简介针对 YOLO 系列算法的车辆检测数据集涵盖小型车、自行车、公交车、卡车四类目标适合使用 YOLOv5、YOLOv7、YOLOv8、YOLOv9、YOLOv10、YOLO11 的计算机视觉开发者学习和算法验证。资源已划分好训练集与验证集附带数据集配置文件 data.yaml可直接开展模型训练与测试。标注文件提供 YOLO 与 VOC 两种格式txt 按类别、中心点坐标、宽高的归一化方式记录目标框xml 可兼容 LabelImg 等标注工具方便二次编辑或迁移到其他检测框架。压缩包共 1012 个文件含 337 张 JPG 图片、337 份 txt 标注、337 份 xml 标注及 1 份 yaml 配置整体约 17.27MB结构清晰易于上手。目前已有 134 人学习下载适合入门目标检测或需要小型车辆数据集开展对比实验的开发者使用。1. 车辆检测数据集到手后第一步不是训练而是先做这件事拿到一个名为“yolo算法-车辆检测数据集-337张图像带标签-小型车-自行车-公交车-卡车.zip”的压缩包你大概率是想快速跑通一个车辆检测的YOLO模型。337张图听起来不多但对单类别车辆检测来说如果场景集中、标签质量高足够用来验证算法流程、做迁移学习实验甚至在小范围定制场景里达到可用水平。这个数据集覆盖小型车、自行车、公交车、卡车四类属于典型的多尺度目标检测场景——自行车小、公交车大正好用来检验YOLO对尺度差异的敏感度。但有个反直觉的事实这个数据集的真正价值不在“337”这个数字而在标签文件格式与图像文件是否严格对应。YOLO训练对标签格式有硬性要求每张图像对应一个同名txt文件每行是“类别ID 中心点x 中心点y 宽度 高度”坐标全部归一化到0到1之间。拿到压缩包后第一步不是解压后直接开训而是先写脚本检查标签与图像的配套关系、类别ID是否连续、是否有空标注文件。这类小数据集最常见的翻车点不是模型没调好而是标签路径错位、类别ID不连续、某个类别只有几张图导致训练时类别权重失衡。先把这一步做扎实后面训练才有意义。这个数据集适合三类人刚接触YOLO想走通完整训练流程的初学者需要一份带标签数据做迁移学习实验的算法工程师以及需要快速验证检测方案可行性的项目负责人。接下来按“格式检查 → 数据划分 → 转换增强 → 训练验证”的顺序把这份数据从压缩包变成能跑的检测模型。2. 认识数据集的真实结构先从压缩包内文件布局说起2.1 图像与标签的配套关系决定一切解压后你大概率会看到两类文件jpg或png格式的图像以及同名的txt格式标签文件。很多从公开渠道下载的数据集还会有classes.txt或obj.names这类文件记录类别名称。先把目录结构列出来用tree命令或Python脚本快速扫一遍文件数量是否对得上。import os from pathlib import Path dataset_dir Path(vehicle_detection_dataset) images list(dataset_dir.glob(*.jpg)) list(dataset_dir.glob(*.png)) labels list(dataset_dir.glob(*.txt)) print(f图像数量: {len(images)}) print(f标签数量: {len(labels)}) # 检查图像是否有对应标签 img_names {p.stem for p in images} label_names {p.stem for p in labels} missing_labels img_names - label_names missing_images label_names - img_names print(f缺标签的图像: {missing_labels}) print(f无图像的标签: {missing_images})这段脚本的核心价值是把“看起来能训”变成“确实能训”。图像数量337张标签文件也应该接近这个数字可能有一两个空标签文件图像存在但没有目标这类文件训练时YOLO会忽略但如果你用某些数据增强工具空标签文件会导致增强时报错。缺标签的图像直接剔除或手工补标无图像的标签文件直接删掉。还有一个容易被忽略的点标签文件里可能出现非数字字符、多余的逗号、或者坐标值超出0到1范围。写脚本逐行解析标签内容检查每一行的字段数量是否为5坐标值是否在合法区间内。invalid_lines [] for label_path in labels: with open(label_path, r, encodingutf-8) as f: for line_num, line in enumerate(f, 1): parts line.strip().split() if len(parts) ! 5: invalid_lines.append((label_path.name, line_num, 字段数错误)) continue try: vals [float(v) for v in parts] except ValueError: invalid_lines.append((label_path.name, line_num, 含非数字)) continue # 检查类别ID是否为整数并在合法范围 if not vals[0].is_integer(): invalid_lines.append((label_path.name, line_num, 类别ID不是整数)) # 检查坐标是否越界允许小量越界但超过1.5说明有问题 if any(abs(v) 1.5 for v in vals[1:]): invalid_lines.append((label_path.name, line_num, 坐标越界)) print(f异常行数: {len(invalid_lines)}) for item in invalid_lines[:20]: print(item)坐标越界的阈值设为1.5而不是1.0是有讲究的。YOLO在训练时会做随机平移、缩放等增强标签坐标允许略微超出图像边界但如果超过1.5说明原始标注可能就画错了需要回去检查对应图像。2.2 类别映射表顺序错了模型就废了这个数据集包含四类小型车、自行车、公交车、卡车。关键在于类别ID的定义顺序。如果压缩包里的类别定义是“小型车0自行车1公交车2卡车3”那么你的data.yaml文件必须按这个顺序写类别名。顺序错了相当于给模型喂了错误的监督信号训练出来的模型会把公交车认成自行车。# data.yaml train: datasets/vehicle_detection/images/train val: datasets/vehicle_detection/images/val nc: 4 names: [小型车, 自行车, 公交车, 卡车]一个实用检查方法是按类别ID统计标签分布看每个类别的目标数量是否均衡。337张图、四类目标如果自行车只有50个框而小型车有800个框训练时模型会对自行车类别的学习不充分。这时你需要决定是做类别重加权还是用复制粘贴式增强补充少数类或者干脆接受现状只在报告中说明限制。我个人遇到过一个真实案例某个下载的数据集标签文件里类别ID从1开始而不是从0开始结果训练时YOLO自动把类别数量当成5类最后推理时所有的类别都错位。这种错误在验证集上表现得极其隐蔽——准确率看着还行但混淆矩阵里的对角线完全不对。所以起始第一步严格核对类别ID宁可多花十分钟也不能跳过。3. 把337张图变成可训练的数据划分、整理与转换脚本3.1 数据划分先分验证集再做训练集增强337张图的数据集常见的做法是按8:1:1或8:2划分训练集和验证集。测试集在这个量级下意义不大因为测试集和验证集的分布差异本来就很小。我的建议是训练集270张、验证集67张并且确保四个类别在训练集和验证集中都有分布。直接用脚本按类别分层抽样避免随机划分导致某一类在验证集中缺席。import random from pathlib import Path import shutil random.seed(42) dataset_dir Path(vehicle_detection_dataset) # 收集每张图像的类别集合 image_categories {} for label_path in dataset_dir.glob(*.txt): cats set() with open(label_path, r) as f: for line in f: parts line.strip().split() if len(parts) 5: cats.add(int(float(parts[0]))) image_categories[label_path.stem] cats all_stems list(image_categories.keys()) random.shuffle(all_stems) val_stems set() # 确保每个类别至少有一定数量进入验证集 for cat in range(4): cat_samples [s for s in all_stems if cat in image_categories[s]] # 取该类别样本的20%最多15张进验证集 val_count min(int(len(cat_samples) * 0.2), 15) for s in random.sample(cat_samples, val_count): val_stems.add(s) train_stems [s for s in all_stems if s not in val_stems] print(f训练集: {len(train_stems)}, 验证集: {len(val_stems)})这段代码的核心不是随机抽样而是“类别覆盖优先”。对于小数据集每一类在验证集里至少要有几张否则验证损失会失真。策略是每个类别取20%进验证集但最多15张防止某一类因为样本多而霸占整个验证集。划分完成后把文件组织成YOLO标准目录结构images/train、images/val、labels/train、labels/val。写一个移动脚本完成整理注意保持图像和标签的文件名前缀一致。mkdir -p datasets/vehicle_detection/{images/{train,val},labels/{train,val}}import shutil from pathlib import Path src_dir Path(vehicle_detection_dataset) dst_dir Path(datasets/vehicle_detection) def move_files(stems, subset): for stem in stems: for ext in [.jpg, .png, .jpeg]: img src_dir / f{stem}{ext} if img.exists(): shutil.copy(img, dst_dir / images / subset / img.name) break label src_dir / f{stem}.txt if label.exists(): shutil.copy(label, dst_dir / labels / subset / label.name) move_files(train_stems, train) move_files(val_stems, val) print(目录整理完成)这里用复制而不是移动保留原始数据作为后悔药。如果后续数据增强或格式转换把标签搞坏了还能从原目录重新来过。对于小数据集这个习惯能省下大量重复下载时间。3.2 格式转换脚本VOC格式兼容与YOLO格式归一化如果下载的数据集标签是VOC格式XML文件你需要一个转换脚本。虽然标题说的是带标签但有些发布者会混用格式尤其是从Roboflow或LabelImg导出的数据可能带有不同的标注格式。常见做法是写一个XML转YOLO的脚本把VOC的绝对坐标转成YOLO的归一化坐标。import xml.etree.ElementTree as ET from pathlib import Path def voc_to_yolo(xml_path, class_map, output_path): tree ET.parse(xml_path) root tree.getroot() img_w int(root.find(size/width).text) img_h int(root.find(size/height).text) lines [] for obj in root.findall(object): name obj.find(name).text if name not in class_map: continue cls_id class_map[name] bbox obj.find(bndbox) xmin float(bbox.find(xmin).text) ymin float(bbox.find(ymin).text) xmax float(bbox.find(xmax).text) ymax float(bbox.find(ymax).text) # 转YOLO归一化坐标 x_center (xmin xmax) / 2.0 / img_w y_center (ymin ymax) / 2.0 / img_h w (xmax - xmin) / img_w h (ymax - ymin) / img_h # 限制范围防止归一化后出现负值 x_center max(0.0, min(1.0, x_center)) y_center max(0.0, min(1.0, y_center)) w max(0.0, min(1.0, w)) h max(0.0, min(1.0, h)) lines.append(f{cls_id} {x_center:.6f} {y_center:.6f} {w:.6f} {h:.6f}) with open(output_path, w) as f: f.write(\n.join(lines)) class_map {小型车: 0, 自行车: 1, 公交车: 2, 卡车: 3} xml_dir Path(annotations_xml) out_dir Path(labels_yolo) for xml_file in xml_dir.glob(*.xml): voc_to_yolo(xml_file, class_map, out_dir / f{xml_file.stem}.txt)这段代码的处理关键是坐标边界裁剪。VOC标注偶尔会出现超出图像边界的框如果不做clip转换后的YOLO标签会出现负值或大于1的值训练时轻则警告重则loss变成nan。对坐标做0到1的钳制相当于给标签上了一道保险。3.3 数据增强的边界小数据集不是靠增强变成大数据集337张图做训练增强是绕不开的话题。YOLOv8的ultralytics框架自带增强策略包括随机透视、平移、缩放、翻转、马赛克等默认配置下已经足够。但作为有经验的工程师我通常会在训练前单独做一轮离线增强专补样本不均匀的类别。常见做法是用albumentations做离线增强生成副本扩展到600到800张图。但这里有个边界对于车辆检测垂直翻转会让“地面上的车”变成“天花板上的车”物理上不成立。所以增强策略必须排除垂直翻转只保留水平翻转、小角度旋转、亮度对比度调整和随机裁剪。另一个边界马赛克增强Mosaic在YOLOv5及以后版本中默认开启但对于小数据集马赛克增强会把很多小目标挤在一起导致标注框重叠严重模型学到的是“一堆目标挤在一起”的分布而不是真实道路场景的分布。337张图这个量级建议在ultralytics配置里把mosaic关闭或者只在训练后期开启。马赛克对数据量的需求起步在几千张小数据集用了反而掉点。4. 训练参数与踩坑实录337张图训练YOLO的常见问题4.1 训练命令与参数选择的依据目录结构准备好后用ultralytics框架开始训练。选择YOLOv8n还是YOLOv8s取决于你的算力。对于337张图我建议先用yolov8n.pt预训练权重batch size设为16训练100轮。理由很简单模型容量小不容易在小数据集上过拟合收敛速度快迭代实验成本低。yolo detect train \ datadatasets/vehicle_detection/data.yaml \ modelyolov8n.pt \ epochs100 \ batch16 \ imgsz640 \ patience20 \ projectvehicle_detection_experiment \ nameexp_yolov8n \ seed42 \ optimizerAdamW \ lr00.001 \ mosaic0.0关键参数的含义如下patience20表示验证损失连续20轮不下降就提前停止防止后期过拟合浪费算力mosaic0.0显式关闭马赛克增强理由在前面说过lr00.001是迁移学习场景下比较稳妥的初始学习率如果从零开始训练这个值可以调到0.01但337张图从零训练很容易欠拟合不建议这么干。训练过程中重点盯三个指标train/loss曲线是否平稳下降val/loss是否在某个epoch后开始反弹过拟合信号以及验证集上每个类别的mAP50是否有明显短板。只用总体mAP衡量小数据集上的模型好坏是不够的必须看每个类别的单独表现。自行车这类小目标通常mAP最低因为像素占比较少、特征不明显。4.2 避坑记录一类别ID从1开始导致类别错位很多从网上下载的数据集标注工具或发布者习惯从1开始编号类别。如果你拿到手的标签文件里最小的类别ID是1而不是0直接用ultralytics训练会默认类别总数是5而不是4最终模型输出的类别和你预期的完全错位。排查方法很简单训练前先统计标签文件里出现的所有类别IDawk {print $1} datasets/vehicle_detection/labels/train/*.txt | sort -n | uniq -c输出结果如果显示“1、2、3、4”而没有“0”说明标签需要整体减1。处理方式是用脚本批量把所有标签文件的第一个字段减1而不是手动改。改完后重新验证类别分布确保0到3四个类别都存在。4.3 避坑记录二图像分辨率不统一导致目标尺度失真车辆检测数据集里图像来源可能混杂有的图是1920×1080有的是640×480。YOLO训练时会统一缩放到imgsz640但缩放过程中小目标会变得更小甚至缩小到几个像素。如果原始图像分辨率差异过大训练和验证时的目标尺度分布会发生偏移。一个可行的处理办法是训练前统计所有图像的宽高比和分辨率分布剔除分辨率过低比如小于640×480的图像或者对这些图像做超分辨率重建预处理。不过337张图的数据集剔除太多会影响数据量所以我更倾向于把imgsz设成原始分辨率的中位数附近。如果大多数图像在1280左右imgsz设成960或1024可能比640效果更好代价是显存占用上升。4.4 避坑记录三标签文件里有重复框或无效框车辆检测数据集中同一辆车被标注两次、或者一个框的中心点在图像外这类问题在人工标注的小数据集里很常见。重复框会让模型对同一目标产生重复检测无效框会让loss值异常波动。写一个脚本检查标签文件剔除完全重复的行类别ID和四个坐标都相同剔除中心点不在图像范围内的框但保留物体大部分在图像内、中心点在边缘的情况因为YOLO的增强会做随机平移。每轮训练前检查标签这是个值得养成的习惯。一次训练跑两三个小时最后发现是标签问题导致的掉点最伤士气。4.5 避坑记录四验证集与训练集图像重复小数据集最常见的暗病是划分时没做去重训练集和验证集里出现了同一张图或极其相近的帧。真实场景下同一辆车的不同帧会被当作多张图收入数据集如果划分策略不当验证集里混入训练集的近重复图像验证mAP会虚高模型部署后真实场景的准确率立刻打回原形。检测方法是用感知哈希算法计算每张图像的指纹找出相似度高于阈值的图像对。如果发现训练集和验证集有相似图像把其中一张从验证集移到训练集或者直接剔除。这不是玄学而是小数据集划分必须做的质量控制。337张图能用的有效独立样本可能只有250张左右模型在部署时的表现取决于数据多样性而不是训练集和验证集的数量。5. 用混淆矩阵验证标注质量训练后比mAP更有用的诊断手段337张图训练出来的模型mAP50可能看着不错但真正决定模型能不能用于实际场景的是混淆矩阵。在ultralytics框架里训练结束后会在runs/detect/exp目录下生成confusion_matrix.png。这张图的价值在于它不仅能看出“哪些类别被认错了”还能倒推出标注文件本身的问题。比如如果混淆矩阵显示“公交车”和“卡车”之间有明显的互相误检先不要急着调模型参数回过头去看标签文件。很多数据集的发布者对“厢式货车”和“公交车”的界定很模糊同一辆车在不同图像里被标成不同类别。这种标签噪声是模型无法通过调参消除的——你只能手工修正标签或者合并类别。在车辆检测这个场景如果卡车和公交车的区分对你的业务不关键合并成“大型车辆”一类是更务实的选择。另一个实际有用的验证手段是可视化预测结果。用训练好的模型跑验证集中的每一张图把预测框画在图像上输出成一张拼图。重点看两类区域小目标密集的区域比如远处的一排自行车和大目标被截断的区域公交车只露出一半。小目标漏检通常需要提高imgsz或增加小目标样本的在线增强大目标截断造成的漏检通常不是模型问题而是标注质量问题——检查一下原始标签里是否存在只框了半个车身的情况。我自己的习惯是每次训练完不仅看指标还要随机挑20张图手动核对预测框与真实框的重合程度。这个步骤看起来很原始但337张图的小数据集通过人工目检完全可以覆盖主要问题。你会发现有些预测框其实比人工标注框更贴合目标边缘这通常说明原始标注比较粗糙但不影响模型可用性如果预测框频繁偏向某个方向比如总是偏左那可能是数据增强中的平移参数设置有偏差检查一下ultralytics的hsv_h、hsv_s、hsv_v增强参数是否被意外改动。如果模型在业务场景中需要部署到边缘设备比如Jetson系列你还需要在训练时就用int8量化感知训练。ultralytics提供了export功能可以在训练后导出为TensorRT引擎。但这一步不要在337张图训练完后立刻做先等模型在真实场景的性能验证通过再考虑量化——数据量太少时量化带来的精度损失很难和小数据集本身的方差区分开。最后说一个我踩过的坑训练时为了省时间把imgsz设成320337张图训练确实快但验证时mAP虚高。原因很简单图像缩小时小目标框的相对误差变小在评估指标上“看起来更准”部署到真实视频流时立刻原形毕露。后来我养成了习惯训练分辨率必须与部署分辨率一致或者至少保证验证集分辨率不低于训练集。这个原则适用于所有小数据集项目希望帮到你。本文还有配套的精品资源点击获取