简介面向室内家电展示场景的电视目标检测数据集适用于YOLOv5、YOLOv7、YOLOv8、YOLOv11、YOLOv13、YOLO26等系列目标检测算法训练主要服务从事智能家居、卖场展示或家电识别相关项目的开发者与学生。数据集包含1323张标注图片类别统一为电视已生成完整标签内置data.yaml配置文件并划分训练集与验证集解压后可直接用于模型训练省去手动整理标注的繁琐环节。压缩包共2000个文件以1158个xml与840个txt标注文件为主体同时附带1个pdf与1个md说明文档便于了解标注格式与使用流程整体约66.4MB体积适中适合快速下载与反复实验。已有13人学习下载属于小巧实用的垂直场景数据集适合作为YOLO系列入门练习或家用电器检测项目的补充数据。1. 拿到「电视目标检测数据集」先别急着训练1323 张标注图的实际价值做室内家电展示的检测项目最头疼的往往不是模型选型而是训练数据从哪来。搜到「YOLO算法室内家电展示电视目标检测数据集-1323张-标注类别为电视.zip」这个压缩包时很多人第一反应是解压后直接跑yolo detect train希望一夜出模型。但从我调试 YOLO 目标检测流程的一线经验看1323 张单类数据恰好处于一个有点尴尬的量级比从零标注强太多又远没有多到可以忽略数据质量直接开训。这个包的价值不在于“能不能训”而在于它能不能让你用最短时间验证一条可行链路室内场景下电视这个类别能不能被稳定检出、框准、在反光和关机场景下不翻车。这篇文章按我每次拿到新数据集都会走的流程来写拆包体检、目录结构整理、标注格式确认、data.yaml 配置、训练验证、常见坑排查。适合正在做室内识别、门店展陈、智能家居设备检测的工程师照着复现新手上手也不会被绕晕。2. 拆包检查1323 张电视图的目录结构、标注格式与三个必做体检2.1 先用 unzip -l 摸清包内布局再决定是否要写转换脚本这类数据集包和代码库不一样包内文件组织没有统一标准。有的按 YOLO 官方目录排好图片和同名 txt 一一对应有的则是把所有 jpg 平铺在一起标签文件也混在其中还有的会附带 train.txt、val.txt 这类路径清单文件。拿到手先不要假设任何结构用一条命令看压缩包里的文件名列表# -l 只列出压缩包内容不解压全部文件适合快速预览 unzip -l YOLO算法室内家电展示电视目标检测数据集-1323张-标注类别为电视.zip | head -40这个命令会把压缩包内前 40 条文件名打出来。如果看到images/和labels/这种成对目录说明结构已经比较标准如果看到的是一堆frame_0001.jpg和frame_0001.txt混在一起那就是典型的平铺结构后面需要自己整理。解压到本地时建议先建一个纯英文路径的工作目录再解压进去mkdir -p ~/work/tv_data_raw unzip -q YOLO算法室内家电展示电视目标检测数据集-1323张-标注类别为电视.zip -d ~/work/tv_data_raw为什么强调英文路径因为 Ultralytics 的 YOLO 训练脚本在 Windows 和部分 Linux 环境下对中文路径的处理并不稳定后面训练阶段因为路径带中文而报FileNotFoundError的案例非常多。这个后面在避坑章节还会单独提。2.2 用 Python 做数据集体检空标签、越界框、类别索引和损坏图像一次性查完不要急着配训练先花五分钟把数据质量过一次。我的做法是写一个小的体检脚本专门检查四类问题图片能不能正常解码、标签文件是否存在、标签内容格式是否合法、标注框有没有越界。这个脚本在任何 YOLO 数据集上都通用直接存成inspect_dataset.py反复用import random from pathlib import Path from PIL import Image def check_dataset(raw_dir: Path): imgs sorted(p for p in raw_dir.iterdir() if p.suffix.lower() in {.jpg, .jpeg, .png}) problems [] empty_label 0 cls_set set() for img_path in imgs: try: with Image.open(img_path) as im: img_w, img_h im.size im.load() # 真正解码一遍解码失败就是坏图 except Exception as exc: problems.append((img_path.name, 损坏图片, str(exc))) continue label_path img_path.with_suffix(.txt) if not label_path.exists(): problems.append((img_path.name, 缺失标签, )) continue lines [ln.strip() for ln in label_path.read_text(encodingutf-8).splitlines() if ln.strip()] if not lines: empty_label 1 continue for ln in lines: parts ln.split() if len(parts) ! 5: problems.append((img_path.name, 字段数不是5, ln)) continue try: cls_id, xc, yc, bw, bh int(parts[0]), *map(float, parts[1:5]) except ValueError: problems.append((img_path.name, 数值解析失败, ln)) continue cls_set.add(cls_id) if not (0 xc 1 and 0 yc 1 and 0 bw 1 and 0 bh 1): problems.append((img_path.name, 归一化越界, ln)) print(f图像总数: {len(imgs)}) print(f类别 ID: {sorted(cls_set)}) print(f空标签文件数: {empty_label}) print(f问题记录数: {len(problems)}) for name, kind, detail in problems[:30]: print(name, kind, detail) check_dataset(Path(~/work/tv_data_raw))这段脚本的逻辑不复杂但每一行都有明确目的。im.load()会把 JPEG 真正解码一遍如果图片在打包时就已经损坏这一步会抛异常很多数据集从网盘搬运几次后容易出现这种截断文件。cls_set用来收集标注里出现过的所有类别 ID如果打印结果不是{0}说明包内可能混了不止“电视”一个类别。越界检查则是 YOLO 格式最容易出错的地方——标签里的 x、y、w、h 都是归一化到 0 到 1 之间的浮点数如果出现 1.2 或负数说明坐标换算有 bug模型训练时会出现大量漏检。有一个容易被忽略的点空标签文件在 YOLO 里是合法存在的它代表这张图没有目标可以用作负样本。但如果空标签文件占比超过 5%就要留意是不是标注过程漏标了。对于电视识别这种单类任务漏标几乎必然导致模型在类似画面上产生误检。2.3 平铺文件如何落成标准目录结构85/15 切分与 labels/images 组合体检完下一步是把数据整理成 YOLO 默认识别的目录结构。即使压缩包内已经分好train/val目录也建议统一成下面这种形式因为训练脚本、验证脚本和可视化工具都对这套结构最友好# 标准目标检测数据集目录结构 tv_data/ ├── images/ │ ├── train/ │ └── val/ └── labels/ ├── train/ └── val/如果原始数据是平铺的一堆 jpg 和同名 txt我一般会写一段切分脚本按 90/10 或者 85/15 的比例拆成训练集和验证集。不要随手用操作系统的文件管理器拖动这样既无法保证随机性也容易把同屏多目标的数据全部塞进一个集合import random import shutil from pathlib import Path src Path(~/work/tv_data_raw) # 原始平铺目录 out Path(~/work/tv_data) # 标准化后的目录 random.seed(42) imgs sorted(p for p in src.iterdir() if p.suffix.lower() in {.jpg, .jpeg, .png}) random.shuffle(imgs) # 90% 训练10% 验证场景差异大可以改成 85/15 split int(len(imgs) * 0.9) for phase, flist in [(train, imgs[:split]), (val, imgs[split:])]: img_dir out / images / phase lbl_dir out / labels / phase img_dir.mkdir(parentsTrue, exist_okTrue) lbl_dir.mkdir(parentsTrue, exist_okTrue) for img in flist: shutil.copy2(img, img_dir / img.name) lbl src / (img.stem .txt) if lbl.exists(): shutil.copy2(lbl, lbl_dir / lbl.name) print(ftrain: {split}, val: {len(imgs) - split})注意这里我用的是copy2而不是move原始文件先保留着排错时还能回去查。random.seed(42)固定了随机种子保证每次执行切分的集合一致后面如果要对比不同超参数的训练效果就能排除“数据不同导致指标差异”这个变量。这是我在调参上吃过亏之后养成的习惯。拆包、体检、切分这三步做完数据才算是真正“能用”的状态。3. 从标注格式到训练配置写对 data.yaml、选对权重、让 1323 张图物尽其用3.1 YOLO 标注每一行的含义类别 ID、中心点与归一化尺寸YOLO 的标签文件不是用像素坐标直接存的而是存归一化后的中心点坐标和宽高。每一行有 5 个数字类别 ID、中心点 x、中心点 y、宽度、高度全部相对图像尺寸做了归一化。这是一个很反直觉的点你打开 txt 文件看不出这个框在哪必须结合对应图片的宽高才能换算回像素坐标。# 一行 YOLO 标签的示例类别 0 代表电视 # 格式类别 中心点x 中心点y 宽 高归一化 0 0.46875 0.45833 0.18750 0.16667如果手头拿到的标注是 XML 或者 JSON 里的 xmin、ymin、xmax、ymax需要转成 YOLO 格式。我一般用下面这个函数一次搞定def to_yolo_label(img_w, img_h, box_xyxy, class_id0): x1, y1, x2, y2 box_xyxy x_center (x1 x2) / 2 / img_w y_center (y1 y2) / 2 / img_h width (x2 - x1) / img_w height (y2 - y1) / img_h # 电视在这个数据集中永远是类别 0 return f{class_id} {x_center:.6f} {y_center:.6f} {width:.6f} {height:.6f}\n这个函数的参数很简单img_w和img_h是图片宽高box_xyxy是标注框左上角和右下角的像素坐标。因为当前数据集的标题写得很清楚标注类别就是电视所以类别 ID 固定是 0。如果你后面要扩充把class_id按names顺序往后排即可。这段代码有意思的地方在于宽和高的计算用x2 - x1而不是用中心点加减半宽可以避免坐标计算过程里出现小数点累积误差。3.2 把 data.yaml 写到磁盘路径、类别名、几个关键参数数据整理好之后训练的第一步不是敲训练命令而是写data.yaml。这个文件必须存在它告诉 YOLO 到哪里找图、到哪里找标签、有几类、类名是什么。我通常会写成绝对路径避免因终端工作目录变化导致找不到文件# tv_data.yaml path: /home/yourname/work/tv_data # 换成你的绝对路径别用中文路径 train: images/train val: images/val # 类别名要和标注里的 ID 一一对应 names: 0: TV然后在终端启动训练yolo detect train \ datatv_data.yaml \ modelyolov8s.pt \ imgsz640 \ batch8 \ epochs100 \ patience20如果你用的是现在更新的 Ultralytics YOLO11训练命令基本一样只是模型权重参数换成yolo11s.pt或yolo11n.pt。命令里的含义分别是data指向刚才写的 yamlmodel指定预训练权重imgsz是输入分辨率batch是每批图数epochs是训练轮数patience是验证指标不提升多少轮就早停。1423 张数据的规模下优先用yolov8s.pt因为 s 级别模型容量适中不容易把小数据集吃穿如果你的显卡只有 6GB 显存就把batch降到 4或者换成yolov8n.pt先验证流程通不通。这里有个细节值得多说COCO 预训练权重里本来就包含电视、显示器这类屏幕对象的特征迁移到室内家电展示场景时底层纹理和边缘特征可以直接复用。这也是为什么不要用空权重从头训练这条经验在单类小数据集上尤其重要。3.3 小数据集的训练策略batch、imgsz、mosaic 与 epoch 的组合同样的数据集参数不同出来的模型能用程度可以差出一大截。针对 1323 张这个规模和“电视”这个大目标场景我自己常用的起步参数组合是参数初始值说明imgsz640电视在画面中通常占比较大不需要 1280batch88GB 显存级别显卡也能跑16GB 可提到 16epochs100单类少量数据100 轮足够看出趋势patience20验证指标停滞就提前停不浪费 GPU 时间modelyolov8s.pts 是速度和精度的平衡点优先于 n 和 m还有两个增强参数值得动手改一下fliplr和mosaic。电视屏幕里经常有字幕、logo 和画面内容如果把图像整体做左右翻转这些内容也会被镜像模型接收到的是与真实场景不一致的文本方向这会让它学到一些不该学的纹理关联。所以我倾向于把翻转概率从默认的 0.5 降到 0.3。mosaic拼接增强对密集小目标很有用但电视在展示场景里往往是画面主体马赛克切碎后反而会丢失整体形状早期用默认值跑第一版先看结果再说。4. 验证电视检测模型看什么mAP0.5、PR 曲线和漏检高发场景4.1 用这两条命令快速评估 best.pt验证集指标和预测结果可视化训练结束后不要直接拿last.pt去部署。Ultralytics 默认会在训练过程中保存两个权重last.pt是最后一轮的权重best.pt是验证集上 mAP 最高的那个权重。对 1323 张这样的小数据集best.pt几乎总是比last.pt更可靠因为我们经常会在训练后期遇到过拟合验证指标已经不再上升。在验证集上重新评估一次用这两条命令# 跑验证集输出 mAP0.5、mAP0.5:0.95 等指标 yolo detect val modelruns/detect/train/weights/best.pt datatv_data.yaml # 把验证集图片全部跑一遍保存带预测框的可视化图片和 txt 结果 yolo detect predict modelruns/detect/train/weights/best.pt \ sourcetv_data/images/val saveTrue save_txtTrue跑完detect val之后日志里会有两个最重要的数字mAP0.5和mAP0.5:0.95。前者是 IoU 阈值固定 0.5 时的平均精度回答的是“模型有没有找到电视”后者是在 0.5 到 0.95 不同 IoU 阈值下做平均对边界框的位置精度更敏感回答的是“框得准不准”。单类电视检测任务里mAP0.5 如果不到 0.9先别急着调模型回去看数据和标注mAP0.5:0.95 如果明显偏低多半是标注框本身不一致或者屏幕反光导致模型没有贴合边缘。训练目录还会自动生成几个文件值得看confusion_matrix.png可以看 TV 和 background 之间的误分情况results.csv记录了每一轮的训练和验证指标可以直接画曲线PR_curve.png的曲线面积越大说明模型在不同置信度阈值下越稳定。4.2 室内电视检测为什么会漏关机黑屏、玻璃反光、屏幕内容干扰电视不是一个静态物体它的外观会随开关机状态剧烈变化。开机时屏幕是一块亮着的显示面板关机时屏幕变成一块接近黑色的玻璃边框几乎淹没在环境里如果展示柜有玻璃反光还可能把整条边缘打断。这三种情况在室内家电展示场景里都会出现但数据集未必均匀覆盖。针对这种情况单靠调模型结构没有用得从增强和采集两个方向下手。训练时把亮度相关增强打开能让模型适应暗光下的关机状态yolo detect train datatv_data.yaml modelyolov8s.pt \ imgsz640 batch8 epochs100 \ hsv_h0.02 hsv_s0.6 hsv_v0.4 \ fliplr0.3 scale0.4 translate0.1这几个参数的含义hsv_h控制色调偏移电视屏幕画面内容可能五颜六色所以给一点偏移但不要给太大否则电视皮肤会偏色hsv_s和hsv_v分别控制饱和度和亮度偏移亮度偏移对模拟电视开机和关机非常有用scale控制图像缩放范围translate控制平移。这些参数合起来的效果是让模型在有限数据里看到更多“同一台电视的不同样子”。如果验证后漏检集中在暗光区域最直接的解决路径不是继续调参而是去补拍一批电视关机状态的照片并把这些照片按 8:2 的比例补进数据集。这个动作看起来笨但比任何增强技巧都有效。5. 避坑排查电视目标检测数据集最容易翻车的五个环节5.1 解压路径带中文训练命令报找不到数据集现象执行yolo detect train后终端提示类似Dataset not found或FileNotFoundError而且错误路径里显示中文乱码字符。原因压缩包文件名和内部目录都包含中文Ultralytics 在读取路径时对非 ASCII 字符处理不稳定尤其在 Windows 环境下Python 的pathlib拿到中文路径后拼接出的字符串可能无法匹配实际文件。这个问题和数据集本身质量无关纯粹是工程环境问题。解决解压后马上把目录重命名成纯英文路径中也不要带空格例如C:/Users/yourname/work/tv_data。这是处理任何 YOLO 数据集包的第一步别等到训练报错再回头改否则修改路径后还得重新生成数据缓存浪费一轮时间。5.2 训练 loss 出现 NaN多半是空标签或损坏图片导致现象训练前几个 epoch 正常跑到第 20 轮到 40 轮之间loss 突然变成nan之后训练停止或指标全部变乱。原因大多数时候不是学习率的问题而是数据里存在空标签文件或者图片解码异常。YOLO 数据加载器在碰到一张损坏图时可能读入空矩阵前向传播中的某些统计量变成 NaN继而污染整体训练状态。空标签文件本身不会直接导致 NaN但如果空标签对应的图片尺寸读不出来就会触发底层错误。解决用第 2 章的体检脚本把损坏图片和缺失标签这两类记录全部剔除空标签文件如果占比不高保留不影响训练。我一般会在体检后把问题文件名输出到bad_files.txt再统一移到一个quarantine目录而不是直接删除这样后面还能复查。5.3 “电视”和“显示器”混在一起标注现象训练出的模型对电脑显示器也有较高置信度或者在检测电视时把显示器的底座也一起框进去。原因电视、显示器、拼接屏在室内场景里外观高度接近如果标注时有人把电脑显示器也标成电视类别边界就模糊了。这个数据集的标题明确写了“标注类别为电视”但下载包的来源不稳定混标是真实存在的风险。解决先确认体检脚本输出的类别 ID 列表中只有 0 或明显异常的数字再抽几十张图可视化 GT 框人工确认标注对象是电视而不是显示器。下面这段代码可以快速给单张图画出标注框from PIL import Image, ImageDraw img_path tv_data/images/train/0001.jpg label_path tv_data/labels/train/0001.txt with Image.open(img_path) as im: w, h im.size draw ImageDraw.Draw(im) for ln in label_path.read_text(encodingutf-8).splitlines(): cls, xc, yc, bw, bh ln.split() xc, yc, bw, bh map(float, [xc, yc, bw, bh]) x1 int((xc - bw / 2) * w) y1 int((yc - bh / 2) * h) x2 int((xc bw / 2) * w) y2 int((yc bh / 2) * h) draw.rectangle([x1, y1, x2, y2], outlinered, width3) im.show()这里的关键是把归一化坐标乘以图像宽高还原成像素坐标再画框。如果抽检时发现大量显示器混入就需要把对应标签剔除或者单独把这些显示器数据整理成第二个类别否则电视检测模型的精度天花板会被明显压低。5.4 单类 1323 张数据epoch 开太大必然过拟合现象训练集 loss 持续下降验证集的 mAP 却在第 50 轮之后不再上升甚至明显下跌可视化结果里模型把电视背景里的家具边缘也当成了电视轮廓。原因数据量只有 1323 张epoch 开到 300 甚至 500模型开始背诵训练图里的背景纹理而不是学习“电视”这个抽象概念。这就是典型的小样本过拟合和模型结构关系不大。解决epoch 控制在 100 到 150 之间并设置patience20让验证指标在连续 20 轮不增长时自动停止。判断模型是否过拟合不要只看训练 loss而是对比results.csv里的train/loss和val/pred_loss后者的趋势才是真正的晴雨表。如果想进一步提升可以先把验证集比例从 10% 调到 15%让模型少背一点训练数据多留一点评判空间。5.5 电视的外轮廓比屏幕框大标注边界不一致导致指标虚低现象mAP0.5 一直上不去可视化预测图时发现预测框贴着整台电视的外壳而 GT 框只框了屏幕两者明明都标对了但 IoU 计算出来却很低。原因标注人员在框选电视时标准不统一。有人按屏幕边缘框有人把电视边框和底座也算进目标。类别定义是“电视”但“电视”的像素边界没有统一口径模型输出和 GT 之间就永远隔着一层矛盾。解决从一开始就定义一个统一标注规则我常用的规则是“沿电视可视外轮廓的最小外接矩形包含屏幕和外边框底座如果明显是展示场景的一部分则不包含”。然后写脚本检查所有标注框的宽高比分布如果同一批数据里出现两种明显不同的宽高比聚类基本就是标注口径不一致。统一之后重新训练mAP0.5:0.95 往往会有明显回升这一步属于低成本高回报的修复操作。6. 把 1323 张图用到极致可视化验证、低置信度筛选和部署时的置信度习惯训练完成不代表可以马上部署还需要一个“可视化验证 失败样本归因”的环节。我最常用的命令是yolo detect predict modelruns/detect/train/weights/best.pt \ sourcetv_data/images/val \ projectdebug_output \ saveTrue save_txtTruesave_txtTrue会为每张图生成预测结果的 txt 文件里面是预测框的类别、置信度和坐标。把这些预测文件和 GT 文件对齐用脚本计算每张图上预测框的置信度分布重点关注那些置信度在 0.3 到 0.6 之间的样本这些“犹豫”样本往往就是暗光、反光或标注口径不统一的区域。我的做法是把置信度阈值调低到 0.25 跑一遍验证集优先把所有可能漏掉的电视捞出来再人工看误检而不是一开始就设一个很高的阈值。部署阶段还有一个容易忽略的习惯单类电视检测漏检的代价通常远大于误检。在室内展示场景里模型偶尔把显示器误检成电视系统可以靠后续逻辑过滤但电视漏检用户会明显感觉设备“瞎了”。所以我一般会把部署时的置信度阈值压到 0.3 左右宁可多几个候选框也不错过真实目标。如果担心误检抬头可以再加一条 NMS 或按框宽度过滤的小策略。我自己现在处理这种小规模数据集的标准流程是先跑 100 epoch 和 patience 20再用最佳权重在验证集上做一次全量可视化。可视化不只是看 mAP而是逐张确认模型是在“认识电视”还是在“背训练图”。这一遍肉眼检查不会超过半小时但能避免反复调参两三天还找不到方向。希望帮到你也祝你这 1323 张图能发挥出超过一千张图的价值。本文还有配套的精品资源点击获取