如何不转换 COCO JSON，直接训练 YOLO#
标注采用 COCO JSON 格式时，可以直接用于 Ultralytics YOLO 训练，而无需先转换为 .txt 文件。具体做法是继承 YOLODataset，使其即时解析 COCO JSON，并通过自定义训练器将其接入训练流程。
为何直接使用 COCO JSON 训练#
这种方法将 COCO JSON 保留为唯一事实来源——无需调用 convert_coco()，无需重新组织目录，也无需生成中间标签文件。YOLO26 以及所有其他 Ultralytics YOLO 检测模型均受支持。分割和姿态模型需要额外的标签字段（参见 FAQ）。
请参阅 COCO 转 YOLO 转换指南，了解标准的 convert_coco() 工作流。
架构概览#
需要两个类：
COCODataset— 读取 COCO JSON，并在训练期间于内存中将边界框转换为 YOLO 格式COCOTrainer— 重写build_dataset()，改用COCODataset，而不是默认的YOLODataset
此实现是内置 GroundingDataset 的简化版本；内置版本也会直接读取 JSON 标注。这里重写了三个方法——get_img_files()、cache_labels() 和 get_labels()——而 GroundingDataset 重写的内容更多，包括自有的缓存哈希和实例计数检查。
构建 COCO JSON 数据集类#
COCODataset 类继承自 YOLODataset，并重写标签加载逻辑。它不会从标签目录读取 .txt 文件，而是打开 COCO JSON 文件，遍历按图像分组的标注，并将每个边界框从 COCO 像素格式 [x_min, y_min, width, height] 转换为 YOLO 归一化中心格式 [x_center, y_center, width, height]。系统会自动跳过人群标注（iscrowd: 1）和面积为零的框。
get_img_files() 方法会返回空列表，因为图像路径是从 cache_labels() 中 JSON 的 file_name 字段解析的。类别 ID 会排序并重新映射为从零开始的类别索引，因此无论是从 1 开始的 ID（标准 COCO）还是不连续的 ID 方案，都能正常工作。
import json
from collections import defaultdict
from pathlib import Path
import numpy as np
from ultralytics.data.dataset import DATASET_CACHE_VERSION, YOLODataset
from ultralytics.data.utils import get_hash, load_dataset_cache_file, save_dataset_cache_file
from ultralytics.utils import TQDM
class COCODataset(YOLODataset):
"""Dataset that reads COCO JSON annotations directly without conversion to .txt files."""
def __init__(self, *args, json_file="", **kwargs):
"""Initialize the dataset with a COCO JSON annotation file."""
self.json_file = json_file
super().__init__(*args, data={"channels": 3}, **kwargs)
def get_img_files(self, img_path):
"""Image paths are resolved from the JSON file, not from scanning a directory."""
self.fraction = 1.0 # fraction is applied while scanning a directory, which this dataset skips
return []
def cache_labels(self, path=Path("./labels.cache")):
"""Parse COCO JSON and convert annotations to YOLO format. Results are saved to a .cache file."""
x = {"labels": []}
with open(self.json_file) as f:
coco = json.load(f)
# Sort categories by ID and map to 0-indexed classes
categories = {cat["id"]: i for i, cat in enumerate(sorted(coco["categories"], key=lambda c: c["id"]))}
img_to_anns = defaultdict(list)
for ann in coco["annotations"]:
img_to_anns[ann["image_id"]].append(ann)
for img_info in TQDM(coco["images"], desc="reading annotations"):
h, w = img_info["height"], img_info["width"]
im_file = Path(self.img_path) / img_info["file_name"]
if not im_file.exists():
continue
self.im_files.append(str(im_file))
bboxes = []
for ann in img_to_anns.get(img_info["id"], []):
if ann.get("iscrowd", False):
continue
# COCO: [x, y, w, h] top-left in pixels -> YOLO: [cx, cy, w, h] center normalized
box = np.array(ann["bbox"], dtype=np.float32)
box[:2] += box[2:] / 2 # top-left to center
box[[0, 2]] /= w # normalize x
box[[1, 3]] /= h # normalize y
if box[2] <= 0 or box[3] <= 0:
continue
cls = categories[ann["category_id"]]
bboxes.append([cls, *box.tolist()])
lb = np.array(bboxes, dtype=np.float32) if bboxes else np.zeros((0, 5), dtype=np.float32)
x["labels"].append(
{
"im_file": str(im_file),
"shape": (h, w),
"cls": lb[:, 0:1],
"bboxes": lb[:, 1:],
"segments": [],
"normalized": True,
"bbox_format": "xywh",
}
)
if not x["labels"]:
raise RuntimeError(f"No images listed in {self.json_file} were found in {self.img_path}")
x["hash"] = get_hash([self.json_file, str(self.img_path)])
save_dataset_cache_file(self.prefix, path, x, DATASET_CACHE_VERSION)
return x
def get_labels(self):
"""Load labels from .cache file if available, otherwise parse JSON and create the cache."""
cache_path = Path(self.json_file).with_suffix(".cache")
try:
cache = load_dataset_cache_file(cache_path)
assert cache["version"] == DATASET_CACHE_VERSION
assert cache["hash"] == get_hash([self.json_file, str(self.img_path)])
self.im_files = [lb["im_file"] for lb in cache["labels"]]
except (FileNotFoundError, AssertionError, AttributeError, KeyError, ModuleNotFoundError):
cache = self.cache_labels(cache_path)
cache.pop("hash", None)
cache.pop("version", None)
return cache["labels"]解析后的标签会保存到 JSON 同目录下的 .cache 文件中（例如 instances_train.cache）。后续训练时会直接加载缓存，跳过 JSON 解析。
get_hash() 对文件大小和路径进行哈希，而不是对文件内容进行哈希，因此只有 JSON 字节数发生变化时，重新运行才会再次解析 JSON。添加或删除图像也可能改变图像目录本身的大小并触发重建，但不要依赖这一点——哈希不会检查单个图像文件，因此用一张图替换另一张图可能不会改变文件大小。若编辑后字节数不变——例如微调坐标、翻转 iscrowd、替换两个长度相同的类别名称——旧缓存会继续保留，训练时会使用旧标注且不会发出警告；原地替换图像也因同样原因无法被检测到。编辑标注或原地替换图像后，请删除 .cache 文件。
将数据集接入训练流水线#
训练器只需重写 build_dataset()。默认的 DetectionTrainer 会构建一个 YOLODataset，用于扫描 .txt 标签文件。将其替换为 COCODataset 后，训练器便会改为从 COCO JSON 读取数据。
JSON 文件路径取自数据配置中的自定义 train_json / val_json 字段（参见配置 dataset.yaml）。训练期间，mode="train" 会解析为 train_json；验证期间，mode="val" 会解析为 val_json。两个键都是必需的——两个数据拆分读取不同的图像目录，因此不能用训练 JSON 代替缺失的 val_json。
该数据集还会将 fraction 重置为 1.0。BaseDataset 在扫描图像目录时会应用此参数，而 COCODataset 会跳过这一步，因此它无法遵循部分数据集请求；重置该参数可避免数据集看起来接受了实际并未应用的值。内置的 GroundingDataset 出于相同原因也采用了这一折中做法。
from ultralytics.models.yolo.detect import DetectionTrainer
from ultralytics.utils import colorstr
class COCOTrainer(DetectionTrainer):
"""Trainer that uses COCODataset for direct COCO JSON training."""
def build_dataset(self, img_path, mode="train", batch=None):
"""Build a COCODataset for the given split using the JSON file from the data config."""
json_file = self.data["train_json"] if mode == "train" else self.data["val_json"]
return COCODataset(
img_path=img_path,
json_file=json_file,
imgsz=self.args.imgsz,
batch_size=batch,
augment=mode == "train",
hyp=self.args,
rect=self.args.rect or mode == "val",
cache=self.args.cache or None,
single_cls=self.args.single_cls or False,
stride=int(self.model.stride.max()) if hasattr(self, "model") and self.model else 32,
pad=0.0 if mode == "train" else 0.5,
prefix=colorstr(f"{mode}: "),
task=self.args.task,
classes=self.args.classes,
fraction=self.args.fraction if mode == "train" else 1.0,
)为 COCO JSON 配置 dataset.yaml#
dataset.yaml 使用标准的 path、train 和 val 字段来定位图像目录。请注意，这里的 path 指向图像根目录，因此 train 和 val 是不带前缀的数据拆分名称；这与转换指南不同，在转换指南中，path 是数据集根目录，数据拆分名称带有 images/ 前缀。另外两个字段 train_json 和 val_json 用于指定 COCOTrainer 读取的 COCO 标注文件。names 字段按照 JSON 中 categories 的排序顺序列出类别名称，类别数量由此推导，因此无需设置 nc。
path: /path/to/my_dataset/images # root with train/ and val/ image subfolders
train: train
val: val
# COCO JSON annotation files (use absolute paths; these custom keys are not resolved against `path`)
train_json: /path/to/my_dataset/annotations/instances_train.json
val_json: /path/to/my_dataset/annotations/instances_val.json
names:
0: person
1: bicycle
# ... remaining class names预期目录结构：
my_dataset/
images/
train/
img_001.jpg
...
val/
img_100.jpg
...
annotations/
instances_train.json
instances_val.json
dataset.yaml在 COCO JSON 上运行训练#
设置好数据集类、训练器类和 YAML 配置后，即可通过标准的 model.train() 调用进行训练。与常规训练唯一的区别是 trainer=COCOTrainer 参数，它会指示 Ultralytics 使用自定义数据集加载器，而非默认加载器。
from ultralytics import YOLO
model = YOLO("yolo26n.pt")
model.train(data="dataset.yaml", epochs=100, imgsz=640, trainer=COCOTrainer)完整的训练流水线运行正常，包括训练期间的验证、检查点保存和指标记录。
只有训练期间的验证会通过 COCOTrainer.build_dataset。单独调用 model.val() 会构建原版 YOLODataset，它会扫描图像旁边的 .txt 标签，但找不到任何标签。它不会报错：这些图像会被视为背景，因此验证会运行至完成，并将所有指标报告为 0，同时发出 No labels found in ... 和 no labels found in detect set, cannot compute metrics without labels 警告。若要在训练运行之外进行验证，请使用相同的 build_dataset 重写验证器，并将其传给 model.val(validator=...)。
完整实现#
为方便使用，下面提供了完整实现，作为一个可直接复制粘贴的脚本。脚本包含自定义数据集、自定义训练器和训练调用。将脚本保存在 dataset.yaml 旁边并直接运行。
import json
from collections import defaultdict
from pathlib import Path
import numpy as np
from ultralytics import YOLO
from ultralytics.data.dataset import DATASET_CACHE_VERSION, YOLODataset
from ultralytics.data.utils import get_hash, load_dataset_cache_file, save_dataset_cache_file
from ultralytics.models.yolo.detect import DetectionTrainer
from ultralytics.utils import TQDM, colorstr
class COCODataset(YOLODataset):
"""Dataset that reads COCO JSON annotations directly without conversion to .txt files."""
def __init__(self, *args, json_file="", **kwargs):
"""Initialize the dataset with a COCO JSON annotation file."""
self.json_file = json_file
super().__init__(*args, data={"channels": 3}, **kwargs)
def get_img_files(self, img_path):
"""Image paths are resolved from the JSON file, not from scanning a directory."""
self.fraction = 1.0 # fraction is applied while scanning a directory, which this dataset skips
return []
def cache_labels(self, path=Path("./labels.cache")):
"""Parse COCO JSON and convert annotations to YOLO format. Results are saved to a .cache file."""
x = {"labels": []}
with open(self.json_file) as f:
coco = json.load(f)
categories = {cat["id"]: i for i, cat in enumerate(sorted(coco["categories"], key=lambda c: c["id"]))}
img_to_anns = defaultdict(list)
for ann in coco["annotations"]:
img_to_anns[ann["image_id"]].append(ann)
for img_info in TQDM(coco["images"], desc="reading annotations"):
h, w = img_info["height"], img_info["width"]
im_file = Path(self.img_path) / img_info["file_name"]
if not im_file.exists():
continue
self.im_files.append(str(im_file))
bboxes = []
for ann in img_to_anns.get(img_info["id"], []):
if ann.get("iscrowd", False):
continue
box = np.array(ann["bbox"], dtype=np.float32)
box[:2] += box[2:] / 2
box[[0, 2]] /= w
box[[1, 3]] /= h
if box[2] <= 0 or box[3] <= 0:
continue
cls = categories[ann["category_id"]]
bboxes.append([cls, *box.tolist()])
lb = np.array(bboxes, dtype=np.float32) if bboxes else np.zeros((0, 5), dtype=np.float32)
x["labels"].append(
{
"im_file": str(im_file),
"shape": (h, w),
"cls": lb[:, 0:1],
"bboxes": lb[:, 1:],
"segments": [],
"normalized": True,
"bbox_format": "xywh",
}
)
if not x["labels"]:
raise RuntimeError(f"No images listed in {self.json_file} were found in {self.img_path}")
x["hash"] = get_hash([self.json_file, str(self.img_path)])
save_dataset_cache_file(self.prefix, path, x, DATASET_CACHE_VERSION)
return x
def get_labels(self):
"""Load labels from .cache file if available, otherwise parse JSON and create the cache."""
cache_path = Path(self.json_file).with_suffix(".cache")
try:
cache = load_dataset_cache_file(cache_path)
assert cache["version"] == DATASET_CACHE_VERSION
assert cache["hash"] == get_hash([self.json_file, str(self.img_path)])
self.im_files = [lb["im_file"] for lb in cache["labels"]]
except (FileNotFoundError, AssertionError, AttributeError, KeyError, ModuleNotFoundError):
cache = self.cache_labels(cache_path)
cache.pop("hash", None)
cache.pop("version", None)
return cache["labels"]
class COCOTrainer(DetectionTrainer):
"""Trainer that uses COCODataset for direct COCO JSON training."""
def build_dataset(self, img_path, mode="train", batch=None):
"""Build a COCODataset for the given split using the JSON file from the data config."""
json_file = self.data["train_json"] if mode == "train" else self.data["val_json"]
return COCODataset(
img_path=img_path,
json_file=json_file,
imgsz=self.args.imgsz,
batch_size=batch,
augment=mode == "train",
hyp=self.args,
rect=self.args.rect or mode == "val",
cache=self.args.cache or None,
single_cls=self.args.single_cls or False,
stride=int(self.model.stride.max()) if hasattr(self, "model") and self.model else 32,
pad=0.0 if mode == "train" else 0.5,
prefix=colorstr(f"{mode}: "),
task=self.args.task,
classes=self.args.classes,
fraction=self.args.fraction if mode == "train" else 1.0,
)
model = YOLO("yolo26n.pt")
model.train(data="dataset.yaml", epochs=100, imgsz=640, trainer=COCOTrainer)现在，你已经有了一个最精简的数据集和训练器，可以直接在 COCO JSON 上训练 Ultralytics YOLO，标注仍是唯一事实来源，也不会生成中间 .txt 文件。扩展 cache_labels() 方法，并加入 segments 或 keypoints，即可支持分割和姿态；有关超参数调优建议，请参阅 Model Training Tips 指南。
常见问题#
convert_coco()会将.txt标签文件写入磁盘，作为一次性转换。此方法则会在每次训练开始时解析 JSON，并在内存中转换标注。如果你更希望永久保存 YOLO 格式的标签，请使用convert_coco()；如果你想将 COCO JSON 保留为唯一事实来源且不生成额外文件，请使用此方法。目前的 Ultralytics 流水线默认要求使用 YOLO
.txt标签，因此无法直接训练。本指南提供了所需的最精简自定义代码——一个数据集类和一个训练器类。定义好之后，只需使用标准的model.train()调用即可开始训练。本指南介绍的是目标检测。要添加实例分割支持，请将 COCO 标注中的
segmentation多边形数据加入每个标签字典的segments字段。要实现姿态估计，请加入keypoints。GroundingDataset源代码提供了处理分段的参考实现。类别按
id排序，并映射为从 0 开始的连续索引。这适用于从 1 开始的 ID（标准 COCO）、从 0 开始的 ID 以及不连续的 ID。dataset.yaml中的names字典应与 COCOcategories数组保持相同的排序顺序。首次训练时会解析一次 COCO JSON。解析后的标签会保存到
.cache文件中，因此后续运行可直接加载，无需重新解析。由于标注保存在内存中，训练速度与标准 YOLO 训练相同。缓存键依据 JSON 文件大小，因此若编辑后文件长度未变，请删除.cache文件。