【YOLOv11】020、YOLOv11在自定义数据集上的实战：从零训练一个检测模型

张开发
• 2026/4/17 10:46:26 • 15 分钟阅读

最新文章

推荐文章

相关文章

分享文章

【YOLOv11】020、YOLOv11在自定义数据集上的实战：从零训练一个检测模型
昨天深夜，实验室的师弟跑来找我，一脸愁容：“师兄，我用自己的数据训练YOLOv11，loss降得挺漂亮，可模型就是检测不出东西，预测结果全是空列表。” 我让他把预测代码和数据集结构发过来一看，果然——label文件里存的还是相对坐标，但预处理时没做归一化转换。这个坑，几乎每个第一次用自定义数据训练检测模型的人都会踩。今天咱们就彻底把这件事讲透。数据集准备：别在格式上栽跟头现在主流的数据集格式主要是COCO和YOLO格式两种。对于自定义数据，我强烈建议用YOLO格式，结构干净，处理起来直接。你的数据集目录应该长这样：custom_dataset/ ├── images/ │ ├── train/ │ │ ├── img001.jpg │ │ └── ... │ └── val/ │ ├── img050.jpg │ └── ... └── labels/ ├── train/ │ ├── img001.txt │ └── ... └── val/ ├── img050.txt └── ...关键在这里：每个txt文件的行格式是class_id x_center y_center width height，注意这四个坐标值是归一化后的，即除以图片宽高后的相对值。我见过有人直接把绝对坐标往里塞，训练时不会报错，但模型永远学不会。标签转换的脚本可以这样写：

更多文章