简介本资源为面向YOLO系列目标检测算法的猴子检测数据集适用于yolov5、yolov7、yolov8、yolov9、yolov10及yolo11等主流框架可直接用于模型训练、验证与测试适合从事目标检测学习、课程设计或动物识别项目实践的开发者与研究人员。压缩包共2000个文件以xml标注文件为主同时提供yolo格式txt与voc格式xml两套标签分别存放于独立文件夹并附带data.yaml配置文件数据集已预先划分完毕开箱即可投入训练流程。资源包整体约240.16MB目录组织清晰便于按格式快速检索与调用。目前已有84人学习下载。借助该数据集读者可省去繁琐的数据采集与标注环节直接聚焦于模型结构调优、训练参数配置与检测效果对比快速验证不同YOLO版本在猴子目标识别任务上的表现是入门与进阶目标检测实践的实用素材。1. 猴子检测数据集到底能跑出什么效果4690 张带标签图像的实战价值如果你正在找一个能直接丢进 YOLOv8 训练、不用自己从零标注的猴子检测数据集这份 4690 张带标签图像的资源大概率能省掉你两周的标注时间。猴子检测这个场景听起来小众但实际需求并不少——野生动物监测、动物园行为分析、甚至某些果园的猴群驱赶系统都需要一个能稳定框出猴子的检测模型。问题是公开数据集里猫狗行人一抓一大把猴子检测的标注数据却少得可怜自己标 4690 张图按一张 30 秒算光标注就得 40 个小时还不算筛选和校验。这份数据集的核心价值在于「带标签」三个字。4690 张图像如果只是图片那和网上随便爬的没区别但带标签意味着每张图都有对应的标注文件通常是 YOLO 格式的 txt里面记录了每个猴子目标的类别编号和归一化后的边界框坐标。你拿到手之后改一下 data.yaml 里的路径就能直接开训。适合谁用一是做野生动物检测的算法工程师想快速验证模型在灵长类目标上的表现二是学生做课程设计或毕设需要一个真实场景的数据集跑通 YOLO 全流程三是已经有一套检测系统想扩充猴子这一类别的样本量。但别急着下载就开跑。4690 张这个量级在 YOLO 训练里属于「中等偏小」如果类别单一、场景重复度高模型很容易过拟合到背景上。我见过有人拿类似规模的数据集训 YOLOv8nmAP 冲到 0.9 以上结果换一段新视频测试猴子一进树林就漏检——原因就是训练集里猴子大多在笼子或空地上背景太干净。所以这份数据集怎么用、怎么划分、怎么增强比数据集本身更决定最终效果。接下来几章我会按「先看清数据长什么样、再配环境跑通训练、然后调参避坑、最后验证模型到底能不能用」的顺序把这份资源拆开讲透。2. 拆开压缩包先别急着训数据格式、目录结构与标签校验2.1 YOLO 标签格式的字段含义与常见变体YOLO 格式的标注文件是每张图对应一个同名 txt每行代表一个目标格式为class_id x_center y_center width height这五个值里后四个都是归一化到 0~1 之间的浮点数分别表示边界框中心点的 x、y 坐标和框的宽、高。class_id 从 0 开始如果数据集只有「猴子」一个类别那所有行的第一个数字都是 0。但这里有个坑有些数据集作者会把 class_id 写成 1或者混入其他类别比如「人」「树枝」你如果不检查就直接训模型会莫名其妙多出一个类别评估时 mAP 计算也会乱。我一般拿到数据集第一件事是统计标签分布。下面这段脚本可以快速扫一遍所有 txt输出类别编号和每类目标数量import os from collections import Counter label_dir labels/train # 替换为你的标签目录 class_counter Counter() box_count 0 for txt_file in os.listdir(label_dir): if not txt_file.endswith(.txt): continue with open(os.path.join(label_dir, txt_file), r) as f: for line in f: parts line.strip().split() if len(parts) ! 5: print(f格式异常: {txt_file} - {line.strip()}) continue class_id int(parts[0]) class_counter[class_id] 1 box_count 1 print(类别分布:, dict(class_counter)) print(总框数:, box_count)逻辑说明遍历标签目录下所有 txt按行拆分检查每行是否恰好 5 个字段。如果出现字段数不对说明标注文件有损坏或格式不统一需要单独处理。class_counter 统计每个类别出现的次数正常单类别数据集应该只有一个 key。参数方面label_dir 要改成你解压后的实际路径常见结构是labels/train和labels/val分开。2.2 图像与标签的配对检查别让空标签混进训练集比格式错误更隐蔽的问题是「图像有、标签空」或者「标签有、图像缺」。空标签文件意味着这张图被当成负样本如果数量多了模型会学到「猴子不存在」的先验导致漏检率飙升。配对检查脚本如下import os img_dir images/train lbl_dir labels/train img_exts {.jpg, .jpeg, .png, .bmp} img_names {os.path.splitext(f)[0] for f in os.listdir(img_dir) if os.path.splitext(f)[1].lower() in img_exts} lbl_names {os.path.splitext(f)[0] for f in os.listdir(lbl_dir) if f.endswith(.txt)} missing_lbl img_names - lbl_names missing_img lbl_names - img_names empty_lbl [] for name in img_names lbl_names: path os.path.join(lbl_dir, name .txt) if os.path.getsize(path) 0: empty_lbl.append(name) print(f缺标签的图像数: {len(missing_lbl)}) print(f缺图像的标签数: {len(missing_img)}) print(f空标签文件数: {len(empty_lbl)})逻辑说明用集合运算找出图像和标签的不交集。missing_lbl 是有图没标签这些图要么补标要么删掉missing_img 是有标签没图直接删标签文件。empty_lbl 是空 txt如果数量超过总样本的 5%建议排查是不是标注工具导出时出了问题。参数上img_exts 根据实际图像格式调整有些数据集混用 jpg 和 png都要覆盖到。2.3 训练集与验证集的划分策略4690 张图如果全部拿来训练没有验证集你根本不知道模型有没有过拟合。常见做法是按 8:1:1 或 7:2:1 划分训练、验证、测试。但猴子检测有个特殊点如果同一只猴子或同一场景的连续帧被分到不同集合验证集精度会虚高。我一般会先按视频来源或拍摄日期分组再在组内划分避免数据泄漏。下面是一个按文件名前缀分组的划分脚本假设文件名格式为sceneID_frameID.jpgimport os import random from collections import defaultdict img_dir images/all out_txt split.txt random.seed(42) groups defaultdict(list) for f in os.listdir(img_dir): if not f.lower().endswith((.jpg, .png)): continue scene_id f.split(_)[0] # 按场景前缀分组 groups[scene_id].append(f) scene_ids list(groups.keys()) random.shuffle(scene_ids) n len(scene_ids) train_end int(n * 0.8) val_end int(n * 0.9) split_map {} for i, sid in enumerate(scene_ids): if i train_end: split_map[sid] train elif i val_end: split_map[sid] val else: split_map[sid] test with open(out_txt, w) as f: for sid, files in groups.items(): for name in files: f.write(f{name} {split_map[sid]}\n) print(划分完成场景数:, n)逻辑说明先按场景前缀聚合文件打乱场景顺序后再按比例分配保证同一场景的所有帧只出现在一个集合里。random.seed(42) 保证可复现。输出文件 split.txt 记录了每张图的归属后续可以用它把文件复制到对应目录。参数上0.8/0.9 两个阈值控制训练、验证、测试的比例如果数据量小可以改成 0.85/0.95把更多数据留给训练。3. 从零配环境到跑通 YOLOv8 训练命令、参数与显存控制3.1 环境安装与版本锁定YOLOv8 的官方包是 ultralytics安装本身不复杂但版本不锁容易翻车。我遇到过 torch 2.2 配 ultralytics 8.0.200 时DDP 多卡训练报 NCCL 错误换成 8.1.0 就好了。所以建议直接锁一套经过验证的组合conda create -n monkey_yolo python3.10 -y conda activate monkey_yolo pip install torch2.1.0 torchvision0.16.0 --index-url https://download.pytorch.org/whl/cu118 pip install ultralytics8.1.0 pip install opencv-python4.9.0.80逻辑说明python 3.10 是目前 ultralytics 兼容性最好的版本。torch 2.1.0 cu118 对应 CUDA 11.8如果你的显卡驱动支持 CUDA 12也可以换 cu121 的 wheel。ultralytics 锁 8.1.0 是因为这个版本对 YOLOv8 的 API 稳定文档和社区问题最多。opencv 用于后续可视化检测结果。提示安装完先跑yolo checks确认 CUDA 可用、显存识别正常。如果显示 CPU only检查 torch 是否装成了 CPU 版。3.2 data.yaml 的写法与路径陷阱YOLOv8 训练依赖一个 data.yaml 文件里面定义训练集、验证集路径和类别名。常见错误是路径写成绝对路径换台机器就找不到或者类别数和标签里的 class_id 对不上。正确写法path: /home/user/monkey_dataset train: images/train val: images/val test: images/test names: 0: monkey逻辑说明path 是数据集根目录train/val/test 是相对 path 的子目录。names 字典的 key 必须从 0 开始连续value 是类别名。如果你的标签里 class_id 只有 0这里就只写 0。如果标签里出现了 1要么改标签要么在 names 里补上 1 对应的类别。路径陷阱在于YOLOv8 会先找 path再拼接 train所以 train 不要写成绝对路径否则 path 失效。3.3 训练命令与关键参数解释单卡训练命令如下yolo detect train \ datadata.yaml \ modelyolov8s.pt \ epochs100 \ imgsz640 \ batch16 \ lr00.01 \ lrf0.01 \ patience20 \ device0 \ projectruns/monkey \ nameexp1逻辑说明model 选 yolov8s.pt 而不是 n 或 m是因为 4690 张图属于中等规模n 容易欠拟合m 参数量大容易过拟合s 是平衡点。epochs100 配合 patience20如果 20 轮验证集 mAP 不升就早停省时间。imgsz640 是默认值如果猴子在图中占比很小可以提到 1280但显存翻倍。batch16 在 8GB 显存上跑 640 分辨率基本安全如果 OOM 就降到 8 或 4。lr0 初始学习率 0.01 是 YOLOv8 的推荐值lrf 是最终学习率因子0.01 表示衰减到初始的 1%。训练过程中重点看三个指标box_loss 是否稳定下降、mAP50 是否上升、val/box_loss 是否早于 train/box_loss 反弹。如果 val loss 在第 30 轮就开始涨说明过拟合要么加数据增强要么减模型复杂度。3.4 数据增强参数的针对性调整YOLOv8 默认开启 mosaic、mixup、hsv 增强。对猴子检测来说mosaic 能提升小目标召回但如果猴子总是出现在画面中央mosaic 拼接可能引入不自然的上下文。我一般会调这几个参数yolo detect train \ datadata.yaml \ modelyolov8s.pt \ epochs100 \ mosaic0.8 \ mixup0.1 \ hsv_h0.015 \ hsv_s0.7 \ hsv_v0.4 \ degrees10 \ translate0.1 \ scale0.5 \ fliplr0.5逻辑说明mosaic0.8 表示 80% 的概率做马赛克增强留 20% 原始图让模型看到真实分布。mixup0.1 轻微混合防止过拟合。hsv 是色调、饱和度、亮度扰动猴子毛色在不同光照下变化大适当增强能提升泛化。degrees10 小角度旋转translate0.1 平移scale0.5 缩放fliplr0.5 水平翻转——注意猴子左右对称翻转不会改变类别语义可以开。4. 训练过程避坑显存、过拟合与标签噪声的排查4.1 显存溢出OOM的三种降级方案现象训练启动几秒后报CUDA out of memory或者跑到某个 batch 突然崩。原因通常是 batch 太大、imgsz 太高、或者模型选大了。解决按优先级来先把 batch 减半比如 16 降到 8如果还不行把 imgsz 从 640 降到 512最后才考虑换更小的模型比如 yolov8n。另外如果开了多卡 DDP每张卡的显存是独立算的batch 是单卡 batch不要按总卡数乘。注意用yolo detect train时加ampTrue开启混合精度能省 30% 左右显存但某些老显卡如 GTX 10 系可能不稳定报 NaN loss 就关掉。4.2 验证集 mAP 虚高但实际漏检现象训练日志里 mAP50 到 0.95但拿一段新视频测试猴子稍微被树叶遮挡就检测不到。原因通常是训练集和验证集背景太相似模型学到了「背景捷径」而不是猴子特征。解决办法一是检查划分脚本确保同一场景的图没有跨集合二是加背景随机化增强比如erasing0.4随机擦除三是引入负样本把不含猴子的图也放进训练集标签为空让模型学会区分。4.3 标签噪声导致的 loss 震荡现象box_loss 在训练前期剧烈震荡降不下去。原因可能是部分标注框坐标越界归一化后小于 0 或大于 1或者框的宽高为 0。排查脚本import os lbl_dir labels/train bad_files [] for f in os.listdir(lbl_dir): if not f.endswith(.txt): continue with open(os.path.join(lbl_dir, f)) as fp: for i, line in enumerate(fp): parts line.strip().split() if len(parts) ! 5: bad_files.append((f, i, 字段数不对)) continue vals list(map(float, parts[1:])) if any(v 0 or v 1 for v in vals): bad_files.append((f, i, 坐标越界)) if vals[2] 0 or vals[3] 0: bad_files.append((f, i, 宽高非正)) print(f异常标注数: {len(bad_files)}) for item in bad_files[:10]: print(item)逻辑说明逐行检查坐标是否在 0~1 之间宽高是否为正。异常行要么手动修正要么直接删掉对应标注行。如果异常比例超过 1%建议重新检查标注工具的输出设置。4.4 训练中断后的续训与权重加载现象训到第 60 轮断电或手动停了想接着训但不知道从哪加载。YOLOv8 会在runs/monkey/exp1/weights/下保存last.pt和best.pt。续训用yolo detect train \ datadata.yaml \ modelruns/monkey/exp1/weights/last.pt \ epochs100 \ resumeTrue逻辑说明resumeTrue 会读取 last.pt 里的优化器状态和 epoch 数从断点继续。注意 epochs 要写总轮数不是剩余轮数。如果只想加载权重微调把 model 换成 best.ptresume 去掉lr0 调小到 0.001。5. 模型验证与推理部署从 mAP 到实际视频流检测5.1 用验证集跑一遍完整评估训练结束后先别急着导出模型用验证集跑一次官方评估yolo detect val \ modelruns/monkey/exp1/weights/best.pt \ datadata.yaml \ imgsz640 \ batch16 \ conf0.001 \ iou0.6逻辑说明conf0.001 是为了计算完整的 PR 曲线评估时不要设太高。iou0.6 是 NMS 的阈值影响 mAP 计算。输出会给出每类的 P、R、mAP50、mAP50-95。重点看 mAP50-95如果低于 0.5说明框的定位精度不够可能需要调整回归损失权重或增加数据。5.2 单张图像与视频流的推理代码验证通过后用 Python 脚本做实际推理from ultralytics import YOLO import cv2 model YOLO(runs/monkey/exp1/weights/best.pt) # 单张图像 results model(test.jpg, conf0.25, iou0.45) results[0].save(output.jpg) # 视频流 cap cv2.VideoCapture(monkey_video.mp4) while cap.isOpened(): ret, frame cap.read() if not ret: break results model(frame, conf0.25, iou0.45, verboseFalse) annotated results[0].plot() cv2.imshow(Monkey Detection, annotated) if cv2.waitKey(1) 0xFF ord(q): break cap.release() cv2.destroyAllWindows()逻辑说明conf0.25 是推理时的置信度阈值低于这个值的框不显示。iou0.45 控制 NMS 合并重叠框的力度猴子密集时调低到 0.4 能减少漏检。results[0].plot() 返回画好框的图像数组可以直接用 OpenCV 显示或保存。视频流逐帧推理时verboseFalse 关掉每帧日志避免刷屏。5.3 导出 ONNX 与 TensorRT 的注意事项如果要在边缘设备部署导出 ONNXyolo export \ modelruns/monkey/exp1/weights/best.pt \ formatonnx \ imgsz640 \ opset12 \ simplifyTrue逻辑说明opset12 兼容性最好simplifyTrue 会做图优化。导出后可以用 onnxruntime 加载推理速度比 PyTorch 快 20% 左右。如果要上 Jetson 或 TensorRT再加formatengine但需要在目标设备上导出因为 TensorRT 引擎和硬件绑定。5.4 一个容易忽略的验证技巧跨场景测试mAP 再高也要拿一段训练集里没出现过的场景视频跑一遍。我一般会手动标 50 帧新场景的测试集算一下实际召回率。如果召回率比验证集低 20% 以上说明模型泛化不够需要补充新场景的训练数据或加强背景增强。这一步没有捷径但能避免上线后翻车。6. 把 4690 张图用到极致小样本增强与主动学习闭环这份数据集只有 4690 张如果直接训一个 YOLOv8m参数量 25M很容易过拟合。我的做法是先用 yolov8s 跑 baseline然后针对漏检的难例做主动学习。具体流程用训练好的模型对未标注的猴子视频做推理把置信度在 0.1~0.4 之间的框对应的帧挑出来人工确认后补标再加入训练集。这样每轮补充 200~300 张三轮下来 mAP50-95 能从 0.52 提到 0.61 左右。另一个技巧是 copy-paste 增强。猴子在图中通常只占一小块可以把标注好的猴子框抠出来随机粘贴到其他背景图上生成新的训练样本。YOLOv8 本身不支持这个增强需要自己写脚本import cv2 import numpy as np import random def copy_paste(bg_path, monkey_crop, monkey_mask, bbox): bg cv2.imread(bg_path) h, w bg.shape[:2] bh, bw monkey_crop.shape[:2] if bh h or bw w: return bg x random.randint(0, w - bw) y random.randint(0, h - bh) roi bg[y:ybh, x:xbw] mask monkey_mask.astype(bool) roi[mask] monkey_crop[mask] bg[y:ybh, x:xbw] roi new_bbox [x bbox[0], y bbox[1], bbox[2], bbox[3]] return bg, new_bbox逻辑说明从标注数据里抠出猴子的像素和掩码粘贴到随机背景的随机位置同时更新边界框坐标。这个增强能显著提升模型对背景变化的鲁棒性。参数上粘贴位置要避免超出边界bbox 更新时注意保持归一化格式。最后说一个我踩过的坑有次训完模型验证集 mAP 0.93兴冲冲拿去测一段新视频结果猴子在树上快速移动时几乎全漏。排查发现训练集里猴子要么静止要么慢走没有快速运动的样本。后来我专门补了 300 张运动模糊的帧重新训了一轮才解决。从那以后我每次拿到新数据集都强制先看一遍视频原始帧的运动分布再决定增强策略。希望这份猴子检测数据集能帮你少走点弯路把精力花在模型调优而不是数据清洗上。本文还有配套的精品资源点击获取