Ultralytics YOLO 大词汇检测数据集 LVIS：lvis.yaml 配置解析与 YOLO26 训练实战

LVIS 是当前最主流的"大词汇"（large-vocabulary）目标检测与实例分割基准之一：它复用约 16 万张 COCO 图像，却将类别扩展到 1,203 个，并重点覆盖长尾稀有类别，是检验模型对低频类别识别能力的关键数据集。本文基于 Ultralytics 仓库中的官方文档 LVIS Dataset 与真实配置文件 lvis.yaml 展开，完整介绍数据集划分、YAML 配置结构、首次使用的自动下载机制（源码级原理），以及用 Python 和 CLI 两种方式训练 YOLO 模型的完整流程。

一、LVIS 数据集核心特性

LVIS 由 Facebook AI Research（FAIR）开发并发布，其定位是用"更大的词表 + 更完整的标注"推动检测与分割模型在稀有类别上的进展。核心特性如下：

• 规模：约 160,000 张图像，约 200 万个实例级标注，同时支持目标检测与实例分割两类任务；
• 词表：定义 1,203 个物体类别，既包含汽车、自行车、动物等常见物体，也覆盖雨伞、手提包、运动器材等细粒度类别；
• 标注形式：物体边界框 + 分割掩码（mask），并刻意强调稀有/长尾类别的标注完整性；
• 评估指标：检测任务用 mAP（mean Average Precision），分割任务用 mAR（mean Average Recall），便于横向对比；
• 与 COCO 的关系：LVIS 与 COCO 数据集 使用相同的图像，但划分（split）不同、标注词表大得多——COCO 只有 80 个类别，LVIS 有 1,203 个。

从类别命名方式可以直观感受其"长尾"设计：仓库中 lvis.yaml 的 names 映射采用"主名/同义词"的写法，例如：

names:
  0: aerosol can/spray can
  2: airplane/aeroplane
  93: bicycle/bike/bike bicycle
  206: car/car automobile/auto/auto automobile/automobile
  792: person/baby/child/boy/girl/man/woman/human
  1202: zucchini/courgette

这种同义词聚合方式来自 LVIS 原始标注体系，帮助不同标注者对同一物体给出的一致命名。

二、数据集划分结构

Ultralytics 的 lvis.yaml 定义了三个本地可用的划分：

Split	图像数	说明
Train	100,170	用于训练检测/分割模型
Validation	19,809	训练过程中留出的评估集
Minival	5,000	快速验证子集，与 COCO 的 val2017 集合完全一致

在上游 LVIS 基准中还存在约 20,000 张图像的留出测试集，其真值标注不公开——推理结果需提交到 LVIS 官方评测服务器（eval.ai 上的 LVIS challenge）打分，而非本地评估。

注意一个细节：YAML 中 path: lvis 且数据集下载到 datasets/lvis 目录，注释中明确了目录布局与总大小（约 20.7 GB）：

# parent
# ├── ultralytics
# └── datasets
#     └── lvis ← downloads here (20.7 GB)

三、lvis.yaml 配置文件详解

配置文件位于 ultralytics/cfg/datasets/lvis.yaml，整体分为四部分：

1. 数据集根目录：path: lvis（相对于 Ultralytics 的 datasets 目录）；
2. 三个图像列表文件：

   train: train.txt # train images (relative to 'path') 100170 images
   val: val.txt # val images (relative to 'path') 19809 images
   minival: minival.txt # minival images (relative to 'path') 5000 images
   

   每个 .txt 是一行一张图的清单，标注以 YOLO 格式随行给出；
3. names 类名映射：完整的 1,203 个类别（索引 0～1202），上文已给出示例；
4. download 下载脚本：一段可选的 Python 代码，首次训练时自动执行，见下一节。

配置如何被校验：check_det_dataset

训练时传入 data="lvis.yaml" 后，框架会调用 check_det_dataset 完成"校验 + 自动下载 + 路径解析"。从源码可以看到几个关键行为：

• 必填键检查：train 与 val 键必须存在（validation 键会被自动重命名为 val）；names 或 nc 至少有一个，且两者若同时给出则数量必须一致。LVIS 提供 names，因此解析后 nc 被自动置为 1,203；
• 路径解析：train/val/test/minival 等相对路径会被拼接到数据集根目录下并解析为绝对路径，这正是 LVIS 能带 minival 额外划分的原因——它在路径前缀遍历的键列表中（源码第 629 行 for k in "train", "val", "test", "minival"）；
• 缺失时自动下载：若验证集路径不存在且 autodownload 为真（默认），框架会取出 YAML 中的 download 脚本字段并执行（exec(s, {"yaml": data})，源码第 660 行）；
• 字体检查：由于类名含大量 Unicode 文本，加载前还会按需确保 Arial.Unicode.ttf 字体可用（源码第 664 行 check_font）。

自动下载到底下了什么

lvis.yaml 末尾的 download 脚本（源码 lvis.yaml 第 1222-1239 行）定义了完整下载流程：

from pathlib import Path

from ultralytics.utils import ASSETS_URL
from ultralytics.utils.downloads import download

# Download labels
dir = Path(yaml["path"])  # dataset root dir
urls = [f"{ASSETS_URL}/lvis-labels-segments.zip"]
download(urls, dir=dir.parent)

# Download data (test2017.zip excluded: LVIS has no 'test:' split and never reads it)
urls = [
    "http://images.cocodataset.org/zips/train2017.zip",  # 19G, 118k images
    "http://images.cocodataset.org/zips/val2017.zip",    # 1G, 5k images
]
download(urls, dir=dir / "images", threads=3)

可以读出三个实现事实：

• 标注包：YOLO 格式的 LVIS 标签（含分割多边形，lvis-labels-segments.zip）从 Ultralytics 官方资源站下载并解压到 datasets/ 下；
• 图像包：直接复用 COCO 官方的 train2017.zip（约 19 GB）与 val2017.zip（约 1 GB），以 3 线程并发下载（底层由 download/safe_download 实现，含重试机制）；
• 刻意排除 test2017.zip：注释明确说明 LVIS 配置没有 test: 划分、也从不读取该文件——测试集留作官方服务器评测，本地无需下载。

下载完成后，datasets/lvis/ 下即有 images/train2017、images/val2017 与 train.txt/val.txt/minival.txt 清单，总占用约 20.7 GB。

四、在 LVIS 上训练 YOLO 模型

官方文档给出的基准示例是：用 YOLO26n 预训练权重，在 LVIS 上训练 100 个 epoch、输入分辨率 640。数据集（20.7 GB）会在首次使用时自动下载。

Python API

from ultralytics import YOLO

# Load a model
model = YOLO("yolo26n.pt")  # load a pretrained model (recommended for training)

# Train the model
results = model.train(data="lvis.yaml", epochs=100, imgsz=640)

CLI

# Start training from a pretrained *.pt model
yolo detect train data=lvis.yaml model=yolo26n.pt epochs=100 imgsz=640

两点实践说明：

• 传入 data="lvis.yaml" 即可，check_det_dataset 会把裸名称补全为仓库内置的 YAML（源码第 567-569 行支持 coco8 → coco8.yaml 这类简写）；
• 完整的训练超参数（batch、close_mosaic、lr0 等）参见 Training 文档；训练后可用 Validation 模式 在 val 或 minival 上评估、用 Predict 模式 做推理。

马赛克数据增强

LVIS 训练 batch 的一个典型特征是马赛克增强：多张含大量类别的复杂场景图像被拼接成一张训练图，提升每个 batch 内物体与场景的多样性，帮助模型适应不同尺度、宽高比与上下文。这一增强由 Ultralytics 数据流水线默认开启（mosaic=1.0），配合 1,203 类的长尾分布，可在有限采样内让模型"看到"更多稀有类别组合。

五、典型应用场景

LVIS 常被用于训练和评估各类深度学习模型：检测方向如 YOLO（见 YOLO26 模型文档）、Faster R-CNN、SSD；分割方向如 Mask R-CNN。它之所以成为长尾类别能力的关键基准，是因为三点组合：大词表 + 高标注量 + 标准化 mAP/mAR 指标。如果你的业务场景涉及开放式物体识别（商品、零部件、户外细碎物品等类别极多的场景），在 LVIS 上验证模型对低频类别的召回表现，比在 COCO 的 80 类上验证更具说服力。

六、引用与致谢

若在研究或开发中使用 LVIS 数据集，请引用原始论文：

@inproceedings{gupta2019lvis,
  title={LVIS: A Dataset for Large Vocabulary Instance Segmentation},
  author={Gupta, Agrim and Dollar, Piotr and Girshick, Ross},
  booktitle={Proceedings of the {IEEE} Conference on Computer Vision and Pattern Recognition},
  year={2019}
}

该数据集由 LVIS Consortium 创建并持续维护，是计算机视觉社区的重要公开资源。

七、FAQ

LVIS 数据集用于什么？ 用于在大规模、长尾词表上训练与基准测试目标检测和实例分割模型。1,203 个类别、约 200 万实例标注，使其成为衡量 YOLO 等模型对常见与稀有类别识别能力的关键资源。

图像与类别数量？ lvis.yaml 覆盖 1,203 个类别：训练 100,170 张、验证 19,809 张、minival 5,000 张（与 COCO val2017 相同）。图像与 COCO 相同，但词表与标注密度大得多。

LVIS 与 COCO 的核心区别？ 图像相同、划分与标注不同：类别从 80 个扩展到 1,203 个，并强调标注的完整性与多样性，用于推动检测/分割模型在细粒度、低频类别上的上限。

是否有测试集？ 本地配置只有 train/val/minival 三个划分；上游另有约 20,000 张的留出测试集，真值不公开，需提交 LVIS 评测服务器打分。因此自动下载脚本也刻意跳过了 test2017.zip。

相关入口：数据集文档 docs/en/datasets/detect/lvis.md、COCO 对照文档 docs/en/datasets/detect/coco.md、配置文件 ultralytics/cfg/datasets/lvis.yaml、数据集校验与下载实现 ultralytics/data/utils.py。