简介面向目标检测与实例分割开发者一份包含446张真实航拍或环境监测图像的数据集聚焦单一水体类别使用YOLO格式的多边形坐标点勾勒边界适合水资源管理、农业灌溉规划、洪水风险评估等场景。压缩包共894个文件主要包括446张jpg原图、446个配套txt标注文件、1个yaml配置文件及1份docx说明文档整体大小27.97MB结构清晰便于直接接入主流框架训练。目前已有99人学习。标注精确到实例级别每个水体边界由详细坐标定义有助于提升分割精度数据来源真实环境类别单一但应用明确非常适合作为实例分割模型的入门练习或专项验证集。配合说明文档可快速理解数据集组织方式节省数据预处理时间无论是学术研究还是项目原型验证都能拿来即用。1. 水体实例分割数据集一份能直接喂给YOLO的航拍水体标注资源做洪水淹没范围分析时最头疼的不是模型选型而是标注数据。河道边界弯曲、水面反光、岸边植被遮挡用矩形框标水体冗余太大实例分割的多边形标注才是正解。这份水体实例分割数据集一共446张航拍与环境监测视角图片训练集390张、验证集38张、测试集18张全部是YOLO格式的多边形坐标标注类别统一为waterbodies。它适合正在做环境监测、水资源管理、农业灌溉规划、洪水风险评估的人也适合刚接触实例分割、想用一份干净数据跑通yolov8训练链路的学生。拿到zip解压后图片和同名标注文件是配套的接下来要做的第一件事不是训练而是搞清标注文件里到底存了什么。2. 拆开zip看标注文本格式、多边形坐标与可视化校验2.1 rf命名与标注文件配对先分清图片和标签解压出来的文件名很规律比如6523918299_jpg.rf.8e33be32a299662cb15077cc0eb78ea0.jpg。这个rf是Roboflow平台导出的固定标记后面那串哈希是标注资源在平台上的唯一标识前面的数字才是原始图像ID。这类命名在公开数据集中很常见它不影响训练但能透露两个信息这份数据经过Roboflow的预处理管线图片可能做过无损重编码或尺寸统一标注格式是标准的YOLO实例分割导出格式。每个jpg文件旁边应该有一个完全同名但后缀为.txt的标签文件这是YOLO系列的目录约定训练时框架会按图片路径自动推导标签路径把后缀从.jpg换成.txt。如果解压后发现只有jpg没有txt多半是压缩时把标签放在另一个子目录里或者某张图本来就是空标注。空标注文件存在是正常的有些航拍图里确实没有水体区域Roboflow导出空标签时会生成一个零字节的txt训练时会被自动跳过但数量太多就得考虑是否补标。配对检查用最直接的方式做# 统计图片数量和标签数量 find . -name *.jpg | wc -l find . -name *.txt | wc -l正常情况两者数目相等。我拿到这个数据集时先跑的就是这两条命令而且会按train、valid、test三个目录分开统计因为后面写data.yaml时要分别指定路径分区数量必须和摘要描述能对上。如果txt数量比jpg少优先检查是不是有子目录没被展开以及是否存在多张图片共用一个空标签的异常情况如果txt数量反而多可能是某些图片导出了重复标注文件训练时就会出现同一张图被同时当正样本和负样本处理的诡异行为。提示用find统计时不要只统计根目录务必进入train/valid/test分别跑一次这样能在训练前就把数据划分的错误暴露出来。2.2 txt里的多边形坐标归一化写法与解析逻辑YOLO实例分割的标签文件每一行代表一个水体实例格式可以概括为class_id x1 y1 x2 y2 x3 y3 ...class_id是整数类别编号从0开始。这份数据只有waterbodies一个类别所以正常情况每个txt里所有行的第一个数字都是0。后面的所有坐标都是归一化坐标也就是像素坐标除以图片宽或高得到的比例值取值范围在0到1之间。坐标点数量不固定复杂河道可能用上二三十个点规整的池塘七八个点就够这也是实例分割标注比矩形检测框标注贵得多的原因。需要注意坐标是x和y交替排列的解析时要两两一组去取顶点。如果按固定步长去错位读取多边形边界会变成锯齿甚至自交。另外YOLO的归一化基准与OpenCV的像素坐标系一致原点在左上角x向右为正y向下为正这与GIS软件里常见的左上原点不同做航拍图处理时最容易在这个地方翻车。为了确认坐标内容与图片内容真的能对上最稳的办法是写一个解析脚本把每个多边形叠画到原图上肉眼检查。这里给一段我常用来做可视化校验的代码import cv2 import numpy as np def draw_seg_labels(img_path, txt_path, save_path): # 读取原图记录宽高用于反归一化 img cv2.imread(img_path) h, w img.shape[:2] with open(txt_path, r) as f: for line in f: parts line.strip().split() if len(parts) 7: # 至少 1 个类别 6 个坐标3 个顶点 continue cls_id int(parts[0]) coords np.array(parts[1:], dtypenp.float32) # 归一化坐标还原为像素坐标-1 行 x 列 pts coords.reshape(-1, 2) * [w, h] pts pts.astype(np.int32) # 画闭合多边形 cv2.polylines(img, [pts], isClosedTrue, color(0, 0, 255), thickness2) cv2.putText(img, fcls_{cls_id}, tuple(pts[0]), cv2.FONT_HERSHEY_SIMPLEX, 0.6, (0, 255, 0), 2) cv2.imwrite(save_path, img) # 传入一张训练集图片和它的同名标签文件 draw_seg_labels( images/train/6523918299_jpg.rf.8e33be32a299662cb15077cc0eb78ea0.jpg, labels/train/6523918299_jpg.rf.8e33be32a299662cb15077cc0eb78ea0.txt, check_visual.png )这段代码做了三件事读取图片并记录宽高读取txt里每一行的多边形坐标把归一化坐标乘以图片宽高还原成像素坐标再用cv2.polylines把闭合多边形画回图上最后保存成一张可视化的图片。运行一遍后选几张有代表性的图放大看重点观察河流分叉处、有岛屿的湖面、以及水体被树冠部分遮挡的样本这些位置最容易暴露标注质量问题。画好之后如果发现多边形跑到图像外面或者某个多边形面积大得离谱说明这一张样本的坐标有问题。实际处理时还有一个容易忽略的点反归一化乘的宽高必须是图片实际尺寸。如果数据集经过预处理统一分辨率归一化坐标不受影响但如果原始图片尺寸不一哪怕只有一张不一样标签相对坐标也要按各自图片的实际宽高还原否则画出来的变形只有肉眼翻图才能发现。2.3 为什么水体任务更适合实例分割而不是矩形框单类别检测任务很多人会问既然全是waterbodies用矩形框检测不就行了吗这个数据集选实例分割是有实际理由的。航拍视角下的河道是长条并且弯曲的矩形框的冗余面积可能达到水体实际面积的两三倍下游做淹没面积统计时误差被明显放大。多边形标注能把边界误差控制在一两个像素内对于计算水域覆盖面积、评估洪水影响范围这类定量分析才更有意义。另一个原因是水体边界经常被树木、建筑遮挡矩形框无法表达“被遮挡但不属于水体”的语义空洞。实例分割可以用多个多边形把同一片水体切成若干可见片段模型学习到的是边界形状而非包围盒。代价是标注成本高标一个复杂河网多边形的耗时能抵上标五个矩形框。这份数据集的价值就在这里它把最贵最耗时的标注环节做掉了你拿到手可以直接进入模型训练和调参阶段。3. 目录整理与YAML配置让YOLOv8正确认识这份数据3.1 从散装zip到标准数据集目录Roboflow导出的zip解压后通常是train、valid、test三个目录每个目录里再分images和labels两个子目录。但偶尔也会出现压缩包把所有图片和标签全部散在根目录的情况这时候需要手动整理。为了训练时不踩路径坑我拿到任何数据集都会先统一成YOLOv8能直接吃的标准布局# 创建标准数据集目录结构 mkdir -p waterbodies/{images/{train,val,test},labels/{train,val,test}} # 按分区移动图片和标签文件 mv train_jpg/*.jpg waterbodies/images/train/ mv valid_jpg/*.jpg waterbodies/images/val/ mv test_jpg/*.jpg waterbodies/images/test/ mv train_txt/*.txt waterbodies/labels/train/ mv valid_txt/*.txt waterbodies/labels/val/ mv test_txt/*.txt waterbodies/labels/test/这套目录结构是Ultralytics训练时的默认期望images和labels同级子目录名train、val、test对应三种数据集。如果zip解压后本来就是这种结构可以跳过整理直接使用但路径需要放在一个固定目录下比如/home/you/datasets/waterbodies因为后面的data.yaml里的path字段要指向这里。这里有一个容易踩的细节Roboflow导出的验证集目录名在部分数据集里叫valid部分叫valUltralytics两种都认识但老版本的yolov5默认只认val。建议统一命名成val省得以后换框架时还要改目录名。另外这套数据集已经把训练、验证、测试按390/38/18的比例分好了不需要自己再随机拆分。如果强迫症想重新分层划分建议先保留原分区做一次基线训练再考虑按自己的比例重分避免把同源图片在训练集和验证集之间混用。3.2 写data.yamlnames、路径与训练参数约定YOLOv8训练时用yaml文件告诉框架三件事数据放在哪、哪些目录是训练和验证集、类别名是什么。对这份水体数据最小可用配置如下# 数据集根路径 path: /home/you/datasets/waterbodies train: images/train val: images/val test: images/test nc: 1 names: 0: waterbodiespath是数据集根目录train、val、test都是相对path的路径。test字段训练时不会用到但val和predict阶段可以引用。nc是类别数量names是类别名列表。这里最容易被忽略的是names的索引必须与标签txt里的class_id对齐。这个数据集的class_id恒为0所以names里的0号必须是waterbodies。如果误把1号写成waterbodies训练时所有样本都会被当成背景模型什么都学不到而且不会报错属于那种很隐蔽的翻车现场。yaml文件里还可以配置额外的数据集级参数比如增广策略。不过Ultralytics的数据增强默认值已经考虑了分割任务一般不需要在yaml里额外改。如果一定要动建议只调flipud和hsv_h这两个对航拍图影响最大的开关。airplane数据来自空中视角上下翻转对模型学习水体形状是有帮助的但这会让“倒影”成为新的干扰源需要权衡。写完yaml后不要直接开训练先用一条val命令做数据加载检查# 用nano分割权重校验数据链路是否正常 yolo tasksegment modeval datawaterbodies.yaml modelyolov8n-seg.pt这条命令会先加载数据集检查所有标签路径和图片路径是否对应如果路径配置错误或标注格式非法会在这一步直接抛出异常。我这里特意用yolov8n-seg.pt一是文件小下载快二是分割头能匹配数据格式加载的是分割权重而不是检测权重后面的避坑章节会专门讲这个陷阱。3.3 快速数据校验统计每个类别的实例数量训练前我还会做一次全局统计确认所有标注在整体上没出现异常比如某个txt里的类别号全是1或者某张图的多边形点数异常少。这个步骤能在几秒内发现单个样本问题不用等训练到一半才爆lossimport os from collections import Counter label_dirs [labels/train, labels/val, labels/test] total_instances 0 class_counter Counter() polygon_points [] for d in label_dirs: for name in os.listdir(d): if not name.endswith(.txt): continue with open(os.path.join(d, name), r) as f: for line in f: if not line.strip(): # 跳过空行 continue parts line.strip().split() cls_id parts[0] pts len(parts) - 1 # 去掉类别号后的坐标点数 class_counter[cls_id] 1 polygon_points.append(pts) total_instances 1 print(总实例数:, total_instances) print(类别分布:, class_counter) print(多边形点数范围:, min(polygon_points), -, max(polygon_points))这段代码遍历三个标签目录逐行解析txt统计三件事总实例数、类别分布、多边形点数范围。输出后我一般期望class_counter里只有0这个键并且总实例数与有标注的图片数量接近。如果出现别的键说明标签类别不统一如果点数范围出现小于6的值也就是少于三个顶点基本可以判定坐标被截断这类样本需要直接从标签目录里剔除。统计结果中还有另一个值得注意的信号如果水体实例的平均点数超过四十说明数据集里大量多边形标注过于精细这会明显拖慢训练速度但也是模型边界学习质量的保障。4. yolov8训练水体实例分割模型命令、参数与指标解读4.1 用预训练权重起步seg模型的train命令训练实例分割模型首选Ultralytics YOLOv8的分割分支权重文件是yolov8n-seg.pt、yolov8s-seg.pt这类带seg后缀的版本。这里用nano先把链路跑通再根据显存和精度需求换大模型# 使用nano分割权重训练水体实例分割模型 yolo tasksegment modetrain \ modelyolov8n-seg.pt \ datawaterbodies.yaml \ epochs100 \ imgsz640 \ batch8 \ device0 \ projectruns/segment \ namewaterbodies_exp1这个命令的含义可以拆成几部分tasksegment指定训练任务为实例分割modetrain表示训练模式model指定预训练权重data指向刚才配置的yaml文件epochs是训练轮数imgsz是输入图像分辨率batch是批大小device0表示使用第一块GPU。训练结束后best.pt和last.pt会生成在runs/segment/waterbodies_exp1/weights/目录下best是验证集mAP最高的一轮权重last是最后一轮的权重。关于权重的选型我的习惯是先跑nano。它训练快、显存占用小可以快速验证数据和配置有没有问题等链路通了再换yolov8s-seg.pt或yolov8m-seg.ptmAP一般能提升2到5个点但训练时间差不多要翻三倍。446张图这种规模s版本在单张消费级显卡上100轮大概二十分钟完全不需要考虑分布式训练。如果显存低于8Gnano配合batch4是最稳的组合。4.2 参数微调imgsz、batch、epoch对seg任务的影响这三个参数是决定训练效果和显存消耗的杠杆需要结合水体目标的特点来定。水体不同于行人或车辆它形状变化剧烈边缘是强监督信号对输入分辨率的敏感度比检测任务高得多。参数默认值这份数据建议说明imgsz640640或736航拍图目标大小不一分辨率太低小池塘会被压成几个像素batch168或4390张图属于小样本batch太大会加剧过拟合epochs100200有预训练权重时多训几轮配合早停机制防过拟合lr00.010.005小数据集建议降低初始学习率避免loss震荡optimizerautoSGD或AdamW实例分割头对AdamW通常更稳SGD需要配合warmuppatience5050验证集mAP连续50轮不升会自动停止imgsz这里多说一句如果显存足够736比640更合适。mask的监督信号来自边界点分辨率降低时小水体可能只剩几个像素多边形坐标映射到feature map时误差被成倍放大训练出来的mask边缘就会显得粗糙。batch对过拟合的影响最直接390张训练图用batch16时每轮梯度更新次数太少模型容易记住训练集的水色和纹理降到8之后每个epoch有接近50次更新泛化明显稳定。epoch可以设到200反正有patience兜底预训练权重的加持下基本不会白跑。4.3 训练输出的读法loss曲线与mAP的取舍训练日志中最值得看的是box_loss、seg_loss、cls_loss三条曲线以及验证集上的mAP50和mAP50-95。很多人看到seg_loss下降缓慢就开始焦虑其实实例分割的总loss包含四部分边界框损失、分类损失、DFL损失、mask分割损失seg_loss只是其中一段。当box_loss快速下降而seg_loss缓慢时属于正常现象边界点的回归本身比矩形框回归难一个量级。判断收敛不要单看训练集loss要看验证集mAP50。水体是单类别大目标mAP50在数据质量正常时应该轻松到0.85以上如果低于0.8优先检查标签和增强策略而不是加训练轮数。mAP50-95反映的是边界精确度因为它把IoU阈值从0.5一直扫到0.95阈值越严苛越考验多边形边界贴合度。这个指标如果低于0.6说明mask边界预测偏粗糙可能需要换更大的模型。训练结束后用best.pt跑一次val命令拿到正式指标# 用best.pt在验证集上重新评测 yolo tasksegment modeval \ modelruns/segment/waterbodies_exp1/weights/best.pt \ datawaterbodies.yaml如果val结果里大量mask边缘呈锯齿状而训练集loss已经很低多半是模型容量不够而不是数据问题。这时候换yolov8m-seg.pt重新训练比调任何增强参数都更直接。还有一个反直觉的经验是小数据集加预训练权重时mAP主要被模型容量上限和边界复杂度卡住盲目加训练轮数收益很小换代际更大的模型反而立竿见影。5. 水体实例分割避坑记录五个高发问题与排查方法5.1 mask训练时撕裂标签坐标出现负数或超过1现象训练中seg_loss突然变成nan可视化时发现多边形某一段飞出图像边界坐标值里有负数有大于1.0的数字。原因Roboflow导出时如果原图做过旋转或透视校正个别多边形顶点会落在有效区域外但导出工具仍保留原始坐标。归一化坐标理论上必须在0到1之间超出这个范围说明该样本存在非法标注。解决训练前写一个坐标范围过滤脚本把任一顶点不在[0,1]区间的实例剔除同时打印对应的图片名。剔除后再统计实例面积面积小于整图0.1%的多边形通常是标注碎片直接删掉即可不要保留否则训练时这个实例会一直干扰mask的回归。5.2 验证集mAP很高但换了实际场景完全不能用现象自己拍的江面图拿过去推理模型把大量暗色屋顶和树荫标成水体但这个数据集的测试集mAP却接近0.9。原因这就是同源数据陷阱。测试集虽然独立出18张但它与训练集来自同一批采集环境天空、水色、植被特征高度一致模型学到的是“这个场景下的水体颜色和位置先验”而不是“水体”这个词本身跨场景的语义。解决从其他来源找10到20张不同场景的航拍图做外部测试集。如果外部效果差用外部图以低比例混入训练集再微调同时把图像增强中的马赛克和混合增强增强程度调低让模型尽量从边界形状去学习水体特征。从那以后我每次用这种单类别小数据集都会先做一次外部验证再决定是否进入正式交付流程。5.3 航拍大图推理时显存爆炸或长时间卡死现象用best.pt对一张6000×4000的航拍原图做predict程序直接报CUDA out of memory或者一张图跑了几十秒才出结果。原因predict默认会把整图缩放后送进网络但原图分辨率高时即使缩到640图内水体实例数量依然很多后处理NMS阶段的内存占用可能是训练时的数倍直接撑爆显存。解决用切片推理是可靠方案。把大图切成512或640的块逐块预测再合并结果切块大小取640、重叠率0.2比较合适既能控制显存又能避免水体被拦腰切断导致漏检。Ultralytics新版支持在predict参数里配置切片逻辑也可以直接用sahi库包装模型。这个坑只会在航拍大图场景触发测试集里的中小图完全看不出来。5.4 训练正常但预测结果没有mask只有空输出现象val时mAP正常但predict单张图输出为空或者只输出目标框却没有分割mask。原因大概率是用检测权重初始化了分割模型。yolov8n.pt是检测版本yolov8n-seg.pt才是分割版本两者的输出头维度完全不同。加载检测权重后分割分支的网络参数相当于随机初始化训练后仍然无法稳定输出mask而训练过程本身不报错极具迷惑性。解决确认model路径必须以-seg结尾或者用yolo tasksegment模式重新生成权重后再训练。这个坑很隐蔽我第一次在这个数据集上跑训练时就踩过光盯着loss看完全发现不了直到predict阶段才发现模型根本没有分割能力。现在我的习惯是拿到任何权重先打印一下模型结构数一下输出维度就能判断头对不对。5.5 标注与图像错位mask整体偏移几个像素现象可视化时多边形与图片内容能对上但整体偏移几个像素在河流一侧表现尤其明显mask比实际水面高出一截。原因JPEG的EXIF信息里可能带了拍摄方向某些读取路径按原始方向显示而Roboflow在导出时已经按方向校正并旋转了图像但标注坐标记录的是旋转前的位置。航拍图如果直接从无人机SD卡拷贝容易触发这个坑平台下载的重编码图片通常不会出现。解决统一用cv2.imread读取图片并在预处理阶段禁用EXIF方向恢复或者用ImageOps.exif_transpose把图片转正后另存为PNG保证训练图和标签基于同一坐标系。定位方法很简单选一张有明显岸边参照物的图把可视化结果叠在原图上对比岸线特征就能确认偏转方向。6. 批量推理与面积计算把分割mask变成业务数据训练和验证通过之后模型真正的价值在于批量处理一批航拍图输出可用于统计的水体面积。这里给一个完整的后处理流程加载best.pt遍历目录下所有jpg统计每个实例的mask像素再按地面分辨率换算成实际面积。# 批量推理并保存每个实例的结果 yolo tasksegment modepredict \ modelruns/segment/waterbodies_exp1/weights/best.pt \ source./inference_images/ \ imgsz736 \ conf0.35 \ save_txtTrue \ save_confTrue \ project./runs/predict \ namewaterbodies_inferconf0.35比默认的0.25高水体在航拍图中特征明显但也容易误检到阴影和深色屋顶提高置信度阈值能压掉一部分假阳性。save_txt会把每个实例的归一化多边形坐标写成txtsave_conf额外附上置信度。如果你需要的不是坐标而是直观的覆盖面积改用python脚本会更顺手from ultralytics import YOLO model YOLO(runs/segment/waterbodies_exp1/weights/best.pt) results model.predict(sourceinference_images/, imgsz736, conf0.35) total_ratio 0.0 for r in results: if r.masks is None: # 图中没有检测到水体 continue mask_area 0 for mask in r.masks.data: # 累加每个实例的mask像素数 mask_area mask.sum().item() ratio mask_area / (r.orig_shape[0] * r.orig_shape[1]) total_ratio ratio print(f{r.path}: 水体面积占比 {ratio:.3f}) print(平均水体面积占比:, total_ratio / len(results))这段代码里r.masks.data是一个张量每个mask覆盖一张原图尺寸的像素区域数值为0或255。sum统计的是像素个数除以原图总像素得到面积占比。如果已知地面分辨率是每像素0.5米实际面积等于像素数乘以0.25平方米。这个方法比用多边形坐标计算更直接避开了坐标转换的误差累积。验证这一步我建议无论如何都做一次拿测试集的18张图跑一遍predict把模型输出的mask与标签mask逐像素算Dice系数。Dice在单类别分割任务里的参考线是0.85以上低于这个值优先检查误检而不是漏检。从那以后我每次拿到一份带标注的数据集都会强制走一遍可视化校验、目录整理、类别统计、权重类型确认再进训练和批量推理这套流程帮我挡掉了至少三次标注错位和一次权重类型混用的问题。希望这份拆解对你有用边界条件摸清楚之后再动手训练会顺利很多。本文还有配套的精品资源点击获取