在 CVAT 里画完目标框，还需要把标签和坐标以训练程序能读的格式导出。本文用 CVAT 的传统 YOLO 导出格式说明核对办法：核心是 obj.names 中的类别顺序，以及每张图片对应的 .txt 文件里的归一化框坐标。不同训练库可能要求另一个目录结构，导出后先看格式再接训练。
在 CVAT 准备一个可验证的任务
例如为两张图片分别框出“cat”和“dog”，创建任务时明确这两个类别的拼写；每个框只覆盖实际目标。导出前在作业里检查有没有漏框和错标，再保存。此前的 CVAT 矩形框教程解释如何画框；本文只处理标注交给训练程序时的类别与文件核对。
选择导出格式并打开压缩包
在任务的导出菜单选择与你训练程序一致的 YOLO 选项，下载 ZIP。CVAT 官方 YOLO 格式说明列出传统格式的 obj.names、obj.data、train.txt 和 obj_<subset>_data。它只支持矩形框，不保存 attributes 和 tracks；有分割轮廓或轨迹的任务不应靠这个导出格式传递那些信息。
archive.zip/
obj.names
obj.data
train.txt
obj_train_data/
image1.txt
image2.txt
打开 obj.names，确认类别列表与 CVAT 任务一致，且一行一个类别。标注文件每行应是 label_id cx cy w h 五列；后四列是相对于图片宽高归一化的中心坐标与框尺寸。例如 0 0.5 0.5 0.2 0.4 表示类别 0 的框在图中间，宽占 20%、高占 40%。该行只是格式演示，并非上面两张图片的真实输出。
训练前做三项核对
- 按
obj.names顺序把 ID 0、1 映射回 cat、dog，并抽查每张图的类别；不要假定字母顺序就是导出顺序。 - 对照原图画回至少几个框，确认
cx/cy/w/h均在合理范围且没有把宽高当像素值。 - 逐个比对图片文件名和同名
.txt，再检查训练程序所需的目录与配置。CVAT 的传统 YOLO ZIP 与 Ultralytics YOLO 格式是不同选项，不能因名字都叫 YOLO 就直接混用。
如果压缩包没有期望文件，先确认你在 CVAT 实际选中的导出选项；格式菜单会随版本改变。本文提供的是基于官方格式文档的核对流程，未对你的 CVAT 任务实际导出。资料核对于 2026 年 10 月 1 日。
Ai菜鸟网。发布者：AI小管家，转载请注明出处：https://www.alyyhw.com/31314.html
