("\n".join(train_list)) with open(os.path.join(OUTPUT_DIR, "val.txt"), "w") as f: f.write("\n".join(val_list)) print(f"训练集: {len(train_list)}, 验证集: {len(val_list)}")这里有个容易忽略的点：paired列表只保留同时存在图像和标签的样本。如果 XML 转换时跳过了某些文件，这里会自动过滤掉，避免训练时找不到标签报错。random.seed(42)是为了让每次划分结果一致，方便对比实验。80/20 的划分对 7048 张图像来说，验证集大约 1400 张，足够评估指标了。
2.4 数据集配置文件怎么写
YOLO 需要一个 YAML 文件来描述数据集路径和类别信息。肺结节检测通常只有一类，配置很简洁。
# nodule_dataset.yaml path: ./data train: train.txt val: val.txt nc: 1 names: 0: nodulepath是数据集根目录，train和val是相对于path的路径。nc是类别数，肺结节检测一般就是 1。names里的0: nodule要和转换脚本里的CLASS_MAP对应上，否则类别 id 会错位。
3. 用 YOLOv8 跑通肺结节训练：参数怎么设、显存怎么省
3.1 模型选型：为什么肺结节检测不建议一上来就用大模型
YOLOv8 提供了 n、s、m、l、x 五个尺寸。肺结节检测的目标通常很小，很多人直觉上觉得要用大模型才能提精度，但实际恰恰相反。大模型的感受野更大，对小目标的响应反而不如小模型敏感。而且肺结节数据集只有 7048 张，大模型参数量大，过拟合风险高。我一般会从yolov8s起步，如果显存充裕且验证集 mAP 还有提升空间，再换yolov8m。yolov8n虽然快，但对小目标的检测能力偏弱，肺结节这种场景不太够用。
如果你用的是 YOLOv5 或 YOLOv11，选型逻辑类似：先小后大，用验证集指标说话。YOLOv8 的预训练权重可以从官方仓库下载，加载预训练权重能显著加快收敛，尤其是肺结节这种小数据集。
3.2 训练命令与关键参数逐项说明
yolo detect train \ data=./data/nodule_dataset.yaml \ model=yolov8s.pt \ epochs=200 \ imgsz=640 \ batch=16 \ lr0=0.01 \ lrf=0.01 \ patience=30 \ device=0 \ project=./runs/nodule \ name=exp1 \ pretrained=True \ optimizer=SGD \ cos_lr=True \ mosaic=1.0 \ mixup=0.1 \ degrees=10.0 \ translate=0.1 \ scale=0.5 \ fliplr=0.5 \ cache=Trueimgsz=640是 YOLOv8 的默认输入尺寸。肺结节在 CT 图像里可能只占几十个像素，缩放到 640 后可能只剩几个像素，这是小目标检测的核心矛盾。如果显存允许，可以尝试imgsz=1024，但要注意显存占用会翻倍。batch=16在 8GB 显存上跑yolov8s加imgsz=640基本够用，如果 OOM 就降到 8 或 4。
lr0=0.01是初始学习率，lrf=0.01是最终学习率因子，配合cos_lr=True做余弦退火。patience=30表示 30 个 epoch 验证指标不提升就早停，防止过拟合。mosaic=1.0是 YOLOv8 默认开启的数据增强，把四张图拼成一张，对小目标检测有好处，但肺结节场景下要注意拼接后的图像语义是否合理。mixup=0.1是混合增强，轻度使用即可。degrees=10.0做小角度旋转增强，translate=0.1和scale=0.5做平移和缩放增强，fliplr=0.5做水平翻转。cache=True把图像缓存到内存，加快训练速度，但如果数据集大且内存小，可能反而拖慢。
3.3 显存不够时的三个降级策略
第一个策略是降batch。从 16 降到 8 再到 4，显存占用线性下降，但训练稳定性会变差，可以配合梯度累积来补偿。第二个策略是降imgsz。从 640 降到 512 甚至 416，显存占用按平方下降，但对小目标的检测能力损失明显，肺结节场景要谨慎。第三个策略是换更小的模型。yolov8n的参数量只有yolov8s的三分之一左右，显存占用大幅降低，但精度也会下降。我一般会先试降 batch，再试换模型，最后才动 imgsz。
3.4 训练过程中该盯哪些指标
YOLOv8 训练时会输出一系列指标，重点看三个：box_loss、cls_loss和mAP50。box_loss下降说明边界框回归在收敛，cls_loss下降说明分类在收敛。如果box_loss震荡不降，可能是学习率太大或者标注框有问题。mAP50是 IoU 阈值 0.5 时的平均精度，肺结节检测里这个指标通常不会太高，因为小结节本身边界就模糊。如果mAP50在 0.3 到 0.5 之间，说明模型学到了东西；如果低于 0.1，大概率是标注格式或类别映射出了问题。
4. 肺结节 VOC 数据集训练避坑：5 个真实翻车记录
4.1 现象：训练 loss 正常下降但 mAP 始终为 0
原因：类别映射错位。XML 里的类别名是nodule，但 YAML 里写的是Nodule或者0: lung_nodule，导致模型学到的类别和评估时的类别对不上。解决：检查CLASS_MAP、YAML 里的names和转换后 txt 文件里的 class_id 是否一致。用head -5 labels/train/xxx.txt看一眼第一列是不是 0。
4.2 现象：训练到一半报 NaN loss
原因：标注里有宽高为 0 的框，归一化后变成 NaN，反向传播时污染梯度。解决：在转换脚本里加if xmax <= xmin or ymax <= ymin: continue，把无效框过滤掉。如果已经生成了标签文件，可以用脚本扫一遍所有 txt，把含 NaN 或负值的行删掉。
4.3 现象：验证集 mAP 比训练集低很多
原因：过拟合。7048 张图像对 YOLO 来说不算多，如果模型参数量大、训练 epoch 多，很容易过拟合。解决：减小模型尺寸（从yolov8m换到yolov8s），增加数据增强强度（提高mosaic、mixup、degrees），开启早停（patience=30），或者加 dropout。另外检查训练集和验证集的划分是否随机，如果验证集恰好都是难样本，指标也会偏低。
4.4 现象：训练速度极慢，GPU 利用率低
原因：数据加载是瓶颈。如果图像存放在机械硬盘上，或者cache=False且图像尺寸大，dataloader 会成为瓶颈。解决：设置cache=True把图像缓存到内存，或者把数据集复制到 SSD。另外检查workers参数，YOLOv8 默认是 8，如果 CPU 核心少可以适当降低。
4.5 现象：推理时检测框大量重叠或漏检
原因：NMS 阈值不合适或者置信度阈值太高。肺结节检测里，小结节的置信度通常偏低，如果conf设成 0.25 以上，很多小结节会被过滤掉。解决：推理时把conf降到 0.1 到 0.15，iou设为 0.5 到 0.6。如果检测框大量重叠，说明 NMS 没起作用，检查agnostic_nms参数是否设置正确。
5. 肺结节检测的进阶技巧：从能跑到能用还差哪几步
5.1 用切片推理提升小结节检出率
肺结节在整张 CT 图像里占比极小，直接缩放到 640 会丢失大量细节。一个实用的技巧是切片推理：把原图切成有重叠的子图，分别推理后再合并结果。YOLOv8 本身不直接支持切片推理，但可以用 SAHI（Slicing Aided Hyper Inference）库来实现。
from sahi import AutoDetectionModel from sahi.predict import get_sliced_prediction detection_model = AutoDetectionModel.from_pretrained( model_type="yolov8", model_path="./runs/nodule/exp1/weights/best.pt", confidence_threshold=0.15, device="cuda:0" ) result = get_sliced_prediction( "test_ct.png", detection_model, slice_height=512, slice_width=512, overlap_height_ratio=0.2, overlap_width_ratio=0.2 ) result.export_visuals(export_dir="./sahi_output/")slice_height和slice_width控制切片大小，overlap_height_ratio和overlap_width_ratio控制重叠比例。重叠比例设 0.2 左右能保证边缘目标不被切掉。切片推理的代价是推理时间成倍增加，但对小结节的检出率提升明显。我一般会在验证集上对比切片推理和整图推理的 mAP，如果提升超过 5 个点，就值得在生产环境用。
5.2 用混淆矩阵定位类别混淆问题
YOLOv8 训练完会自动生成混淆矩阵，存在runs/nodule/exp1/confusion_matrix.png。肺结节检测通常只有一类，混淆矩阵看起来很简单，但如果你发现背景被大量误检为结节，说明模型的假阳性率偏高。这时候可以检查训练集里是否有大量无结节的背景图像被误标，或者验证集里背景样本太少导致模型没学会区分。
5.3 模型导出与推理速度优化
训练完的.pt文件可以用yolo export导出为 ONNX 或 TensorRT，推理速度能提升 2 到 5 倍。
yolo export model=./runs/nodule/exp1/weights/best.pt format=onnx opset=12 simplify=True yolo export model=./runs/nodule/exp1/weights/best.pt format=engine half=True device=0opset=12是 ONNX 的算子集版本，兼容性较好。simplify=True会做图优化，减小模型体积。导出 TensorRT 时half=True开启 FP16 精度，速度更快但精度可能略降，肺结节检测里这个精度损失通常可以接受。导出后建议用同一张测试图对比 PyTorch 和 TensorRT 的推理结果，确保检测框一致。
5.4 我踩过的最大的坑
回头看，我在肺结节 VOC 数据集上踩过的最大的坑不是模型选型，也不是参数调优，而是太相信「已标注可直接使用」这句话。第一次跑的时候没检查标注质量，训练完发现模型把血管截面也检成了结节，回头翻 XML 才发现有一部分标注确实把血管误标了。后来我养成了一个习惯：转换完标签后，随机抽 20 张图把 YOLO 格式的框画回原图上肉眼检查一遍。这个步骤花不了十分钟，但能省掉后面几天的排查时间。希望帮到你。
本文还有配套的精品资源，点击获取
