YOLO异常标签格式解析及训练影响的技术问询

背景与数据集情况 #

我正在处理一个文具目标检测数据集，数据集分为训练、测试、验证三个文件夹，每个文件夹对应配套的图像与标签文件。

标签格式异常情况 #

当前标签文本的格式示例如下：

2 0.3832013609375 0 0 0.19411217812499998 0 0.614612228125 0.1995640296875 1 0.619265075 1 1 0.8055533171875 1 0.386728209375 0.798922646875 0 0.3832013609375 0

我原本预期YOLO格式的每个边界框仅包含5个参数：

class_id, x_center, y_center, width, height.

但当前标签包含大量额外数值，我怀疑这是某种特殊YOLO标签格式，但该数据集未提供格式说明文档。

YOLO训练现状 #

使用以下代码训练YOLO模型时未出现报错：

def train_yolo(weight_name):
    weight_path = os.path.join(weights_folder, weight_name)

    model = YOLO(weight_path)

    # Train model and save new weights
    results = model.train(data=data_yaml, epochs=100, imgsz=640, batch=16, name=f"yolo_{weight_name.split('.')[0]}", save=True)

    return results

我的data.yaml配置内容如下：

train: ../train/images
val: ../valid/images
test: ../test/images

nc: 4
names: ['pencil', 'rubber', 'ruler', 'sharpner']

roboflow:
  workspace: waqas-hussain
  project: stationary-object-detector
  version: 8
  license: CC BY 4.0
  url: https://universe.roboflow.com/waqas-hussain/stationary-object-detector/dataset/8

配置文件未指定边界框格式，但YOLO模型仍能正常启动训练流程。

核心疑问 #

1. YOLO模型是如何处理这种不符合标准格式的标签的？
2. 这种异常标签格式是否会导致训练出的模型效果无效或大幅下降？
3. 有哪些方法可以确认该标签格式的具体含义，以及YOLO对其的解析逻辑？

内容的提问来源于stack exchange，提问作者python_prog