简介这份手机识别数据集面向计算机视觉开发者、目标检测算法学习者及需要手机类目标样本的科研人员可用于训练与验证手机检测、分类或计数模型解决手机目标样本稀缺、标注格式不统一的问题。资源包共2000个文件以1997张jpg原始图片为主另附3个json标注文件采用coco json格式可直接对接主流检测框架的数据加载流程压缩包整体约82.97MB体积适中便于快速下载与本地部署。图片覆盖多种拍摄场景与手机摆放角度文件名包含时间戳与随机标识便于按批次划分训练集与验证集。目前已有706人学习下载说明该数据集在实际项目中具备一定参考价值。读者可借助现成标注直接开展模型训练、迁移学习或数据增强实验省去从零采集与标注的成本也能用于验证coco格式解析、类别映射与评估流程适合作为入门到进阶阶段的目标检测实践素材。1. 手机识别数据集2628 张原始图片与 COCO JSON 标注到底能跑出什么手上有一批 2628 张手机识别原始图片标注是 COCO JSON 格式这个组合在真实项目里其实挺微妙。它不算大但也不至于小到只能做 demo它覆盖的是「手机」这个单一品类但手机在真实场景里出现的姿态、遮挡、光照差异极大——桌上平放的、手里竖握的、屏幕反光的、被手指挡住一半的全都算。所以这个数据集真正的价值不在于「有多少张」而在于它能不能撑起一条从数据校验、格式转换到模型微调的完整链路。如果你正在做产线质检、会议室设备管理、驾驶行为监测或者零售货架盘点这类手机检测需求大概率绕不开。COCO JSON 是当下目标检测生态里兼容性最好的标注格式之一主流框架基本都能直接吃。接下来我会按「先验证数据能不能用、再转成训练格式、然后跑通基线、最后讲踩坑」的顺序把这套流程拆开讲清楚新手能照着复现熟手可以直接跳到参数和边界部分。2. 先别急着训练2628 张 COCO JSON 的数据体检怎么做拿到 COCO JSON 之后直接开训是最常见的翻车起点。标注框越界、类别 id 不连续、图片和标注对不上号这些问题在训练时往往表现为 loss 不降或者 mAP 玄学波动排查起来非常痛苦。所以第一步一定是做数据体检把黑匣子打开看清楚。2.1 COCO JSON 的结构与手机识别任务的关键字段COCO 标注文件本质是一个大 JSON核心是四个数组images、annotations、categories以及可选的info和licenses。对手机识别来说真正要盯的是这几个字段字段位置作用手机识别场景的注意点images[].idimages图片唯一标识必须与 annotations 里的 image_id 一一对应images[].file_nameimages图片文件名要和磁盘上的实际文件名完全一致含扩展名images[].width/heightimages原图尺寸用于校验标注框是否越界annotations[].bboxannotations框坐标 [x, y, w, h]COCO 是左上角加宽高不是右下角annotations[].category_idannotations类别 id单类别任务里通常只有 1annotations[].iscrowdannotations是否密集遮挡手机堆叠场景要留意这个值很多人第一次接触 COCO 会误以为 bbox 是[x1, y1, x2, y2]结果转 YOLO 格式时坐标全错训练出来的框位置整体偏移。这是血泪经验里排前三的坑。2.2 用一段脚本完成图片、标注、类别三方一致性校验下面这段脚本做四件事检查图片文件是否存在、检查标注框是否越界、统计每个类别的实例数、找出没有任何标注的图片。直接改路径就能跑。import json import os from collections import Counter # 标注文件和图片目录按实际路径修改 ann_path annotations/instances.json img_dir images with open(ann_path, r, encodingutf-8) as f: coco json.load(f) # 建立 image_id 到图片信息的映射 id2img {img[id]: img for img in coco[images]} # 统计每个 image_id 下的标注数量 ann_count Counter(ann[image_id] for ann in coco[annotations]) missing_file [] out_of_bound [] empty_images [] for img in coco[images]: # 1. 检查图片文件是否真实存在 if not os.path.exists(os.path.join(img_dir, img[file_name])): missing_file.append(img[file_name]) # 2. 找出没有标注的图片 if ann_count.get(img[id], 0) 0: empty_images.append(img[file_name]) for ann in coco[annotations]: img id2img[ann[image_id]] x, y, w, h ann[bbox] # 3. 检查框是否越界允许 1 像素误差 if x -1 or y -1 or x w img[width] 1 or y h img[height] 1: out_of_bound.append((img[file_name], ann[bbox])) # 4. 统计类别分布 cat_count Counter(ann[category_id] for ann in coco[annotations]) print(f图片总数: {len(coco[images])}) print(f标注总数: {len(coco[annotations])}) print(f缺失图片文件: {len(missing_file)}) print(f越界标注框: {len(out_of_bound)}) print(f无标注图片: {len(empty_images)}) print(f类别分布: {dict(cat_count)})逻辑说明脚本先建立 id 到图片的索引避免每次遍历都做线性查找。越界检查里留了 1 像素容差因为部分标注工具在边界框贴合图片边缘时会产生浮点误差。类别分布用 Counter 统计单类别任务里如果出现多个 category_id说明标注时类别定义不统一需要合并。参数说明ann_path指向 COCO JSON 文件img_dir指向图片根目录。如果图片按子目录存放file_name里通常带相对路径os.path.join能正确处理。跑完之后重点看三个数字缺失文件、越界框、无标注图片。缺失文件必须为 0越界框超过总数 1% 就要回去修标注无标注图片可以直接从训练集里剔除。2.3 手机识别场景下值得单独看的两个统计量除了常规校验手机识别有两个统计量值得单独拉出来看。第一个是标注框的宽高比分布。手机竖握时宽高比接近 0.5横放时接近 2.0如果数据集里宽高比集中在某一个区间说明采集场景太单一模型上线后遇到其他姿态容易漏检。第二个是单图实例数分布。一张图里只有一台手机和一张图里有五六台手机对模型的回归能力要求完全不同。如果单图实例数普遍偏低训练时可以考虑 mosaic 增强来提升密集场景的鲁棒性。这两个统计量用几行代码就能算出来但很多人会跳过。我的习惯是先把它们画成直方图看一眼再决定后面的增强策略比盲目调参有效得多。3. 把 COCO JSON 转成 YOLO 格式转换脚本与四个边界坑COCO JSON 适合做数据管理和交换但真正训练时YOLO 系列、部分轻量检测框架更习惯用「每张图一个 txt每行一个框」的格式。这一步转换看起来简单实际上边界情况不少尤其是手机这种长宽比极端的类别。3.1 COCO 与 YOLO 坐标体系的差异COCO 的 bbox 是[x_min, y_min, width, height]单位是像素原点在左上角。YOLO 的标注是[class_id, x_center, y_center, width, height]全部归一化到 0 到 1 之间中心点坐标也是归一化的。转换公式是x_center (x_min width / 2) / img_width y_center (y_min height / 2) / img_height w_norm width / img_width h_norm height / img_height看起来直接套公式就行但实际转换时有四个坑坐标越界导致归一化后超出 0 到 1、浮点精度导致框宽高为 0、类别 id 从 1 开始而 YOLO 要求从 0 开始、图片文件名带路径导致 txt 文件放错位置。3.2 可直接复用的转换脚本import json import os ann_path annotations/instances.json img_dir images out_dir labels os.makedirs(out_dir, exist_okTrue) with open(ann_path, r, encodingutf-8) as f: coco json.load(f) id2img {img[id]: img for img in coco[images]} # COCO 类别 id 通常从 1 开始映射到 YOLO 的 0 起始 cat_ids sorted(c[id] for c in coco[categories]) cat2idx {cid: i for i, cid in enumerate(cat_ids)} # 按 image_id 聚合标注 img2anns {} for ann in coco[annotations]: img2anns.setdefault(ann[image_id], []).append(ann) for img_id, img in id2img.items(): W, H img[width], img[height] lines [] for ann in img2anns.get(img_id, []): x, y, w, h ann[bbox] # 裁剪到图片范围内避免越界 x max(0, min(x, W)) y max(0, min(y, H)) w min(w, W - x) h min(h, H - y) # 过滤掉宽或高为 0 的无效框 if w 0 or h 0: continue xc (x w / 2) / W yc (y h / 2) / H wn w / W hn h / H cls cat2idx[ann[category_id]] lines.append(f{cls} {xc:.6f} {yc:.6f} {wn:.6f} {hn:.6f}) # 用图片名去扩展名作为 txt 文件名 stem os.path.splitext(os.path.basename(img[file_name]))[0] with open(os.path.join(out_dir, stem .txt), w) as f: f.write(\n.join(lines))逻辑说明脚本先建立类别 id 到连续索引的映射保证 YOLO 的 class_id 从 0 开始。坐标裁剪放在归一化之前避免出现负数或超过 1 的值。宽高为 0 的框直接跳过这类框在训练时会导致除零或者无效梯度。txt 文件名用图片名去扩展名和 YOLO 默认的数据组织方式一致。参数说明out_dir是标签输出目录通常和图片目录平级。归一化保留 6 位小数足够精度且不会让文件过大。如果数据集是多类别cat2idx会自动按 id 排序生成索引但要注意训练时的类别名列表顺序必须和这个映射一致否则类别会错位。3.3 转换后必须做的反向验证转换完不要直接开训做一次反向验证随机抽 20 张图把 YOLO 格式的框还原回像素坐标画到原图上肉眼检查。这一步能抓出大部分坐标转换错误。如果框的位置整体偏移多半是 x 和 y 搞反了如果框大小不对检查是不是把宽高当成了右下角坐标。手机这种细长目标对坐标错误特别敏感偏移几个像素在可视化时就能看出来。4. 用 2628 张图跑通手机检测基线训练配置与参数怎么设数据校验和格式转换做完就可以跑基线了。2628 张图在目标检测里属于小数据集直接从头训练容易过拟合常见做法是用预训练权重做微调。下面以 YOLO 系列为例讲配置思路对其他框架同样适用。4.1 数据集划分与 data.yaml 配置小数据集划分要保证验证集有足够样本量同时不能太少导致指标抖动。2628 张按 8:1:1 划分训练集约 2100 张验证集和测试集各约 260 张。如果某些场景样本特别少要做分层抽样保证每个场景在验证集里都有代表。# data.yaml path: ./phone_dataset train: images/train val: images/val test: images/test nc: 1 names: [phone]nc是类别数手机识别通常是 1。names的顺序必须和转换脚本里的cat2idx一致。如果后面要加「手机屏幕」「手机壳」等子类别改这里的同时要重新生成标签。4.2 关键训练参数与手机识别的适配参数建议值理由imgsz640手机目标通常占图比例不大640 是精度和速度的平衡点batch162628 张图16 的 batch 在单卡上比较稳显存不够降到 8epochs100小数据集微调100 轮足够收敛再多容易过拟合lr00.01微调初始学习率比从头训练低一个量级lrf0.01最终学习率是初始的 1%保证后期稳定mosaic1.0手机密集场景增强提升小目标和遮挡鲁棒性degrees10手机姿态多样适度旋转增强fliplr0.5水平翻转手机左右对称安全增强训练命令大致是这样yolo detect train datadata.yaml modelyolov8n.pt epochs100 imgsz640 batch16 lr00.01逻辑说明用yolov8n.pt这类预训练权重做初始化能让模型在 2628 张图上快速收敛。mosaic增强对小数据集特别有用它把四张图拼成一张等效扩大了 batch 内的场景多样性。degrees不要设太大手机是刚性物体旋转超过 15 度在真实场景里很少见过大的旋转反而引入噪声。参数说明imgsz如果显存允许可以提到 960手机屏幕上的文字或细节可能对检测有帮助但推理速度会下降。batch和lr0要联动batch 减半时学习率也适当降低。epochs配合早停机制使用验证集 mAP 连续 20 轮不提升就停。4.3 训练过程中该盯哪些指标训练时不要只看 loss。重点看三个验证集 mAP50、mAP50-95、以及每类的 precision 和 recall。手机识别里 recall 通常比 precision 更重要漏检一台手机的代价往往比误检高。如果 recall 明显低于 precision说明模型偏保守可以降低置信度阈值或者增加正样本增强。如果 mAP50 高但 mAP50-95 低说明框的位置不够准检查标注质量或者提高 imgsz。5. 手机识别数据集训练避坑5 个真实踩坑记录这一章按「现象 → 原因 → 解决」写都是小数据集加 COCO 转换这条链路上高频出现的问题。5.1 训练 loss 正常但 mAP 一直是 0现象训练日志里 box loss 和 cls loss 都在下降但验证集 mAP 始终为 0可视化预测结果发现框全图乱飞。原因最常见的是类别 id 错位。COCO 的 category_id 从 1 开始转换脚本如果没做映射YOLO 读到的 class_id 是 1但 data.yaml 里 nc1 只认 0导致所有标签被当成无效类别丢弃。解决检查转换脚本里的cat2idx映射确认输出的 txt 里 class_id 从 0 开始。跑一行head labels/xxx.txt看第一列是不是 0。5.2 验证集指标很好测试集一塌糊涂现象验证集 mAP 到 0.85换测试集掉到 0.5 以下。原因划分数据时没有做场景分层验证集和训练集来自同一批采集场景测试集包含了完全不同的光照或背景。手机识别里室内暖光和室外强光下的外观差异很大。解决重新划分时按场景、光照、背景做分层抽样保证三个集合的场景分布接近。如果测试集场景确实不同那这个差距是真实的泛化问题需要补充对应场景的训练数据。5.3 密集手机场景漏检严重现象单台手机检测很准但一张图里有三台以上手机时漏检明显增加。原因小数据集里密集场景样本少模型没学到足够的重叠目标区分能力。另外 NMS 的 IoU 阈值如果设得太低相邻手机的框会被互相抑制。解决训练时开启 mosaic 增强提高密集场景比例。推理时把 NMS 的 IoU 阈值从默认 0.45 提到 0.6 左右减少误抑制。如果还是漏考虑用 soft-NMS。5.4 标注框贴合过紧导致边缘手机检测不稳现象手机边缘被手指或桌面遮挡时检测框时有时无。原因标注时框贴得太紧遮挡部分的特征没有被包含进正样本模型学到的手机特征不完整。解决标注时框适当外扩 2 到 5 个像素把遮挡边缘包含进去。如果已经标完可以在转换脚本里对宽高做小幅膨胀但要注意别引入太多背景。5.5 图片和标签文件名不匹配导致部分样本被静默跳过现象训练日志里显示的图片数量和实际不符少了十几张。原因图片文件名带空格或特殊字符转换脚本生成的 txt 文件名和图片名不完全一致框架找不到标签就跳过该样本而且不报错。解决统一文件名规范去掉空格和中文用下划线连接。转换后做一次文件名比对确认每张图都有对应的 txt。6. 小数据集的进阶玩法从 2628 张里榨出更多价值2628 张图做基线够用但想上线到真实业务通常还需要再往前走几步。这里讲三个我实际用过、性价比比较高的技巧。第一个是主动学习闭环。先用基线模型跑一遍未标注的业务图片把置信度在 0.3 到 0.6 之间的样本挑出来人工复核这些是模型最不确定的边界样本标注后加入训练集往往能用最少的标注量换来最大的指标提升。2628 张的底子加上两三轮主动学习通常能把 mAP 再推 5 到 10 个点。第二个是难例挖掘。训练完成后把验证集里漏检和误检的样本单独拉出来看你会发现它们有明显的模式反光屏幕、深色手机配深色背景、多台手机堆叠。针对这些模式做定向增强比如调整亮度对比度、加运动模糊、模拟堆叠遮挡比无差别增加数据量有效得多。第三个是模型蒸馏或者量化。如果最终要部署到边缘设备用大模型教小模型或者对训练好的模型做 INT8 量化能在精度损失很小的情况下把推理速度提上去。手机识别这种单类别任务量化后的精度损失通常可以控制在 1 个点以内。验证方法上我习惯留一个「黄金测试集」大概 100 张覆盖所有已知场景每次模型更新都跑一遍。这个集合不参与训练和调参只用来做最终判断。指标波动超过 2 个点就要查原因是数据问题还是训练问题。最后说个习惯每次实验都记录数据版本、转换脚本版本、训练参数和对应的指标。小数据集实验迭代快不记录的话两周后就忘了哪个配置对应哪个结果后悔药没处买。这套流程跑下来2628 张手机识别数据集完全能撑起一个可用的检测模型关键是把数据校验和转换这两步做扎实后面的训练反而没那么玄学。希望帮到你。本文还有配套的精品资源点击获取
