### 解决非规范化或超出边界的图像标签坐标 当遇到类似 `non-normalized or out of bounds coordinates` 的错误提示时，这通常意味着标注文件中的边界框坐标超出了图像的实际尺寸范围或者是未经过归一化的数值。为了修正这个问题，可以采取以下几个措施： #### 1. 数据预处理脚本编写 创建一个Python脚本来遍历所有的标注文件并自动调整异常的坐标值。 ```python import os from pathlib import Path def normalize_coordinates(label_file, img_width=640, img_height=640): """ 对于给定的标签文件路径，读取其内容并对其中不符合规定的坐标进行修正。 参数: label_file (str): 标签文件的具体位置。 img_width (int), img_height (int): 图像宽度和高度，默认设置为YOLO模型常用的输入大小。 返回: None: 将修改后的数据保存回原文件中。 """ with open(label_file, 'r+') as f: lines = f.readlines() new_lines = [] for line in lines: parts = line.strip().split(' ') class_id = int(parts[0]) # 转换中心点坐标以及宽高比例到实际像素值 cx, cy, w, h = map(float, parts[1:]) x_min = max(0., min(cx - w / 2., 1.) * img_width) y_min = max(0., min(cy - h / 2., 1.) * img_height) x_max = min(img_width, max((cx + w / 2.), 0.) * img_width) y_max = min(img_height, max((cy + h / 2.), 0.) * img_height) # 计算新的中心点坐标及宽高比 nw = abs(x_max - x_min) / img_width nh = abs(y_max - y_min) / img_height ncx = ((x_min + x_max)/2) / img_width ncy = ((y_min + y_max)/2) / img_height corrected_line = f"{class_id} {ncx:.6f} {ncy:.6f} {nw:.6f} {nh:.6f}\n" new_lines.append(corrected_line) f.seek(0) f.writelines(new_lines) if __name__ == "__main__": labels_dir = "/path/to/your/dataset/labels" # 替换成自己的标签目录 for root, dirs, files in os.walk(labels_dir): for file_name in files: if not file_name.endswith('.txt'): continue full_path = str(Path(root).joinpath(file_name)) try: normalize_coordinates(full_path) print(f'Successfully processed {full_path}') except Exception as e: print(f'Error processing {full_path}:', e) ``` 此段代码会遍历指定目录下的所有`.txt`格式的标签文件，并尝试纠正那些可能存在问题的数据项[^3]。 #### 2. 验证集清理 除了通过编程手段来批量处理外，在准备验证集合之前也应该仔细检查每一张用于测试的照片及其对应的标签信息是否匹配正确无误。如果发现某些样本确实存在质量问题，则可以直接将其移除以避免干扰后续评估过程。 #### 3. 使用工具辅助校验 还可以借助一些专门设计用来管理计算机视觉项目的小型应用程序来进行更直观的操作。比如LabelImg这样的图形界面软件可以帮助快速浏览图片的同时查看关联的对象框；而Roboflow等在线平台则提供了更加全面的功能支持，包括但不限于自动化清洗、增强等功能[^1]。