爆炸物-人-火焰-发电站

## 1. 目录结构 ``` VOCData/ ├── bomb/ # 爆炸物检测（VOC XML，6 类，数字编号） ├── bomb2/ # 弹药型号检测（VOC XML，16 类） ├── fire_smoke/ # 火焰/烟雾检测（VOC XML，2 类） ├── people/ # 行人检测（自定义 JSON，2 类） ├── power/ # 电厂检测（VOC XML，1 类） ├── video/ # 推理用的源视频（非标注数据集） └── README.md # 本文件 ``` 每个「任务目录」内部通常遵循如下约定（以 VOC XML 类为例）： ``` <bomb2>/ ├── images/ # 原始图片（.jpg/.jpeg/...） ├── Annotations/ # VOC 标注（.xml，与图片同名） ├── labels/ # 生成的 YOLO 标签（.txt，与图片同名） ├── bomb2.txt # 主清单：images/ 下全部图片名（生成名字步骤产出） ├── train.txt # 训练集清单，每行 ./images/<name> ├── val.txt # 验证集清单 ├── test.txt # 测试集清单 └── make_label.py # 一键标注脚本（见第 4 节） ``` > 注：`bomb2.txt` 这个主清单文件名是历史遗留命名，fire_smoke / power 目录里也沿用了它， > 本质就是「该任务全部图片的清单」，并非仅属于 bomb2。 --- ## 2. 数据集汇总 | 任务 | 图片数 | 标注数 | 标注格式 | 类别（class_id 见第 5 节） | 标签工具 | |-------------|-------:|-------:|----------|--------------------------------------|-----------------------------------| | `bomb` | 1086 | 1086 | VOC XML | `1,2,3,5,6,7`（跳过 4） | 共享 `tools/make_labels.py`(voc) | | `bomb2` | 833 | 833 | VOC XML | 16 类弹药型号 | `bomb2/make_label.py` | | `fire_smoke`| 5749 | 5749 | VOC XML | `fire`, `smoke` | `fire_smoke/make_label.py` | | `people` | 989 | 989 | JSON | `1`, `2` | 共享 `tools/make_labels.py`(json) | | `power` | 2223 | 2223 | VOC XML | `PowerPlant` | `power/make_label.py` | | `video` | — | — | 视频 | —（推理输入，不在本仓训练） | — | 切分比例统一为 **训练 : 验证 : 测试 = 8 : 1 : 1**，随机种子 `seed=42`（可复现）。 各任务 train/val/test 实际数量： - bomb2：666 / 83 / 84 - fire_smoke：4599 / 574 / 576 - power：1778 / 222 / 223 --- ## 3. YOLO 标签格式 `labels/<image_id>.txt` 每行一个目标： ``` <class_id> <cx> <cy> <w> <h> ``` - `class_id`：从 0 开始的整数，对应第 5 节的类别顺序 - `cx, cy, w, h`：相对于图片宽高的归一化值，范围 `[0, 1]` - 一张图多个目标 → 多行；无目标的图 → 空文件（不写行） --- ## 4. 一键标注脚本 `make_label.py`（bomb2 / fire_smoke / power） 这三个任务各自有一份**独立副本**的 `make_label.py`，按顺序执行三步： 1. **生成名字** —— 扫描 `images/` 写出主清单 `bomb2.txt` 2. **分割数据集** —— 按 8:1:1 切分，写出 `train.txt` / `val.txt` / `test.txt` 3. **标签转化** —— 把 `Annotations/*.xml` 转成 `labels/*.txt`（VOC→YOLO） 所有「因数据集而异」的参数集中在脚本顶部的 `CONFIG` 字典，也可命令行覆盖。 ```bash cd VOCData/fire_smoke # 进入对应任务目录后运行 python make_label.py # 默认 8:1:1, seed=42 python make_label.py --split-ratio 0.8 0.1 0.1 --seed 7 python make_label.py --dry-run # 仅预览切分，不写文件 python make_label.py --no-convert # 只生成名字+切分，不转标签 ``` 常用可覆盖参数：`--data-root` `--images-dir` `--ann-dir` `--labels-dir` `--list-file` `--split-names` `--split-ratio` `--seed` `--classes` `--dry-run` `--no-convert`。 > ⚠️ **重跑会覆盖** 该目录下的 `bomb2.txt` / `train.txt` / `val.txt` / `test.txt` 与 `labels/`。 --- ## 5. 各类别明细 ### bomb2（16 类，class_id 顺序即下列下标） ``` 0 PF89S-80 1 GLD213_DL 2 GLD120_DL 3 82S 4 PP89S 5 PHL03S-300 6 PP87S-82 7 PHL81S-122 8 66S-152 9 70_QLD 10 52S-57 11 CJD 12 80_SSD 13 SBRD-90 14 2.5kg-I 15 HK-23 ``` ### fire_smoke（2 类） ``` 0 fire 1 smoke ``` > 个别标注把 `smoke` 误写成 `smog`，脚本已自动归并到 `smoke`，不会丢样本。 ### power（1 类） ``` 0 PowerPlant ``` ### bomb（6 类，XML 中以数字字符串标注，刻意跳过 4） ``` XML 名称: 1 2 3 5 6 7 ``` > bomb 不在 VOCData 内放独立 `make_label.py`，而是用共享工具生成（见第 6 节）。 ### people（2 类，自定义 JSON） ``` 1 行人类别 1 2 行人类别 2 ``` > 标注不是 VOC XML，而是 `people/json_det/<id>_det.json`，结构为 > `{name, size, objects:[{category, box2d:{x1,y1,x2,y2}, ...}]}`。 --- ## 6. bomb / people 的标签生成（共享通用工具） `bomb` 与 `people` 使用仓库根目录的共享工具 `tools/make_labels.py` （全参数化，支持 voc / json 两种格式），不在 VOCData 内各放一份。 其中 `bomb/make_labels.py` 是对该通用工具的薄封装（写死 bomb 默认值）。 ```bash # bomb（voc 格式） python tools/make_labels.py --data-root VOCData/bomb --format voc \ --classes 1 2 3 5 6 7 --list-file bomb_pic.txt # people（json 格式） python tools/make_labels.py --data-root VOCData/people --format json \ --classes 1 2 --list-source file --list-file people.txt ``` 具体参数以 `python tools/make_labels.py -h` 为准。 --- ## 7. 重要注意事项 1. **`make_label.py` 是按数据集硬编码类目的独立副本**，bomb2 / fire_smoke / power 三份互不相同。**切勿跨数据集套用**——曾因把 bomb2 的 16 类列表复制到 fire_smoke / power，导致所有标签被静默跳过、文件全空。改类目请只改对应那份脚本的 `CONFIG['classes']`。 2. **坐标修正**：VOC→YOLO 转换中中心点公式为 `(xmin+xmax)/2 / w`， 不要多加 `-1`（旧脚本曾有该 bug，已修正）。 3. **标注越界会自动裁剪**到图片边界（`xmax>width` 等情形）。 4. **空标注/解析失败**会被跳过并提示，不会中断整批转换。 5. `video/` 只放推理用的源视频，不参与训练数据集统计。