| 维度 / 特性 | VOC 格式 (XML) | COCO 格式 (JSON) | YOLO 格式 (TXT) |
|---|---|---|---|
| 设计初衷 | PASCAL VOC 竞赛标准，重可读性与完整性 | MS COCO 竞赛标准，面向大规模、多任务 | YOLO 系列原生格式，为极致训练效率而生 |
| 文件类型 | XML | JSON | TXT |
| 典型扩展名 | .xml（每张图片一个） | .json（整数据集一个或几个大文件） | .txt（每张图片一个） |
| 代表数据集 | PASCAL VOC 2007/2012 | MS COCO | Darknet / Ultralytics 训练集 |
| 数据结构 | 单图单 XML，含尺寸、难度等丰富元数据 | 集中式 JSON，ID 关联图像与标注，支持关键点/分割 | 单图单 TXT，每行'class x_center y_center width height'（归一化） |
| 主要特点 | 结构化、可读性强，坐标为绝对像素值，含 object、bndbox、part 等 | 信息最丰富，支持实例分割、关键点，学术研究事实标准 | 极简高效，全归化坐标，文件小，加载快 |
| 优点 | 1. 信息完整，易人工阅读调试 |
- 早期框架兼容性佳
- 元数据助困难样本分析 | 1. 信息最丰富，支持实例分割、关键点等
- 新论文/模型首选
- 海量预训练模型与工具支持 | 1. 极简高效，文件小，加载快
- 与 YOLO 系列无缝对接
- 结构简单，易生成解析 | | 缺点 | 1. 冗余高，文件多，总容量大
- 训练时信息冗余成负担 | 1. 结构复杂，手动处理难
- 单文件损坏可致全数据集不可用 | 1. 信息损失严重，无图像元数据
- 可读性差，纯数字不直观
- 与非 YOLO 框架兼容需转换 | | 典型应用场景 | 1. 数据标注、审查与质检阶段
- 小型项目/教学，追求结构清晰
- 使用早期框架（R-CNN/Fast R-CNN） | 1. 学术研究/论文复现，前沿模型
- 需实例分割、关键点等多任务
- 使用 MMDetection、Detectron2 等现代框架 | 1. 工业部署/生产，追求训练推理速度
- 使用 YOLOv5/v8/v9、Ultralytics 生态
- 边缘设备或资源受限场景 |
1. 历史与生态原因
- VOC 格式：最早（2007 年），R-CNN、Fast R-CNN、Faster R-CNN 等两阶段检测器大多基于 VOC 数据集开发，很多经典代码（如 py-faster-rcnn）直接支持 XML。
- COCO 格式：2014 年发布，更丰富（80 类、实例分割、关键点），成为现代检测器的标准评测数据集（torchvision、MMDetection、Detectron2 等官方实现默认支持 COCO）。
- YOLO 格式：YOLO 系列从 2016 年起流行，因其极简高效，社区为方便训练 YOLO 模型，普遍会把 VOC 或 COCO 数据集转换为 YOLO txt 格式。
2. 工具链支持完善
- 几乎所有主流框架都内置或有成熟脚本支持这三种格式的互相转换：
- VOC ↔ COCO：pycocotools、MMDetection 工具
- VOC → YOLO：大量 GitHub 脚本（roboflow、ultralytics 等）
