保姆级教程：用Python脚本把TT100K交通标志数据集转成YOLOv8能用的格式（附完整源码）
从TT100K到YOLOv8：Python自动化交通标志数据集转换实战
在计算机视觉领域，高质量的数据集是模型训练成功的关键前提。TT100K作为国内最具代表性的交通标志数据集之一，包含了超过10万张图像和3万多个标注实例，涵盖了中国道路上常见的200多种交通标志。然而，将TT100K的原始标注格式直接应用于YOLOv8训练并非易事——这需要经历复杂的格式转换过程。本文将深入解析如何通过Python脚本自动化完成这一转换，不仅提供完整可运行的代码，还会剖析每个关键步骤的技术细节。
1. 环境准备与数据集结构解析
在开始转换之前，我们需要先理解TT100K数据集的原始结构。下载后的数据集通常包含以下关键文件和目录：
tt100k_2021/ ├── annotations_all.json # 主标注文件 ├── data/ # 原始图像存储目录 │ ├── 1.jpg │ ├── 2.jpg │ └── ... └── statistics.json # 运行脚本后生成的类别统计文件关键依赖安装（推荐使用Python 3.8+环境）：
pip install opencv-python tqdm numpy注意：原始TT100K标注采用特殊的JSON格式，其中每个标注对象包含以下关键字段：
bbox: 采用[xmin, ymin, xmax, ymax]格式的边界框坐标category: 交通标志类别名称path: 对应图像文件的相对路径
2. 核心转换类设计与初始化
我们创建TT100K2YOLO类来封装整个转换流程，其核心结构如下：
class TT100K2YOLO: def __init__(self, parent_path='./tt100k_2021'): self.parent_path = parent_path # 数据集根目录 self.classes = [] # 最终保留的类别列表 self.id_map = {} # 类别名称到ID的映射 # 创建输出目录结构 self.output_dirs = ['train', 'val', 'test', 'labels'] for dir_name in self.output_dirs: os.makedirs(os.path.join(parent_path, dir_name), exist_ok=True)路径配置要点：
parent_path应指向本地数据集根目录- 脚本会自动创建YOLO格式所需的输出目录
- 使用
os.path.join确保跨平台路径兼容性
3. 类别筛选与数据统计分析
TT100K原始数据集包含200+类别，但实际应用中我们通常只需要其中部分常见类别。以下方法实现自动筛选：
def filter_classes(self, min_samples=100): with open(os.path.join(self.parent_path, 'annotations_all.json')) as f: data = json.load(f) # 统计每个类别的样本数 class_stats = defaultdict(int) for img_id, img_info in data['imgs'].items(): for obj in img_info['objects']: class_stats[obj['category']] += 1 # 筛选满足最小样本要求的类别 self.classes = [cls for cls, count in class_stats.items() if count >= min_samples] # 生成类别映射文件 with open(os.path.join(self.parent_path, 'labels/classes.txt'), 'w') as f: f.write('\n'.join(self.classes)) self.id_map = {cls: idx for idx, cls in enumerate(self.classes)} return self.classes参数调整建议：
min_samples控制保留类别的最小样本量- 值设得越高，保留的类别越少但每个类别质量越高
- 交通标志检测通常设置50-200之间
4. COCO格式中间转换实现
虽然最终目标是YOLO格式，但先转换为COCO格式可以简化过程。关键转换逻辑：
def convert_to_coco(self, phase='train', train_ratio=0.7): coco_data = { 'info': {}, 'licenses': [], 'categories': [], 'images': [], 'annotations': [] } # 构建categories for cls_id, cls_name in enumerate(self.classes): coco_data['categories'].append({ 'id': cls_id, 'name': cls_name, 'supercategory': 'traffic_sign' }) # 处理图像和标注 annotation_id = 1 all_images = [...] # 获取所有图像列表 random.shuffle(all_images) # 按比例划分数据集 split_idx = int(len(all_images) * train_ratio) if phase == 'train': selected_images = all_images[:split_idx] elif phase == 'val': selected_images = all_images[split_idx:] for img_info in selected_images: # 添加图像信息 coco_data['images'].append({ 'id': img_info['id'], 'file_name': img_info['path'].split('/')[-1], 'width': img_info['width'], 'height': img_info['height'] }) # 转换标注 for obj in img_info['objects']: if obj['category'] not in self.classes: continue bbox = obj['bbox'] coco_data['annotations'].append({ 'id': annotation_id, 'image_id': img_info['id'], 'category_id': self.id_map[obj['category']], 'bbox': [bbox['xmin'], bbox['ymin'], bbox['xmax']-bbox['xmin'], bbox['ymax']-bbox['ymin']], 'area': (bbox['xmax']-bbox['xmin'])*(bbox['ymax']-bbox['ymin']), 'iscrowd': 0 }) annotation_id += 1 # 保存COCO格式JSON output_path = os.path.join(self.parent_path, f'annotations/{phase}.json') with open(output_path, 'w') as f: json.dump(coco_data, f, indent=2)关键设计考虑：
- 保持标注ID的连续性
- 正确处理边界框坐标转换
- 支持灵活的数据集划分比例
- 自动过滤不包含目标类别的图像
5. COCO到YOLO格式的最终转换
将COCO格式转换为YOLO所需的TXT格式是最后一步，也是最具技术挑战的环节：
def coco_to_yolo(self, phase='train'): json_path = os.path.join(self.parent_path, f'annotations/{phase}.json') output_dir = os.path.join(self.parent_path, 'labels', phase) os.makedirs(output_dir, exist_ok=True) with open(json_path) as f: coco_data = json.load(f) # 为每张图像创建对应的TXT文件 for img in coco_data['images']: img_id = img['id'] file_name = img['file_name'] txt_name = os.path.splitext(file_name)[0] + '.txt' # 收集该图像的所有标注 anns = [ann for ann in coco_data['annotations'] if ann['image_id'] == img_id] # 转换为YOLO格式并写入文件 with open(os.path.join(output_dir, txt_name), 'w') as f_txt: for ann in anns: # 归一化处理 x_center = (ann['bbox'][0] + ann['bbox'][2]/2) / img['width'] y_center = (ann['bbox'][1] + ann['bbox'][3]/2) / img['height'] width = ann['bbox'][2] / img['width'] height = ann['bbox'][3] / img['height'] f_txt.write(f"{ann['category_id']} {x_center:.6f} {y_center:.6f} " f"{width:.6f} {height:.6f}\n") print(f"转换完成！YOLO格式标注已保存到 {output_dir}")归一化处理要点：
- 边界框中心坐标和宽高都需要除以图像尺寸
- 保留6位小数确保精度
- 每个标注行格式：
class_id x_center y_center width height - 每个TXT文件对应一张图像的所有标注
6. 数据验证与常见问题排查
转换完成后，必须验证生成的数据是否符合YOLO格式要求。推荐使用以下检查方法：
def validate_yolo_labels(self, phase='train'): label_dir = os.path.join(self.parent_path, 'labels', phase) image_dir = os.path.join(self.parent_path, 'images', phase) for label_file in os.listdir(label_dir): if not label_file.endswith('.txt'): continue # 检查对应的图像文件是否存在 img_file = os.path.splitext(label_file)[0] + '.jpg' if not os.path.exists(os.path.join(image_dir, img_file)): print(f"警告：找不到图像文件 {img_file}") continue # 检查标注内容格式 with open(os.path.join(label_dir, label_file)) as f: lines = f.readlines() for line in lines: parts = line.strip().split() if len(parts) != 5: print(f"格式错误：{label_file} -> {line}") continue # 验证数值范围 try: class_id = int(parts[0]) coords = list(map(float, parts[1:])) if not (0 <= coords[0] <= 1 and 0 <= coords[1] <= 1 and 0 <= coords[2] <= 1 and 0 <= coords[3] <= 1): print(f"坐标越界：{label_file} -> {line}") except ValueError: print(f"数值格式错误：{label_file} -> {line}")常见问题解决方案：
| 问题现象 | 可能原因 | 解决方法 |
|---|---|---|
| 找不到图像文件 | 路径配置错误 | 检查parent_path和图像目录结构 |
| 标注文件为空 | 类别筛选过严 | 调整min_samples参数 |
| 坐标值大于1 | 归一化计算错误 | 检查图像尺寸读取是否正确 |
| 类别ID越界 | 类别映射错误 | 验证classes.txt内容 |
7. 完整流程封装与使用示例
将所有功能封装为完整的可执行流程：
def full_conversion_pipeline(self, min_samples=100, train_ratio=0.7): print("步骤1：筛选有效类别...") self.filter_classes(min_samples) print("步骤2：转换为COCO格式...") self.convert_to_coco('train', train_ratio) self.convert_to_coco('val', train_ratio) print("步骤3：转换为YOLO格式...") self.coco_to_yolo('train') self.coco_to_yolo('val') print("步骤4：验证结果...") self.validate_yolo_labels('train') self.validate_yolo_labels('val') print("转换流程完成！") # 使用示例 if __name__ == '__main__': converter = TT100K2YOLO(parent_path='/path/to/your/tt100k_2021') converter.full_conversion_pipeline(min_samples=100, train_ratio=0.8)高级技巧：
- 添加进度条显示（使用
tqdm） - 支持多进程加速处理
- 增加日志记录功能
- 添加命令行参数支持
8. YOLOv8训练配置适配
转换完成后，还需要准备YOLOv8的训练配置文件。以下是典型的data.yaml示例：
# TT100K数据集配置 path: /path/to/your/tt100k_2021 train: images/train val: images/val test: images/test # 类别信息 names: 0: speed_limit_20 1: speed_limit_30 2: speed_limit_50 # ...其他类别训练命令示例：
yolo detect train data=data.yaml model=yolov8n.pt epochs=100 imgsz=640通过这套完整的转换流程，我们成功将TT100K数据集转化为YOLOv8可直接训练的格式。在实际项目中，根据具体需求可能还需要调整类别筛选阈值、数据集划分比例等参数。转换过程中最常遇到的路径问题可以通过严格的路径验证来避免，而标注质量问题则需要通过可视化抽查来保证。