Ultralytics YOLO 数据集体系详解：七大视觉任务数据集、data.yaml 配置与数据集贡献全流程

本文为 Ultralytics 仓库中数据集总览文档（docs/en/datasets/index.md）的完整技术扩充。你将了解 Ultralytics 覆盖检测、实例分割、语义分割、深度估计、图像分类、姿态估计与 OBB（旋转框）七大任务的全部内置数据集清单，掌握各任务 data.yaml 配置文件的字段语义与源码解析方式，并能独立完成一个新数据集的目录组织、图片压缩、打包与贡献（PR）全流程。

一、数据集体系总览：任务、数据集与文档索引

Ultralytics 内置支持多种主流计算机视觉数据集，覆盖以下任务类型（每个任务均提供独立的数据集索引页）：

• 目标检测（Object Detection）：在图像中检测并定位物体，为每个物体绘制边界框。索引页：docs/en/datasets/detect/index.md
• 实例分割（Instance Segmentation）：以像素级精度识别并定位物体，且能区分同一类别的不同实例（与只给每个像素打类别标签的语义分割不同）。索引页：docs/en/datasets/segment/index.md
• 语义分割（Semantic Segmentation）：为图像中每个像素分配类别标签，生成稠密场景图，适用于自动驾驶、场景解析、地表覆盖制图等。索引页：docs/en/datasets/semantic/index.md
• 深度估计（Depth Estimation）：单目深度估计任务，从单张 RGB 图像预测每像素深度图（单位：米），支撑 3D 场景重建、机器人导航与 AR/VR 应用。索引页：docs/en/datasets/depth/index.md
• 图像分类（Image Classification）：根据图像视觉内容将其归入一个或多个预定义类别。索引页：docs/en/datasets/classify/index.md
• 姿态估计（Pose Estimation）：确定物体相对于相机或世界坐标系的姿态，核心是识别人体或动物等物体上的关键点（关节点）。索引页：docs/en/datasets/pose/index.md
• 旋转框检测（Oriented Bounding Boxes, OBB）：使用旋转边界框检测图像中具有任意朝向的物体，常用于航拍与卫星影像；相比传统轴对齐框，OBB 能更好地贴合各种朝向的物体。索引页：docs/en/datasets/obb/index.md

此外，Track 模式直接运行在检测、分割、姿态与 OBB 模型之上，不需要跟踪器专属的训练数据集（见 docs/en/datasets/track/index.md）。

二、目标检测数据集

目标检测类数据集（均为 docs/en/datasets/detect/index.md 下的完整清单）：

数据集	文档页	简介
African-wildlife	detect/african-wildlife.md	非洲野生动物图像，含水牛、大象、犀牛、斑马等
Argoverse	detect/argoverse.md	城市环境的 3D 跟踪与运动预测数据，标注丰富
Brain-tumor	detect/brain-tumor.md	脑部肿瘤检测，含 MRI/CT 扫描图像及肿瘤位置、特征信息
COCO	detect/coco.md	Common Objects in Context，大规模检测/分割/描述数据集，80 个类别
COCO8	detect/coco8.md	COCO train 前 4 张 + val 前 4 张的子集，适合快速测试
COCO8-Grayscale	detect/coco8-grayscale.md	COCO8 的灰度版本（RGB 转灰度），用于单通道模型评估
COCO8-Multispectral	detect/coco8-multispectral.md	COCO8 的 10 通道多光谱版本（插值 RGB 波长），用于光谱感知模型评估
COCO128	detect/coco128.md	COCO train2017 前 128 张图像子集，适合测试
Construction-PPE	detect/construction-ppe.md	工地场景安全装备（头盔、反光背心、手套、靴子、护目镜）及缺失装备标注
Global Wheat 2020	detect/globalwheat2020.md	2020 全球小麦挑战赛麦穗图像数据集
HomeObjects-3K	detect/homeobjects-3k.md	室内场景标注数据，含 12 种常见家居物品，适用于智能家居/机器人/AR
KITTI（新增）	detect/kitti.md	自动驾驶数据集，含立体、LiDAR 与 GPS/IMU 输入，用于 2D 目标检测
LVIS	detect/lvis.md	大规模检测/分割/描述数据集，1203 个类别
Medical-pills	detect/medical-pills.md	药片标注图像，用于药品质检、分拣与合规
Objects365	detect/objects365.md	高质量大规模检测数据集，365 类、60 万+ 标注图像
OpenImagesV7	detect/open-images-v7.md	170 万训练图、4.2 万验证图的综合数据集
RF100	detect/roboflow-100.md	跨 7 个成像域的 100 个数据集基准，用于综合评估
Signature	detect/signature.md	含签名标注的文档图像，支持身份验证与欺诈检测研究
SKU-110K	detect/sku-110k.md	零售环境密集目标检测，1.1 万+ 图像、170 万个框
VisDrone	detect/visdrone.md	无人机航拍检测与多目标跟踪数据，1 万+ 图像与视频序列
VOC	detect/voc.md	Pascal VOC，20 类、1.1 万+ 图像
xView	detect/xview.md	俯视图影像检测，60 个类别、100 万+ 标注目标

三、实例分割、语义分割与深度估计数据集

实例分割数据集

docs/en/datasets/segment/index.md 下的数据集清单：

• Carparts-seg（segment/carparts-seg.md）：面向车辆零部件识别的专用数据集，同时服务于检测与分割任务。
• COCO（segment/coco.md）：大规模检测/分割/描述数据集，20 万+ 标注图像。
• COCO8-seg（segment/coco8-seg.md）：8 张 COCO 图像含分割标注的子集。
• COCO128-seg（segment/coco128-seg.md）：128 张 COCO 图像含分割标注的子集。
• Crack-seg（segment/crack-seg.md）：路面与墙体裂缝检测专用，支持检测与分割双任务。
• Package-seg（segment/package-seg.md）：仓库/工业环境包裹识别，适配检测与分割应用。

语义分割数据集

docs/en/datasets/semantic/index.md 下的数据集清单：

• Cityscapes（semantic/cityscapes.md）：城市街景语义分割，19 个训练类。
• Cityscapes8（semantic/cityscapes8.md）：8 张图像的 Cityscapes 精简子集，用于快速验证语义分割流水线。
• ADE20K（semantic/ade20k.md）：场景解析数据集，150 个语义类。

深度估计数据集

docs/en/datasets/depth/index.md 下的数据集清单：

• NYU Depth V2（depth/nyu-depth-v2.md）：标准室内深度基准，由 Microsoft Kinect v1 采集。
• KITTI（depth/kitti.md）：真实户外自动驾驶场景，含 Velodyne LiDAR 深度。
• Depth8（depth/depth8.md）：8 张 SUN RGB-D 图像的精简子集，用于快速流水线检查。

四、图像分类、姿态估计与 OBB 数据集

图像分类数据集

docs/en/datasets/classify/index.md 下的数据集清单：

• Caltech 101（classify/caltech101.md）：101 个物体类别。
• Caltech 256（classify/caltech256.md）：Caltech 101 的扩展版，256 类、更具挑战性。
• CIFAR-10（classify/cifar10.md）：6 万张 32×32 彩色图像，10 类、每类 6 千张。
• CIFAR-100（classify/cifar100.md）：100 个类别、每类 600 张。
• Fashion-MNIST（classify/fashion-mnist.md）：7 万张灰度图像，10 个服饰类别。
• ImageNet（classify/imagenet.md）：1400 万+ 图像、2 万类别的大规模数据集。
• ImageNet-10（classify/imagenet10.md）：10 类 ImageNet 子集，用于快速实验。
• Imagenette（classify/imagenette.md）：10 个易区分类别的 ImageNet 子集。
• Imagewoof（classify/imagewoof.md）：10 个犬种类别、更具挑战性的 ImageNet 子集。
• MNIST（classify/mnist.md）：7 万张手写数字灰度图像。
• MNIST160（classify/mnist.md）：MNIST train 与 test 中每个数字的前 8 张，共 160 张。

姿态估计数据集

docs/en/datasets/pose/index.md 下的数据集清单：

• COCO（pose/coco.md）：含人体姿态标注的大规模数据集。
• COCO8-pose（pose/coco8-pose.md）：8 张含人体姿态标注的 COCO 子集。
• Dog-pose（pose/dog-pose.md）：约 8500 张犬类图像，每只狗 24 个关键点。
• Hand-Keypoints（pose/hand-keypoints.md）：2.6 万+ 张手部图像，每只手 21 个关键点。
• Tiger-pose（pose/tiger-pose.md）：263 张虎类图像，每只虎 12 个关键点。

OBB 数据集

docs/en/datasets/obb/index.md 下的数据集清单：

• DOTA-v2（obb/dota-v2.md）：170 万实例、11268 张图像的航拍 OBB 数据集。
• DOTA8（obb/dota8.md）：DOTAv1 前 8 张（4 训练/4 验证），适合快速测试。
• DOTA128（obb/dota128.md）：128 张图像子集，规模与多样性兼顾。

五、data.yaml 配置文件：字段语义与源码级解析

每个内置数据集在 ultralytics/cfg/datasets/ 下都有对应的 *.yaml 配置文件，yolo CLI 与 Python API 通过 data=xxx.yaml 引用它们（例如 yolo train data=coco8.yaml）。结合仓库中的真实配置文件，各字段的语义如下：

通用字段：路径、划分与类别

以 coco8.yaml 为例：

path: coco            # 数据集根目录
train: images/train   # 训练图像（相对 'path'），4 张
val: images/val       # 验证图像（相对 'path'），4 张
test:                 # 测试图像（可选）

names:                # 类别表
  0: person
  1: bicycle
  2: car
  # ... 共 80 个 COCO 类别
download: https://github.com/ultralytics/assets/releases/download/v0.0.0/coco8.zip

• path/train/val/test：支持三种写法——目录路径、图像列表文本文件（path/to/imgs.txt）、图像路径列表（[path1, path2, ..]）。完整的 coco.yaml 就采用了 train: train2017.txt 的列表文件写法，并附带下载脚本（download: 字段），先拉取标签再拉取 train2017.zip、val2017.zip 图像包。
• download：可选字段，支持 URL 或内嵌 Python 下载脚本；训练时数据集若缺失会按此字段自动下载解压。
• 下载落盘位置：数据集默认下载到 Ultralytics 设置中的 datasets_dir 目录（见 ultralytics/utils/init.py 中 "datasets_dir": str(datasets_root / "datasets") 与 DATASETS_DIR 全局变量定义），各 yaml 头部注释中的 # parent └── datasets └── coco8 ← downloads here 树状图即描述该落盘结构。

任务专属字段

姿态估计——coco8-pose.yaml 额外定义了关键点相关字段：

kpt_shape: [17, 3]   # [关键点数量, 维度]：维度 2 为 (x,y)，3 为 (x,y,visible)
flip_idx: [0, 2, 1, 4, 3, 6, 5, 8, 7, 10, 9, 12, 11, 14, 13, 16, 15]  # 水平翻转时的关键点重排索引
names:
  0: person
kpt_names:           # 每个类的关键点名称
  0:
    - nose
    - left_eye
    # ... 共 17 个人体关键点

语义分割——cityscapes8.yaml 用 masks_dir 指定语义掩码目录，并用 label_mapping 把源标签 ID 映射到训练 ID（不可参与训练的标签映射为 ignore_label，转换后变为 255）：

path: cityscapes8
train: images/train
val: images/val
masks_dir: masks        # 语义掩码目录
names:
  0: road
  1: sidewalk
  # ... 共 19 个 Cityscapes 训练类
label_mapping:
  -1: ignore_label
  7: 0                   # 源标签 7 -> 训练类 0 (road)
  24: 11
  # ...

深度估计——depth8.yaml 使用 16 位 PNG 深度图，通过 depth_scale 将像素值换算为米：

path: depth8-png
train: images/train
val: images/val
nc: 1
names:
  0: depth
channels: 3
depth_scale: 1000   # PNG 值 1000 = 1 米

其头部注释还给出了常见取值：ARKitScenes 与 NYU Depth V2 用 1000（1 mm 精度，最大 65.535 m），KITTI 用 256（3.90625 mm 精度），Virtual KITTI 2 用 100（1 cm 精度）。从源码结构看，nc: 1 + names: [depth] 表示深度任务以"单通道回归"方式接入统一的 YOLO 数据加载链路。

OBB——dota8.yaml 只包含通用字段（path/train/val/names 15 个 DOTA 类 + download），说明旋转框标注仍存放在与目标检测一致的 YOLO 格式标签文件中，仅坐标字段扩展为旋转角。

多通道扩展：COCO8-Grayscale（单通道）与 COCO8-Multispectral（10 通道）两个衍生数据集表明，从源码中 check_det_dataset 返回值包含 channels 字段（ultralytics/data/utils.py 中 return {..., "channels": 3}）可以推断，数据集加载链路已支持按数据集声明输入通道数，用于单通道/多光谱模型的评估。

六、如何贡献一个新数据集（完整工作流）

向 Ultralytics 贡献数据集需经过以下 8 步，确保与现有基础设施对齐：

1. 收集图像：从公开数据库或自采渠道获取图像。

2. 标注图像：根据任务标注边界框、分割多边形或关键点。

3. 导出标注：把标注转换为 Ultralytics 支持的 YOLO *.txt 格式。

4. 组织目录：建立如下标准文件夹结构：

   dataset/
   ├── images/
   │   ├── train/
   │   └── val/
   └── labels/
       ├── train/
       └── val/
   

5. 创建 data.yaml：在数据集根目录编写描述数据集、类别及其他必要信息的 data.yaml（字段写法见上节 ultralytics/cfg/datasets/ 中的真实示例）。

6. 优化图像（可选）：为减小体积、提升下载速度，可压缩图像（推荐但非必需）。

7. 打包 zip：将整个数据集目录压缩为 zip 文件。

8. 编写文档并提交 PR：创建描述该数据集及其如何融入现有框架的文档页，然后提交 Pull Request，具体流程见 docs/en/help/contributing.md。

官方工具：图像优化与打包的源码实现

文档给出的示例代码如下：

from pathlib import Path

from ultralytics.data.utils import compress_one_image
from ultralytics.utils.downloads import zip_directory

# Define dataset directory
path = Path("path/to/dataset")

# Optimize images in dataset (optional)
for f in path.rglob("*.jpg"):
    compress_one_image(f)

# Zip dataset into 'path/to/dataset.zip'
zip_directory(path)

两个函数在仓库中的实现细节值得贡献者了解：

• compress_one_image（ultralytics/data/utils.py）：签名为 compress_one_image(f, f_new=None, max_dim=1920, quality=50)。默认将长边超过 1920 px 的图像等比缩放到 1920 以内，并以 JPEG 质量 50 保存；小于阈值的图像不重采样。实现上优先使用 PIL（并将 Image.MAX_IMAGE_PIXELS 置为 None 以规避约 1.79 亿像素的 DecompressionBombError，RGBA/LA 图像先转 RGB 再存 JPEG），PIL 失败时自动回退到 OpenCV（cv2.INTER_AREA 插值缩放）。传 f_new 可另存而非覆盖原图——贡献数据集时若不想破坏原始素材，建议保留该参数。
• zip_directory（ultralytics/utils/downloads.py）：签名为 zip_directory(directory, compress=True, exclude=(".DS_Store", "__MACOSX"), progress=True)。它会先清理目录中的 .DS_Store 文件，再按目录递归打包，默认使用 ZIP_DEFLATED 压缩，生成的 zip 与源目录同名并放置在同级目录（即 dataset/ 打包为 dataset.zip），同时提供 TQDM 进度条。目录不存在时抛出 FileNotFoundError。

这套"标准目录 + data.yaml + 官方打包工具"的组合，保证了社区贡献的数据集能被 yolo train data=xxx.yaml 自动下载、校验和加载，与内置数据集享有同一套数据加载、缓存与缓存校验逻辑。

七、常见问题（FAQ）

Ultralytics 支持哪些目标检测数据集？

Ultralytics 支持大量目标检测数据集，代表性的包括：COCO（80 类大规模检测/分割/描述）、LVIS（1203 类细粒度检测）、Argoverse（城市环境 3D 跟踪与运动预测）、VisDrone（无人机航拍检测与跟踪）、SKU-110K（零售环境密集检测，1.1 万+ 图像）。这些数据集用于训练各类 YOLO 模型，完整清单见 docs/en/datasets/detect/index.md。

如何向 Ultralytics 贡献一个新数据集？

按六步概要执行：收集图像 → 标注（框/分割/关键点，视任务而定）→ 导出为 YOLO *.txt 格式 → 按 images/{train,val} + labels/{train,val} 结构组织 → 编写 data.yaml（含描述、类别等）→ （可选）压缩图像减小体积 → 打包为 zip → 编写文档页并提交 PR（遵循 docs/en/help/contributing.md）。完整指南见本文第六节。

如何用 Ultralytics 工具优化和打包数据集？

直接使用 compress_one_image 与 zip_directory 两个工具函数（代码见本文第六节）。该流程能显著减小数据集体积，获得更高效的存储与更快的下载速度，其参数行为（最大边长 1920、JPEG 质量 50、排除 macOS 垃圾文件等）可直接从源码确认。

Ultralytics YOLO 模型有哪些与数据集生态配套的特性？

• 统一框架多任务：同一套框架支持检测、实例分割、语义分割、深度估计、分类与姿态估计，本文列举的全部数据集均可通过 yolo train data=xxx.yaml 直接接入；
• 预训练模型：提供多任务高性能预训练权重，缩短训练周期；
• 易用 API：简单的 CLI/Python 接口便于集成到既有工作流；
• 平台能力：Ultralytics 平台还提供数据集上传管理、直接用于训练、可视化与分布分析等能力（见 docs/en/platform/data/index.md），帮助完成从数据管理到训练的一站式流程。