正样本、负样本 与 ROC 、AUC之间的关系：
        正样本和负样本构成了分类 问题的基础，ROC 曲线和 AUC 是用于评估二分类模型性能的工具。ROC 曲线通过不同的阈值来评估模型的性能，而 AUC 是对整个 ROC 曲线性能的一个综合度量（AUC 是 ROC 曲线下方的面积），ROC、AUC、越大，模型性能越好，表示模型在分类问题中的能力越强。

（ROC 曲线、真阳性率 (True Positive Rate, TPR)、假阳性率 (False Positive Rate, FPR)  ）

        本文档针对目标检测任务（如电梯门缝、烟头检测）中负样本的采集、标注及数据准备提供详细说明，并附带一个批量生成空标签文件的 Python 脚本，帮助快速构建符合 YOLO 训练要求的负样本数据集。

---

1. 负样本的作用

正样本和负样本通常与二分类问题相关联

        正样本： 与真值对应的目标类别来说该样本为正样本。 （正样本是在二分类问题中我们要寻找的目标类 别）

        负样本： 与真值不对应的其他所有目标类别来说该样本为负样本。（负样本是不属于目标类别的类别）

例如：图片二分类任务（比如判断1张图片是否为猫）。

                如果样本对应的标签为1，则该样本为正样本（positive sample）。

                如果样本对应的标签为0，则该样本为负样本（negative sample）。

        负样本（即不包含任何待检测目标的图像）在目标检测中至关重要，它帮助模型学习“背景”的特征，有效减少误检（False Positive），提升模型的鲁棒性和精确率。

---

2. 负样本的采集策略

2.1 覆盖所有可能的背景场景

• 不同电梯类型：内饰、照明、品牌等。

• 不同时间/光照：白天、夜晚、逆光等。

• 不同视角：摄像头安装高度、角度。

• 不同状态：门开/关、有人/无人、有杂物等。

2.2 包含干扰物（难例负样本）

• 对烟头：类似烟头的纸屑、瓜子壳、石子、反光点、污渍、硬币等。

• 对电梯门缝：装饰条纹、划痕、地砖缝隙、光影线条等。

2.3 从实际运行视频中提取

• 连续录制监控视频，截取不包含目标的帧。

• 确保涵盖不同时段和场景。

2.4 利用公开数据集或网络图片

• 选择与目标场景相近的室内图像作为补充。

2.5 数据增强生成负样本（辅助手段）

• 裁剪正样本中的目标区域，保留背景。

---

3. 负样本的标注要求

对于负样本图像：

• 不需要标注任何目标区域（即不画框）。

• 但必须为每张负样本图像提供一个同名的空标签文件（.txt，内容为空），以便 YOLO 训练框架正确读取。

为什么需要空标签文件？
大多数 YOLO 训练脚本会为每张图像查找对应的标签文件。若缺失，可能导致数据加载错误或跳过该图像。提供空标签文件可确保数据管道的一致性。

---

4. 批量生成空标签文件的 Python 脚本

以下脚本可递归遍历指定图像目录，为每张图像生成一个同名的空 .txt 文件（若文件不存在或为空则跳过，若已存在非空文件则警告并跳过）。

4.1 脚本代码

将以下代码保存为 generate_empty_labels.py：

import os
import argparse
from pathlib import Path

# 支持的图像扩展名
IMAGE_EXTENSIONS = {'.jpg', '.jpeg', '.png', '.bmp', '.tiff', '.webp'}

def create_empty_labels(image_dir="./train", labels_dir="./labels/train"):
    """
    为指定目录下的所有图像生成空标签文件（YOLO格式），并输出到 labels_dir。

    参数:
        image_dir: 图像所在的根目录（递归搜索），默认 "./train"
        labels_dir: 标签输出目录，默认 "./labels/train"
    """
    image_dir = Path(image_dir).resolve()
    labels_dir = Path(labels_dir).resolve()

    if not image_dir.exists():
        print(f"错误：图像目录 '{image_dir}' 不存在。")
        return

    # 创建标签根目录
    labels_dir.mkdir(parents=True, exist_ok=True)

    # 统计
    total_images = 0
    created = 0
    skipped_existing = 0
    warned_nonempty = 0

    for root, dirs, files in os.walk(image_dir):
        for file in files:
            ext = Path(file).suffix.lower()
            if ext not in IMAGE_EXTENSIONS:
                continue

            total_images += 1
            img_path = Path(root) / file
            # 计算图像相对于 image_dir 的路径，用于在 labels_dir 下保持相同子目录结构
            rel_path = img_path.relative_to(image_dir)

            # 标签文件路径：labels_dir + 相对路径（仅替换扩展名为 .txt）
            label_path = labels_dir / rel_path.with_suffix('.txt')
            label_path.parent.mkdir(parents=True, exist_ok=True)

            # 处理标签文件
            if label_path.exists():
                if label_path.stat().st_size == 0:
                    # 已存在空文件，跳过
                    skipped_existing += 1
                else:
                    # 已存在非空文件，警告并跳过
                    print(f"警告：标签文件已存在且非空，跳过：{label_path}")
                    warned_nonempty += 1
            else:
                # 创建空文件
                label_path.touch()
                created += 1
                print(f"创建：{label_path}")

    print("\n处理完成。")
    print(f"找到图像文件：{total_images} 张")
    print(f"新创建标签：{created} 个")
    print(f"跳过已存在的空标签：{skipped_existing} 个")
    print(f"警告（已存在非空标签）：{warned_nonempty} 个")

if __name__ == "__main__":
    parser = argparse.ArgumentParser(description="为负样本图像生成YOLO格式的空标签文件。")
    parser.add_argument("--image_dir", default="./train", help="图像目录（默认 ./train）")
    parser.add_argument("--labels_dir", default="./labels/train", help="标签输出目录（默认 ./labels/train）")
    args = parser.parse_args()

    create_empty_labels(args.image_dir, args.labels_dir)

4.2 使用方法

• 直接运行（使用默认路径）
  假设当前目录下存在 train 文件夹（内含负样本图像），运行：

  python generate_empty_labels.py

  脚本将在 ./labels/train 下生成对应的空 .txt 文件，并保持原 train 内的子目录结构。

• 自定义路径
  例如为验证集生成空标签：

  python generate_empty_labels.py --image_dir ./val --labels_dir ./labels/val

4.3 脚本说明

• 递归扫描 image_dir 下的所有图像（支持常见格式）。

• 在 labels_dir 中创建与图像相对路径一致的目录结构。

• 若标签文件已存在且为空，则跳过（避免重复创建）。

• 若标签文件已存在且非空，则打印警告并跳过（防止覆盖已有的正样本标注）。

• 自动创建缺失的父目录。

---

5. 标注工具与操作系统选择

5.1 常用标注工具

• LabelImg：跨平台（Windows/Linux/macOS），轻量级，适合单人标注。

• CVAT：基于 Web，适合团队协作，与操作系统无关。

• Label Studio、MakeSense.ai 等。

5.2 操作系统建议

• Ubuntu：如果后续训练也在 Linux 环境下进行，建议直接在 Ubuntu 下标注，避免数据传输。

• Windows：对新手更友好，标注后可通过共享或云存储将数据传给训练服务器。

• 团队协作：推荐使用 Web 工具（如 CVAT），统一访问，不受本地系统限制。

---

6. 注意事项

• 标签一致性：所有负样本的标签文件必须为空（0 字节），且与图像文件名一一对应。

• 数据平衡：负样本数量通常与正样本比例在 1:1 到 3:1 之间，具体可通过实验调整。

• 难例挖掘：训练初期模型误检的图像可作为“难例负样本”加入训练集，迭代优化。

• 版本管理：建议对数据集进行版本控制（如 DVC、Git LFS），便于回溯和协作。

---

7. 快速开始

1. 将所有负样本图像放入 ./train 文件夹（可含子目录）。

2. 运行脚本生成空标签：

   python generate_empty_labels.py

3. 确认 ./labels/train 下已生成对应的 .txt 文件。

4. 在 YOLO 训练配置中，将 train 图像路径和 labels/train 标签路径正确设置即可。