简介TinyPerson数据集是面向小目标检测任务的专用数据集包含1532个精心挑选的样本所有图片均使用VOC xml与YOLO txt两种格式完成标注并预先划分为训练集、验证集和测试集。这一设计直接兼容YOLO系列算法配合资源包内的data.yaml配置文件可免去自行标注与目录整理的繁琐步骤让研究者把精力集中在模型结构和训练策略上。资源包共2000个文件其中1532个txt为YOLO格式标注467个xml为VOC格式标注另有1个yaml配置压缩包大小78.69MB。已有736人学习下载受安防监控、无人驾驶和机器人视觉等场景开发者关注。该数据集补充了小型行人目标的稀缺标注样本可用于研究小尺寸、复杂背景下的目标召回与定位精度提升也为人群计数、行为分析等任务提供了可靠的基准数据借助预置的划分与配置可快速完成训练和迭代适合计算机视觉方向的算法工程师与科研人员使用。1. TinyPerson是什么为什么值得关注做目标检测这几年遇到最多的问题之一就是小目标检测。无人机视角下的行人、海上搜救场景里落水的人、监控视频里远处的人影——这些目标在画面里往往只有几十个甚至十几个像素常规数据集里根本找不到足够多的样本去训练。直到我接触到TinyPerson数据集这个问题才有了比较顺手的解法。TinyPerson是一个专门为远距离、小尺寸人群检测设计的数据集采集自海上和沙滩等开阔场景图像分辨率很高但里面的行人目标非常小。最典型的应用场景就是海上搜救、海岸监控这类“在辽阔画面里找人”的任务。这个数据集的价值就在于它把“小目标”这件事做到了极致——目标尺寸普遍在20像素以下和常规目标检测数据集里动辄几百像素的目标完全不是一个量级。如果你正在做类似的小目标检测项目或者想把YOLO在小目标场景下的性能吃透TinyPerson几乎是绕不开的基准数据集。本文就以TinyPerson数据集为主线梳理它的结构、YOLO格式转换方式、训练技巧和常见坑点帮你少走弯路。1.1 数据集的出身与应用场景TinyPerson发布于2020年前后由学术团队针对“远距离人群检测”这一细分方向整理发布。原始图像大部分来自海上救援视角和近海岸线的开放场景目标人物以远距离小尺寸形态出现图像分辨率极高部分图像甚至超过2000x3000像素但每个人身目标实际占据的像素极少。这种“大图小目标”的设定和工业界很多真实场景高度重合无人机巡检、安防监控、应急搜救等。这个数据集最直接的价值在于它把“小目标检测”这个伪命题变成了可量化、可复现的真问题。用普通数据集训练出来的模型在人脸、车辆等常规目标上效果不错但一到高空俯瞰或远距离视角就全线崩溃。TinyPerson提供了足够多的小尺寸行人标注让模型有机会学到“小目标长什么样”。对于做研究的人它是衡量小目标检测算法的标准测试床对于做工程的人它是训练高鲁棒性检测模型的优质数据源。1.2 小目标检测的难点在哪聊TinyPerson之前得先搞清楚为什么小目标检测这么难。YOLO系列算法在常规目标上几乎已经做到极致的效率但小目标场景仍然是个硬骨头原因有三第一特征太少。一个16x16像素的行人经过YOLO骨干网络的多次下采样后特征图上的响应只剩下几个像素点分类和回归都缺乏足够的判别信息。第二样本不平衡。常规数据集中小目标占比低模型训练时被大目标“带偏”收敛不到适合小目标的状态。第三标注困难。小目标边界模糊人眼都很难精确框选标注质量直接影响训练效果。这些难点在TinyPerson上体现得淋漓尽致。整个数据集的目标尺寸分布极其偏向小目标如果直接用默认参数训练YOLOmAP通常很难看。这也是为什么这篇博文要专门讲TinyPerson的YOLO格式处理和训练技巧——不是简单地跑通流程就行而是要针对小目标特性做针对性的调整。2. 数据集结构与标注格式详解拿到TinyPerson数据集之后第一件事就是搞清楚它的目录结构和标注格式。很多新手在这里就卡住了——不是数据下不下来而是下载下来不知道从哪下手。2.1 官方原始格式COCO风格JSONTinyPerson官方发布的数据格式更接近COCO风格但又有自己的定制化字段。核心目录通常包含tiny_person/ ├── images/ │ ├── train/ │ │ ├── 000001.jpg │ │ └── ... │ ├── val/ │ └── test/ ├── annotations/ │ ├── tiny_person_train.json │ ├── tiny_person_val.json │ └── tiny_person_test.jsonJSON标注文件里每张图片对应一个image记录包含id、file_name、width、height等字段每个目标对应一个annotation记录包含image_id、category_id、bboxx, y, width, height像素坐标、area等字段。类别只有一类personcategory_id通常为1。这和COCO数据集的结构基本对齐方便直接用pycocotools做评估。这里有个值得注意的细节TinyPerson的标注框质量整体较高但个别图像中存在遮挡严重的行人标注框会存在一定的截断或不完整。训练时建议保留这些标注因为它们更接近真实场景有助于提升模型的鲁棒性。2.2 为什么需要转换成YOLO格式COCO格式本身很完善为什么要转成YOLO格式核心原因是训练效率。YOLO系列的训练管线尤其是YOLOv5、YOLOv8、YOLOv9对数据格式有明确的约定——每个图像对应一个同名的txt文件每行一个目标格式为class_id x_center y_center width height。其中四个坐标值都做了归一化处理范围在0到1之间。这种格式的好处在于训练时不需要每次读取JSON再解析直接从txt读取即可数据加载速度明显更快也更适合大规模训练。另外YOLO格式的归一化坐标与输入尺寸解耦图片缩放后不需要重新计算标注训练时的数据增强如Mosaic、随机缩放处理起来非常方便。转换的核心逻辑其实很直接# COCO bbox: [x_min, y_min, width, height]像素坐标 # YOLO bbox: [x_center_norm, y_center_norm, width_norm, height_norm] x_center_norm (x_min width / 2) / image_width y_center_norm (y_min height / 2) / image_height width_norm width / image_width height_norm height / image_height四个公式看着简单但实际动手时还有不少细节要处理类别ID映射、无效标注过滤、目录结构重建等稍有不慎就会导致训练时标注错位。3. 转换工具与实操步骤说实话TinyPerson转YOLO格式这件事网上的现成脚本不少但我建议你动手写一遍因为只有自己写才能理解转换逻辑后面出问题也更容易排查。下面是我实际使用的转换流程。3.1 环境准备与依赖转换脚本不需要复杂的依赖Python 3.8以上安装json、os、shutil等标准库就够用。如果你后续还要做数据可视化验证可以再装opencv-python和matplotlib。我通常还会用tqdm展示转换进度方便判断脚本是否卡住。准备阶段有一个容易被忽略的点TinyPerson原始图片路径和JSON中的file_name字段可能不一致。建议先遍历JSON文件把image_id到文件实际路径的映射关系建立好再开始转换避免转换后找不到图片文件。3.2 转换脚本的实现要点以下是核心转换脚本的逻辑框架import json import os from tqdm import tqdm def coco_to_yolo(coco_json_path, output_dir, images_dir): with open(coco_json_path, r, encodingutf-8) as f: coco_data json.load(f) # 建立 image_id 到图片信息的映射 image_info {} for img in coco_data[images]: image_info[img[id]] img # 类别映射TinyPerson只有person一个类 category_mapping {} for cat in coco_data[categories]: category_mapping[cat[id]] cat[id] - 1 # 从0开始 # 按图片分组标注 annotations_by_image {} for ann in coco_data[annotations]: img_id ann[image_id] annotations_by_image.setdefault(img_id, []).append(ann) os.makedirs(output_dir, exist_okTrue) for img_id, anns in tqdm(annotations_by_image.items()): img image_info[img_id] img_width img[width] img_height img[height] # 找到对应图片文件 img_path os.path.join(images_dir, img[file_name]) if not os.path.exists(img_path): print(f警告: 图片不存在 {img_path}) continue # 生成对应的txt标签文件 txt_name os.path.splitext(os.path.basename(img[file_name]))[0] .txt txt_path os.path.join(output_dir, txt_name) with open(txt_path, w) as f: for ann in anns: bbox ann[bbox] # [x, y, w, h] x_center_norm (bbox[0] bbox[2] / 2) / img_width y_center_norm (bbox[1] bbox[3] / 2) / img_height w_norm bbox[2] / img_width h_norm bbox[3] / img_height # 过滤无效标注 if w_norm 0 or h_norm 0: continue class_id category_mapping.get(ann[category_id], 0) f.write(f{class_id} {x_center_norm:.6f} {y_center_norm:.6f} f{w_norm:.6f} {h_norm:.6f}\n)脚本有几个细节值得注意归一化坐标保留6位小数即可过多的小数位不会提升精度反而会让txt文件变大。过滤掉宽或高为0的无效标注这类标注通常来自数据集中的异常样本。图片不存在时打印警告但不要中断整个转换个别图片缺失不该导致全部转换失败。3.3 转换结果的验证方法转换完成后千万不要急着训练先验证先验证先验证。重要的事情说三遍。我见过太多人转换完直接训练最后发现标注框全偏移白白浪费好几个小时。验证方法很简单用OpenCV把YOLO格式的标注画到原图上目视检查标注是否对齐import cv2 def visualize_yolo_annotation(image_path, txt_path, class_namesNone): img cv2.imread(image_path) h, w img.shape[:2] with open(txt_path, r) as f: lines f.readlines() for line in lines: parts line.strip().split() class_id, x_center_norm, y_center_norm, w_norm, h_norm map(float, parts) x_center x_center_norm * w y_center y_center_norm * h box_w w_norm * w box_h h_norm * h x1 int(x_center - box_w / 2) y1 int(y_center - box_h / 2) x2 int(x_center box_w / 2) y2 int(y_center box_h / 2) cv2.rectangle(img, (x1, y1), (x2, y2), (0, 255, 0), 2) cv2.putText(img, str(int(class_id)), (x1, y1 - 5), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 0, 255), 2) cv2.imshow(check, cv2.resize(img, (960, 640))) cv2.waitKey(0)抽样检查10到20张图即可重点看小目标是否框准、边界是否贴合人体。如果发现框整体偏移多半是坐标系搞错了比如忘记除以图像宽高如果个别框缺失可能是无效标注被过滤掉了。4. 用TinyPerson-YOLO格式训练小目标模型转换完成之后就到了最核心的环节用YOLO训练小目标检测模型。这里我以YOLOv8为例YOLOv5、YOLOv9的流程类似重点讲数据配置和训练参数调优。4.1 数据配置与目录结构YOLO训练需要准备一个数据集配置文件通常命名为data.yaml内容如下path: /path/to/tiny_person_yolo # 数据集根目录 train: images/train # 训练集图片路径相对path val: images/val # 验证集图片路径 test: images/test # 测试集图片路径可选 nc: 1 # 类别数 names: [person] # 类别名称目录结构建议这样组织tiny_person_yolo/ ├── images/ │ ├── train/ │ ├── val/ │ └── test/ ├── labels/ │ ├── train/ │ ├── val/ │ └── test/ └── data.yaml图片和标签严格一一对应同名不同后缀.jpg和.txt这是YOLO训练管线的基本要求。训练、验证、测试集的比例我习惯按官方划分的train/val/test来用如果官方没有明确划分自己做随机划分时保证7:2:1左右即可注意按图片ID的哈希做划分会更稳定避免同场景的连续帧被拆到不同集合里。4.2 训练参数的关键调优项TinyPerson的小目标特性决定了不能用默认参数直接训练。我跑过不少实验以下几个参数是最值得调整的输入分辨率imgszYOLOv8默认是640但TinyPerson里的目标实在太小建议调大到1024或1280。分辨率越高小目标在特征图中的像素越多检测效果提升非常明显。代价是训练显存占用增加、速度变慢。实测下来从640提到1024小目标AP能提升5到10个点这个提升幅度非常值得。Mosaic增强mosaic默认开启但对小目标数据集来说Mosaic会进一步缩小目标尺寸导致小目标信息丢失。可以尝试关闭或降低Mosaic的概率ultralytics中通过mosaic参数控制0到1配合复制粘贴增强copy_paste可能会有更好的效果。anchor尺寸YOLOv8是anchor-free设计不需要手动设置anchor但YOLOv5需要。如果使用YOLOv5建议先用autoanchor重新聚类训练时加--noautoanchor关闭自动anchor计算先用python train.py --data tiny_person.yaml --noautoanchor跑一轮让模型自动聚类出适合小目标的anchor尺寸然后再正式训练。简单说就是跑两次第一次专门算anchor第二次才是真正训练。批量大小batch小目标检测模型对batch size比较敏感。如果显存允许batch越大越好至少16起步。batch太小时BN层的统计量不稳定小目标的特征学习会很吃力。损失权重YOLOv8的box_loss和cls_loss权重在默认参数下是按常规目标优化的。针对小目标可以把box_loss权重适当调高让模型更关注定位精度。在ultralytics中可以通过修改模型配置中的loss_gain参数实现。我自己实践下来最有效的一组配置是imgsz1280、mosaic0.5、batch32A100或V100、训练300个epoch。在TinyPerson验证集上mAP0.5能达到78%左右mAP0.5:0.95大约45%。相比默认参数提升了将近一倍。如果你显存有限imgsz1024、batch16也能跑效果差距在3到5个点以内。4.3 模型选择建议TinyPerson场景下模型选择也需要动点脑筋。YOLOv8n和YOLOv8s这类轻量模型在算力受限的边缘设备上部署更合适但在TinyPerson上效果一般小目标漏检率偏高。YOLOv8m或YOLOv8l效果会好很多因为更大的模型容量能学到更丰富的特征表达。如果你追求极致性能可以尝试YOLOv8-x或者直接上YOLOv9但显存占用和推理时延需要权衡。另外换主干网络比如把Backbone替换为ConvNeXt V2等更强的主干对小目标检测也有正向帮助这点在热词里也有人提到确实是值得尝试的方向。主干网络越强特征提取越精细小目标检测的上限就越高。5. 常见问题与排查技巧实录训练小目标模型的过程基本就是不断踩坑和填坑的过程。我把在TinyPerson上实操时遇到的高频问题整理成下面的表格方便你对照排查。5.1 训练阶段典型报错速查现象可能原因解决方案训练时报错“No labels found”标签目录路径不对或txt文件名与图片名不一致检查data.yaml中labels目录是否与images平级确认文件名一一对应训练时loss直接为NaN学习率过高或输入图像中存在异常值调低学习率从0.01降到0.001检查图片是否损坏mAP0.5很低0.2输入分辨率太低或mosaic增强过度缩小目标调大imgsz至1024以上关闭或降低mosaic概率验证时检测框明显偏移转换脚本中坐标归一化计算错误用可视化脚本抽查标注检查是否忘记除以图像宽高训练过程中内存持续上涨Mosaic增强需要额外内存拼接图像调低batch size或关闭mosaic5.2 小目标漏检的针对性调优思路如果你训练完发现小目标漏检严重而大目标检测效果还行说明模型“注意力”被大目标带偏了。这时候有几个针对性技巧一是做基于尺寸的样本重采样。在训练时提高小目标样本的出现频率可以通过自定义dataset的采样逻辑实现或者简单粗暴地用小目标占比高的子集做二次训练。二是给损失函数加上小目标权重。具体做法是计算每个标注框的面积面积小于设定阈值比如32x32像素时把该目标的损失权重提高1.5到2倍。这个方法实现门槛稍高但效果很直接。三是用TALTask-Aligned Assigner代替默认的assignerTAL在标签分配阶段会结合分类和回归质量对小目标的分配更精确。5.3 评估指标怎么看才合理TinyPerson这种小目标数据集用mAP0.5:0.95做主要评估指标时数值会普遍偏低这是正常现象不用慌。建议重点关注AP_small——COCO评估体系里专门针对面积小于32x32像素的目标计算的AP。这个指标才是衡量小目标检测能力的核心指标。如果你的类别只有person一类还可以关注召回率Recall。在搜救、监控场景下漏一个目标比误报一个目标的代价大得多所以实际工程中我更看重召回率宁可多检几个false positive也不要漏检。判断模型是否work的标准我习惯看三个数AP_small是否在不断提升、小目标高置信度的检测数量是否合理太多说明模型在乱检、以及可视化结果里小目标框是否贴合人体轮廓。我在实际调优过程中还有一个体会小目标检测模型不要太早下结论。因为小目标的特征信号本来就弱训练前期loss下降慢、指标波动大都是正常的。我通常至少等150个epoch之后再评估一次前期频繁调整参数反而容易被打乱节奏。如果你前期训练时指标一直不高不妨再看看是不是训练时间不够多给模型一点耐心。最后再分享一个我自己常用的加速技巧TinyPerson原图分辨率很高但包含大量空白区域。可以先把大图切分成多个带重叠的patch比如1024x1024重叠率20%分别跑检测再合并结果。这样既能用高分辨率输入保留小目标细节又不会因为整图resize导致目标缩得更小。代价是推理时间会成倍增加所以离线场景更适合用对实时性要求高的场景需要权衡。TinyPerson加上这个切图方案实测小目标检测的F1-score能再提升10%以上值得一试。本文还有配套的精品资源点击获取