cuphead-yolo
收藏资源简介：
Cuphead Qwen Teacher YOLO Dataset v2是一个私有研究数据集，用于训练一个三类别局部检测器，以替代Qwen API对剩余Cuphead/UniVAM帧的标注。数据集包含2500张来自商业游戏Cuphead的帧图像，其中2100张用于训练，400张用于验证。共标注了8512个边界框，分为三类：0 player（1935个）、1 npc（3609个）、2 attack_object（2968个）。此外，还有460个显式空标签图像，其中455个为非游戏背景负样本。验证集按顶级录制源划分，而非随机帧，以避免训练集和验证集之间的近重复泄露。数据来源于2500个被接受的Qwen教师记录，非游戏记录使用显式空标注。训练时建议使用batch size 32，并基于yolo26s.pt检查点。
Cuphead Qwen Teacher YOLO Dataset v2 is a private research dataset used to train a three-category local detector to replace Qwen API annotations for the remaining Cuphead/UniVAM frames. The dataset contains 2500 frames from the commercial game Cuphead, with 2100 for training and 400 for validation. A total of 8512 bounding boxes are annotated, divided into three categories: 0 player (1935), 1 npc (3609), 2 attack_object (2968). Additionally, there are 460 explicit empty label images, of which 455 are non-game background negatives. The validation set is split by top-level recording source, rather than random frames, to avoid near-duplicate leakage between training and validation sets. The data comes from 2500 accepted Qwen teacher records, with non-game records using explicit empty annotations. It is recommended to use batch size 32 and base on the yolo26s.pt checkpoint for training.
数据集概述
Cuphead Qwen Teacher YOLO Dataset v2 是一个用于训练目标检测模型的私有研究数据集，旨在训练一个三类别局部检测器，用于替代Qwen API对剩余Cuphead/UniVAM帧的标注工作。该数据集采用YOLO格式，直接可供训练使用。
基本信息
- 任务类别：目标检测（object-detection）
- 数据规模：1K < n < 10K
- 标签：yolo、cuphead、pseudo-labeling
- 许可证：other（保守设置，不授予底层游戏艺术资产的再分发权利）
- 隐私说明：因图像来自商业游戏帧，除非项目所有者独立验证再分发权，否则需保持仓库私有
数据内容与结构
数据集包含以下目录结构：
code/：可移植的训练、评估、推理包data/yolo_teacher_v2/：可直接训练的YOLO数据集provenance/final_teacher/：已接受的Qwen记录和质量决策UPLOAD_INSTRUCTIONS.md：上传和目标机器下载命令
数据集统计
- 图像数量：2,500张（训练集2,100张，验证集400张）
- 边界框数量：8,512个
- player（玩家）：1,935个
- npc（非玩家角色）：3,609个
- attack_object（攻击对象）：2,968个
- 空标签图像：460张（其中455张为非游戏画面负样本）
- 质量保证：无无效边界框，训练集与验证集之间无录制源泄漏
类别映射
| 类别ID | 类别名称 |
|---|---|
| 0 | player |
| 1 | npc |
| 2 | attack_object |
数据划分
验证集按照顶层录制来源（top-level recording source）进行划分，而非随机划分单个帧，以避免近重复源的泄漏。
训练说明
- 训练环境：80GB GPU 机器
- 训练命令：在
code目录下运行run_training_pipeline.sh，指定data.yaml路径及设备ID - 预训练模型：使用官方
yolo26s.pt检查点（由流水线下载并通过SHA256验证，不在数据集中再分发） - 推荐批大小：从32开始（48为次要实验），不建议在80GB GPU上使用
batch=-1，因为会导致批过大、每个epoch优化器更新过少
数据来源与审计
该YOLO导出数据由2,500条已接受的Qwen教师记录生成。非游戏画面的记录使用显式空标注。源JSONL文件和最终质量清单保留在provenance/目录下，以便对导出过程进行审计。
