YOLO Format Format Guide
用於 YOLO 物件偵測模型的標註格式
AnnotationSpecification
YOLO 標註格式是一種簡單的基於文字的標記格式,用於訓練 YOLO(You Only Look Once)物件偵測模型。資料集中的每張影像都有一個對應的 .txt 標註檔案,具有相同的基本名稱。標註檔案中的每行代表一個邊界框,包含五個以空格分隔的值:類別索引(整數)、x 中心座標、y 中心座標、框寬度和框高度。所有座標都歸一化到 [0, 1] 範圍,相對於影像尺寸。
歸一化慣例意味著 x 中心和寬度除以影像寬度,而 y 中心和高度除以影像高度。這使標註與解析度無關——無論影像是否被調整大小,相同的標註檔案都能正確工作。類別索引是一個從零開始的整數,映射到在單獨配置檔案(通常是 data.yaml)中定義的類別名稱。沒有物件的影像有一個空的標註檔案或沒有標註檔案。
對於分割任務,YOLO 格式擴展到多邊形標註,其中每行包含類別索引後跟定義多邊形頂點的 x,y 座標對。對於定向邊界框(OBB),格式使用類別索引後跟四個 x,y 角點對。對於姿態估計,關鍵點在邊界框之後追加,作為每個關鍵點的 x,y,visibility 三元組。Ultralytics YOLOv8 框架已在偵測、分割、分類、姿態估計和定向邊界框任務中標準化了這些擴展格式。
When to Use YOLO Format
當訓練 YOLO 系列中的任何模型時,請使用 YOLO 格式——YOLOv5、YOLOv7、YOLOv8、YOLOv9、YOLOv10、YOLO11 或透過 Ultralytics 框架的 RT-DETR。YOLO 是即時應用中最流行的物件偵測架構,標註格式受到所有主要標記工具的支援,包括 Label Studio、CVAT、Roboflow、Labelbox 和 V7。如果您的用例涉及即時物件偵測,YOLO 格式和訓練管線可能是最快的部署路徑。
當您的工作流程以 YOLO 系列模型為中心且您偏好每張影像一個文字檔案的簡潔性時,選擇 YOLO 格式而非 COCO 格式。YOLO 格式更容易手動檢查、編輯和版本控制,因為每個標註是一個小文字檔案,而不是一個大型 JSON。它也避免了 COCO 巢狀 JSON 結構的複雜性,後者具有單獨的類別、標註和影像字典。
當您需要儲存豐富的標註中繼資料(標註者 ID、信心分數、標註時間戳)、當您的任務需要超出 YOLO 多邊形格式支援的非矩形標註,或當您訓練的模型在 YOLO 系列之外且期望 COCO、VOC 或其他標註格式時,YOLO 格式不太適合。
Schema / Structure
YOLO Detection Format (per line):
<class_id> <x_center> <y_center> <width> <height>
Where:
class_id - Integer class index (0-based)
x_center - Bounding box center X (normalized 0.0-1.0)
y_center - Bounding box center Y (normalized 0.0-1.0)
width - Bounding box width (normalized 0.0-1.0)
height - Bounding box height (normalized 0.0-1.0)
YOLO Segmentation Format (per line):
<class_id> <x1> <y1> <x2> <y2> ... <xn> <yn>
Dataset Directory Structure:
dataset/
├── data.yaml # Class names and paths
├── train/
│ ├── images/
│ │ ├── img001.jpg
│ │ └── img002.jpg
│ └── labels/
│ ├── img001.txt
│ └── img002.txt
├── val/
│ ├── images/
│ └── labels/
└── test/
├── images/
└── labels/Example Data
# data.yaml - Dataset configuration
path: ./dataset
train: train/images
val: val/images
test: test/images
names:
0: person
1: car
2: bicycle
3: traffic_light
# --- labels/img001.txt ---
# Two people and one car detected in the image
0 0.4531 0.3275 0.1200 0.4500
0 0.7125 0.4100 0.0950 0.3800
1 0.2800 0.5500 0.3200 0.2800
# --- labels/img002.txt ---
# One bicycle and one traffic light
2 0.6200 0.6800 0.1500 0.2200
3 0.1500 0.1200 0.0400 0.0800Ertas Support
Ertas Studio 以文字資料集訓練語言模型,YOLO 標註集沒有直接匯入的途徑。若視覺流程的最終產出是文字,常見做法是先執行物件偵測或 OCR,再用其輸出微調小型文字模型,這部分 Studio 可以用 JSONL 資料集處理。
Related Resources
Ship AI that runs on your users' devices.
Start free with 150 credits after card verification. Paid plans from $20/mo USD.