yolov8 训练报错“no labels found”通常源于数据集目录结构或 yaml 配置不匹配；本文详解标准目录结构、正确 yaml 写法及常见陷阱，助你快速修复标签路径问题。
yolov8 训练报错“no labels found”通常源于数据集目录结构或 yaml 配置不匹配；本文详解标准目录结构、正确 yaml 写法及常见陷阱，助你快速修复标签路径问题。
在 YOLOv8 中，模型训练时会严格依据 dataset.yaml 中定义的 train 和 val 子路径，自动在对应目录下查找 images/ 和 labels/ 两个同级子文件夹。若结构不符（例如将 labels 直接放在 img/ 内），即使路径存在，YOLOv8 也无法识别标注文件，从而触发 WARNING ⚠️ no labels found in detect set 并导致 mAP 等指标无法计算。
✅ 正确的数据集目录结构
YOLOv8 官方推荐且被 ultralytics 库默认识别的标准结构如下（注意层级与命名）：
dataset/
├── train/
│ ├── images/ # 必须命名为 images（非 img、JPEGImages 等）
│ │ ├── fire_001.jpg
│ │ └── smoke_042.jpg
│ └── labels/ # 必须命名为 labels（非 annotations、txt 等）
│ ├── fire_001.txt
│ └── smoke_042.txt
└── val/
├── images/
│ ├── fire_099.jpg
└── labels/
└── fire_099.txt? 关键规则：
- images/ 与 labels/ 必须是 同级目录，均位于 train/ 和 val/ 下；
- .txt 标签文件名必须与对应图像完全一致（仅扩展名不同），如 fire_001.jpg ↔ fire_001.txt；
- labels/ 内每个 .txt 文件需遵循 YOLO 格式：每行 class_id center_x center_y width height（归一化坐标，范围 0–1）。
✅ 正确的 trainer.yaml 配置
你的 trainer.yaml 应指向 dataset/ 根目录，并将 train/val 设为子目录名（而非子路径）：
# trainer.yaml path: ./dataset # 相对路径，指向 dataset/ 根目录（确保该文件与 train.py 同级或路径可解析） train: train # 表示 dataset/train/ 目录 → YOLOv8 将在此下找 images/ 和 labels/ val: val # 表示 dataset/val/ 目录 names: 0: fire 1: smoke
⚠️ 常见错误修正：
- ❌ train: img → 错误！YOLOv8 不会自动推导 img/labels；它只认 train/images + train/labels；
- ❌ path: -CENCORED-/Masaüstü/... → 绝对路径含空格/特殊字符易出错，建议改用相对路径或规范绝对路径（如 path: /home/user/dataset）；
- ❌ val: train 或缺失 val → 验证集路径缺失将导致评估失败，即使训练能进行。
✅ 验证与调试技巧
运行前，建议执行以下检查：
-
路径可达性验证（Python 中）：
import os from pathlib import Path yaml_path = "trainer.yaml" with open(yaml_path) as f: import yaml data = yaml.safe_load(f) train_path = Path(data["path"]) / data["train"] print("Train images:", train_path / "images") print("Train labels:", train_path / "labels") print("Labels exist?", (train_path / "labels").exists()) -
标签文件格式校验（示例 fire_001.txt）：
0 0.452 0.613 0.221 0.387 # class=fire, x_center=0.452, y_center=0.613, w=0.221, h=0.387 1 0.789 0.234 0.156 0.291 # class=smoke
✅ 所有数值 ∈ [0, 1]，无负数、无穷值或超限值（如 x+w > 1）。
-
启动训练时启用详细日志：
model.train(data="trainer.yaml", epochs=1, verbose=True) # 查看实际加载的图像/标签数量
成功时日志应显示类似：
Found 1242 images and 1242 labels in dataset/train
? 总结
- YOLOv8 不解析自定义路径逻辑，它硬编码约定 train/images + train/labels；
- 修改 dataset.yaml 的 train/val 字段是配置标签位置的唯一正确方式，而非修改代码或重命名文件夹；
- 对于 wildfire 检测项目，确保 fire 和 smoke 类别在所有 labels/*.txt 中使用 0/1 严格编号，避免混用；
- 初次训练建议先用 epochs=1 + verbose=True 快速验证路径与数据加载，再投入长周期训练。
遵循此结构与配置，你的 YOLOv8 模型即可正确加载标注，顺利进入训练与评估流程。
