一、导出就是一次格式翻译

标注工具里存的是一套结构，训练框架要的是另一套结构。导出就是中间那次翻译。 翻译要动三样东西：坐标的表示方式、类别的编号方式、文件怎么组织。三样里任何一样错了， 训练都能跑起来，但结果全错。 这就是这一节的核心风险：格式错误不会报错，只会让 loss 降不下去。你会在那里调学习率、换优化器、 怀疑模型结构，而真正的问题在坐标多除了一个宽度。 所以导出的正确做法不是「点了导出就完事」，而是导出之后回算一遍——把导出的数按逆公式算回去， 跟原始值比。差值小于容差，才算转对了。

二、COCO 和 YOLO 差在哪

COCO 的 bbox 是 [x, y, w, h]：左上角的像素坐标，加上宽和高。单位是像素，数值范围是图像尺寸。 YOLO 的是 cx cy w h：中心点坐标加上宽高，而且全部除以图像宽高归一化到 0 到 1。 所以转换公式是：cx = (x + w/2) / W，cy = (y + h/2) / H，w' = w / W，h' = h / H。 两个坑：一是中心点（COCO 给左上角，YOLO 要中心，忘了加 w/2 就整体偏移半个框）； 二是除以谁（cx 除以图宽、cy 除以图高，除反了框会被拉伸）。 第三个坑是类别编号： COCO 的 category_id 从 1 开始，YOLO 的 class 从 0 开始。 直接照抄就整体错一位—— 所有汽车被当成行人，所有行人被当成红绿灯。

三、常见格式一览

不同框架吃不同格式，导出前先确认下游要什么：

四、在 MakeSense 里导出

📋 实操清单（要在浏览器里点）： 第一步，点左侧或顶部的 Actions 菜单，选 Export Annotations。 第二步，选格式。MakeSense 支持 COCO、YOLO、VOC、CSV、TFRecord 等几种。 做检测选 COCO 或 YOLO，做分类选 CSV。 第三步，如果选 YOLO，工具会打成一个 zip——里面是每张图一个 txt，加一个 classes.txt 记录类别顺序。 这个 classes.txt 的顺序就是类别编号，别丢。 第四步，下载后立刻跑一次回算检查。这一步不能省。 🐍 沙箱等价物：转换和回算见 Demo。 沙箱里点不了导出按钮，但「转完对不对」是纯数学——回算一遍，差值小于千分之一就算过。 这个检查脚本应该放进每次导出的流程里，而不是出了问题才写。

五、动手 Demo：COCO 转 YOLO：三个框回算 3／3 一致，类别编号要减 1

造一份 COCO 格式的标注（640×480 的图、3 个框、2 个类别），按公式转成 YOLO 的 class cx cy w h， 写出文件，再把 YOLO 的数按逆公式算回去，跟 COCO 的原始值比对。

for a in coco[u'annotations']:
    x, y, w, h = a[u'bbox']
    cx = (x + w / 2.0) / W          # 注意加 w/2：COCO 给左上角
    cy = (y + h / 2.0) / Hh
    lines.append(u'%d %.6f %.6f %.6f %.6f'
                 % (cat2i[a[u'category_id']], cx, cy,
                    w / float(W), h / float(Hh)))

# 回算：YOLO 反推回 COCO，看跟原值差多少
bx = (cx - ww / 2.0) * W
by = (cy - hh / 2.0) * Hh

实跑输出：

--------------------------------------------------------------------
导出数据：坐标从 COCO 换到 YOLO，差一个除法和一个中心点
--------------------------------------------------------------------
  源格式                   COCO（bbox ＝ x, y, 宽, 高，单位像素）
  目标格式                 YOLO（cx, cy, 宽, 高，全部归一化到 0 到 1）
  图像尺寸                 640 × 480
  标注数                   3 个

  转换公式：cx ＝ (x ＋ w/2) / W，cy ＝ (y ＋ h/2) / H，w' ＝ w / W，h' ＝ h / H。
  **两个容易错的地方：COCO 给的是左上角加宽高，YOLO 要的是中心点。**
  另一个是类别编号：COCO 从 1 开始，YOLO 从 0 开始，差 1 就全错位。
  标注 id   COCO                           YOLO
  -----------------------------------------------------------------------------
  1         [50.0, 60.0, 120.0, 80.0]      0 0.171875 0.208333 0.187500 0.166667
  2         [300.0, 200.0, 60.0, 150.0]    1 0.515625 0.572917 0.093750 0.312500
  3         [420.0, 320.0, 180.0, 100.0]   0 0.796875 0.770833 0.281250 0.208333

  写出来的文件（每行一个框，对应一张图的 txt）：
    0 0.171875 0.208333 0.187500 0.166667
    1 0.515625 0.572917 0.093750 0.312500
    0 0.796875 0.770833 0.281250 0.208333

  转完必须回算一遍，确认没有精度损失：
  回算一致                 3／3

  最后核对三件事，一件都不能少：
  ① 框数                   COCO 里 3 个，txt 里也得 3 行
  ② 类别映射               COCO 从 1 开始，YOLO 从 0 开始，差 1 是最常见的错
  ③ 取值范围               归一化后所有数都该在 0 到 1 之间，超了就是算错
  **这三条都是「不检查也不会报错」的那一类——训练能跑，但框全歪了，loss 就是不降。**

done -> _out_39f.txt

表里三行，COCO 和 YOLO 一一对应。 看第一个：[50, 60, 120, 80] → 0 0.171875 0.208333 0.187500 0.166667。 手算一遍验证：cx = (50 + 60) / 640 = 0.171875，w' = 120 / 640 = 0.1875。 加的是 w/2 不是 w。 类别那一列：COCO 的 category_id 是 1 和 2，YOLO 里变成 0 和 1。 这一位差最容易漏，而且漏了不报错。 回算那一段是关键：把 YOLO 的数按逆公式还原成 COCO，跟原始值比，3／3 一致（容差千分之一）。 这就是「导出之后必须自检」的具体做法。 最后三项核对里，第三项「取值范围」也很好用：归一化之后所有数都该在 0 到 1 之间。 如果出现大于 1 的数，一定是忘了除或者除错了。 一条断言就能拦住。

30 秒实验

1. 故意把 cx 的公式改成 x / W（忘了加 w/2），再跑回算，看偏差是多少。 偏差正好是半个框宽，这就是「整体偏移」的样子。
2. 故意把 cx 和 cy 的除数对调，看回算对不上的是哪几个数。 体会一下「除反了」和「忘了加」在数值上的区别。
3. 把类别编号改成直接从 1 开始（不减 1），看文件长什么样。 它完全合法，训练也能跑——这就是最难发现的那种错。

常见误区

1. 「点了导出就完事」。格式错误不报错，只让 loss 降不下去。必须回算自检。
2. 「COCO 和 YOLO 只是括号写法不同」。差的是中心点、归一化、类别起始值三件事，每件都能让训练失效。
3. 「只存一种格式就够了」。建议始终存一份 COCO 当中间格式，要别的从它转；反过来不一定转得回去。

第四章到这里结束：从「为什么标」到「怎么导」，一条线走完了。 第五章开始讲微调——把标注好的数据真正用起来。

• ☐ （本章完，下一节 5.1.1 揭开模型微调的神秘面纱）

相关笔记

• 🧠 AI训练师手册2 · 索引