COFW-68数据集实战：5分钟搞定YOLO格式转换（附完整代码）

COFW-68数据集实战：5分钟搞定YOLO格式转换（附完整代码）

当你在边缘设备部署人脸关键点检测模型时，数据集格式转换往往是第一个绊脚石。COFW-68作为遮挡场景下的重要基准数据集，其MATLAB格式的原始标注让许多开发者头疼。本文将带你用Python脚本直击痛点，实现一键式转换。

1. 理解COFW-68的数据结构

COFW-68数据集包含两个核心文件：

• cofw68_test_bboxes.mat：存储每张图片的人脸边界框
• test_annotations/目录下的.mat文件：对应每张图片的68个关键点坐标

通过scipy.io加载这些文件，可以看到数据结构如下：

import scipy.io
bboxes = scipy.io.loadmat('cofw68_test_bboxes.mat')
print(bboxes.keys())  # 输出：['__header__', '__version__', '__globals__', 'bboxes']

关键点数据则采用(68, 2)的Numpy数组存储，其中第二维的0/1值表示关键点可见性。这种存储方式虽然紧凑，但与YOLO要求的文本格式相去甚远。

2. YOLO格式的深度解析

YOLO格式的关键点标注需要满足三个核心要求：

1. 归一化坐标：所有值必须在[0,1]范围内
2. 固定顺序：68个关键点必须按预设顺序排列
3. 可见性标记：通常用0/1表示关键点是否可见

典型的一行标注数据如下：

0 0.356 0.478 0.412 0.521 0.332 0.415