简介这份YOLO公交车检测数据集专注于“bus”单类别目标检测面向学习YOLO算法、开展交通监控与自动驾驶场景检测研究的开发者和学生也适合作为目标检测课程实践案例。资源由VOCtrainval2012中筛选而来所有图像均包含至少一个公交车实例且每张图同时提供txt与xml两种标注txt适合快速提取边界框信息xml则保留更完整的坐标、尺寸等细节便于做YOLO格式转换与模型训练。压缩包共1402个文件内含467张jpg原图、467份xml标注和468个txt标签整体大小约55.82MB内容组织清晰方便按训练集、验证集分配使用。目前已有643人学习下载免去从完整VOC数据集中手动抽取公交类别的繁琐工作拿到后可直接进行数据预处理、标签整理与YOLO系列模型训练实验适合目标检测入门及项目验证。1. YOLO公交车检测数据集不是开箱即用但底子是正经VOC做智慧公交、自动驾驶或者路口交通流分析的人应该都体会过一件事网上现成模型对轿车和行人检测得很溜一遇到公交车这种大体量目标就翻车漏检、框偏、半路甩掉跟踪。这份YOLO公交车检测数据集正好补这个空档它从PASCAL VOC 2012的训练验证集里把“bus”类别单独筛出来整理成467张可用图像每张图同时提供txt标签和xml标签。第一次解压的人以为复制到YOLO工程里就能开训实际不是——YOLO原版和YOLOv5/v8都不直接吃VOC的xml标注需要自己做一次格式转换。适合谁想快速跑通YOLO全流程的新手需要单类目标数据做毕设或预研的从业者以及想在交通监控场景里把公交召回率做上去的算法工程。2. 数据源拆解VOCtrainval2012里的bus样本比你想的更“杂”2.1 从20类到单类这份数据集是怎么筛出来的PASCAL VOC 2012的trainval总规模约1.7万张覆盖20个常见类别。bus在其中的定位属于中频类数量不如person、car那么充裕但样本场景又比很多小众类丰富。筛选逻辑一句话就能说清——把“图中至少包含一个bus对象”的图片从VOCtrainval2012里拎出来单独归档。VOC 2012里bus类的原始标注数量有限这份数据集筛到467张算是相当克制的整理既保留了场景多样性又没有用复制粘贴的方式凑数训练时不会出现大量重复图导致的虚高指标。不过提一个容易忽略的点VOC原图的标注是多类的同一张图里可能同时出现轿车、卡车和公交车。整理者在筛图时通常会按“出现bus”来取图但标签层会不会连其他类一起保留取决于打包时的裁剪策略。所以我拿到任何单类数据集做的第一件事不是急着训练而是抽三张图抽查xml如果xml里只有bus这一个object说明是严格单类按第3章脚本直接转换就行如果残留其他类就得在转换脚本里加类别过滤否则训练时标签和yaml的nc对不上后面会出一堆莫名其妙的问题。样本场景的“杂”比数量更值得关注。城市主干道、公交始末站、高速服务区、景区门口以及大量街拍风格的图像都在这467张里。目标尺度跨度很大——有的公交车占画面四分之三有的在远处只有二三十像素宽。这种尺度分布对YOLO这类单阶段模型极不友好模型既要记住大公交的车身纹理又要学会远距离小框的轮廓稍有不慎就会顾此失彼。这也是为什么后面要专门讲mosaic增强和置信度阈值的调节而不是无脑跑默认参数。2.2 txt和xml标签的两套坐标系差在哪解压后能看到每张jpg旁都躺着同名txt和同名xml两套标注内容同源但结构完全不同。先把xml说清楚这是PASCAL VOC原生格式文件里是一个annotation根节点记录filename、sizewidth/height/depth然后每个object节点描述一个目标包括name类别字符串、truncated、difficult以及bndbox里四个像素整数坐标xmin、ymin、xmax、ymax。它的价值在于信息完整能还原出物体精确的像素位置、是否被截断、标注难度标记做人工质检或转成COCO、KITTI等其他格式时xml是唯一可靠来源。txt标签则是YOLO系列训练时直接读取的标注。不同来源的数据集对txt的约定并不完全一样有的按VOC风格写“文件名左上角右下角像素坐标”有的按YOLO习惯写成“class_id归一化中心坐标cx cy归一化宽高”。这份资源的txt大概率是整理者按YOLO风格预生成的但我不建议拿到就扔给训练脚本先打开一个txt肉眼确认一行是四列还是五列坐标是小数还是整数几秒钟就能判断它是哪套约定。如果坐标是“0.5 0.3 0.1 0.1”这种归一化小数说明已经是YOLO风格直接可用如果拿到的是文件名加像素坐标就把它接到第3章转换脚本的上游先还原成标准格式再继续。两套标签用一张表对照更直观对比项xml标签txt标签格式来源PASCAL VOC官方数据集整理者生成坐标单位像素绝对坐标通常是归一化比例坐标形式xmin/ymin/xmax/ymax中心点宽高类别表达字符串“bus”数字ID附加信息truncated/difficult/pose基本没有主要用途质检、格式转换直接喂YOLO训练实操中我习惯把xml当作“标准答案”txt只是“速记本”。所有格式转换都以xml为准txt缺失或损坏时用脚本从xml重新生成反过来也一样但用xml重建yolo label永远更稳因为像素坐标换算成归一化坐标没有歧义。3. 把VOC标注转成YOLO格式转换脚本与四个必须注意的边界坑3.1 解析XML拿到归一化坐标YOLO训练要求每个目标标注为类别ID、归一化中心点x、归一化中心点y、归一化宽w、归一化高h。转换核心一句话把xml里的像素坐标除以图片的宽和高。我习惯用Python标准库xml.etree.ElementTree解析不需要额外依赖。先把所有xml文件放进一个名为xmls的目录再跑下面的脚本import os import xml.etree.ElementTree as ET CLASSES {bus: 0} # 单类别数据集;如果包含多类,在这里补 id def convert(xml_path, out_dir): tree ET.parse(xml_path) root tree.getroot() size root.find(size) img_w float(size.find(width).text) img_h float(size.find(height).text) lines [] for obj in root.iter(object): name obj.find(name).text if name not in CLASSES: # 过滤非bus目标 continue 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) # 坐标裁剪到图像范围,防止越界标注污染训练 xmin max(0, min(img_w, xmin)) ymin max(0, min(img_h, ymin)) xmax max(0, min(img_w, xmax)) ymax max(0, min(img_h, ymax)) w xmax - xmin h ymax - ymin cx (xmin xmax) / 2.0 cy (ymin ymax) / 2.0 lines.append(f{CLASSES[name]} {cx / img_w:.6f} {cy / img_h:.6f} {w / img_w:.6f} {h / img_h:.6f}) fname os.path.splitext(os.path.basename(xml_path))[0] .txt with open(os.path.join(out_dir, fname), w) as f: f.write(\n.join(lines)) if __name__ __main__: os.makedirs(labels, exist_okTrue) for name in os.listdir(xmls): if name.endswith(.xml): convert(os.path.join(xmls, name), labels)脚本逻辑拆开说先读size拿图像宽高再遍历每个object节点类别不在CLASSES字典里的直接跳过这个过滤逻辑就是防止xml里还混着其他类。四个坐标都做了一次clip负数或超出宽高的边值被拉回图像范围这是很多现成转换脚本漏掉的关键步骤。最终输出五列类ID、归一化中心坐标、归一化宽高保留六位小数足够YOLO使用。有几个细节值得较真。其一归一化并不会把错误的标注变成正确的clip只是兜底如果原始xml的框本身就框错目标转换后照样歪。其二class_id必须从0开始YOLOv5的数据yaml里nc1时类ID就是0如果日志里出现nc2或类别不匹配多半是类ID从1写了。其三如果一张图里没有任何bus目标转换后得到一个空txt建议保留空文件并保持jpg和label一一对应有的YOLO版本遇到缺失label会直接跳过图片导致数据量虚增却不自知。提示class_id从0开始不是1。这是YOLO与VOC的最大习惯差异很多项目翻车都翻在这里。实操中我见过四类边界坑逐个说一是bndbox坐标越界。VOC早期标注偶尔会把框画到图像边缘外坐标出现负值或大于宽高不处理直接训练模型会学到“框越界也没关系”推理时输出异常比例。二是图片方向信息。手机或数码相机拍的图常携带EXIF旋转标记如果直接拿未纠正的图去算归一化宽高和实际显示方向对不上训练出来的框会整体错位。处理办法训练前用图片库统一转为RGB并去掉EXIF。三是两份标签同时存在时以谁为准。如果txt本身已是正确YOLO格式直接用不确定就重新从xml生成避免两套来源不一致训练时切换验证集标签出现玄学mAP波动。四是文件名匹配。有的整理者会把jpg文件改名成0001.jpg但xml里还写原始filename字段脚本如果按文件名配对就会落空。解压后先做一次“jpg集合xml集合”的比对缺一个文件都提前处理。3.2 训练集/验证集划分467张图不能全扔给训练数据量只有467张划分比例直接决定mAP可信度。全量训练不划验证集的后果是loss一路下降但实验毫无说服力调参全凭玄学。我一般按8:2分层划分374张训练、93张验证。如果总数不足最少也要留15%。划分时把图片list随机打散并固定随机种子保证下次复现相同结果import os import random random.seed(42) # 固定种子,保证下次复现相同划分 files [f[:-4] for f in os.listdir(images) if f.endswith(.jpg)] random.shuffle(files) split int(len(files) * 0.8) train_files files[:split] val_files files[split:] with open(train.txt, w) as f: for name in train_files: f.write(fdata/images/{name}.jpg\n) with open(val.txt, w) as f: for name in val_files: f.write(fdata/images/{name}.jpg\n) print(ftrain {len(train_files)}, val {len(val_files)})注意两件事。一是划分不仅针对图片还要保证同一张图的xml和txt都随图走不能只移动jpg而把标签漏掉。二是分层要考虑场景覆盖如果原始数据里公交站台图占一半验证集里也应保留相近比例。手动确认方式简单粗暴但有效分别打开验证集路径下两张图一眼能认出公交站台、高速、市区道路几种场景都覆盖了说明分层没偏。3.3 YOLOv5/v8的目录结构一次摆对省掉大半排查时间YOLOv5和YOLOv8对目录规范非常敏感不按约定放训练脚本会静默跳过图片或全部报错。标准布局是data/ images/ train/*.jpg val/*.jpg labels/ train/*.txt val/*.txt图片与标签文件名对应比如2009_003018.jpg对应2009_003018.txt。最容易翻车的是文件夹名拼错labels拼成label、images换成img、train下混入val的图这类低级错误通常要等到验证时mAP全为零才发现。建议训练前跑一遍“标签与图片数量一致”的检查统计images/val下jpg数量再统计labels/val下txt数量两者必须严格相等。这里有一个细节有的版本YOLO支持把所有图片和label平铺在一个目录下靠train.txt和val.txt指定文件路径但共享同一个labels目录时同名文件可能冲突。实操宁愿多花两分钟把目录拆开也不要依赖扁平结构。4. 模型配置与训练用YOLOv5/v8跑通这个数据集的完整配置4.1 预训练权重与显存匹配先别追大模型YOLO系列从v5到v8都有s/m/l/x四个规格。467张单类数据算力再充裕也不建议直接上YOLOv8x模型容量超出数据量过拟合会来得非常快。我的经验是4G显存起步用YOLOv5sbatch_size设为88G显存可以batch 16加YOLOv5m16G以上再考虑x系列。预训练权重优先从官方release拉取yolov5s.pt或yolov8s.pt下载后放到工程根目录即可。这里有个惯性思维要反过来迁移学习在小数据上的价值远大于大数据467张图从头训几乎不可行而加载COCO预训练权重后模型天生认识car、truck这些邻近类别在这个数据集上微调收敛速度快一个数量级。YOLO之所以能在单阶段检测里跑得快核心是省掉候选框阶段直接用网格回归中心点和宽高这一步在预训练权重里已经学到很好了我们要做的只是让它重新认识“bus”这个新类别的纹理。4.2 数据yaml与训练命令照这份配置抄目录摆好后在YOLO工程根目录新建一个bus.yaml# 公交车单类检测配置 path: data # 数据集根目录 train: images/train # 训练图片目录 val: images/val # 验证图片目录 nc: 1 # 类别数 names: [bus] # 类别名这段yaml是YOLOv5/v8统一的数据描述格式。path指向data目录train和val填写images下的子目录训练脚本会沿路径自动去找对应的labels目录。nc必须是1names列表要与第3章转换脚本里的CLASSES一致。如果nc写成20而标签里只有ID 0运行时会报标签索引越界或类别不匹配。训练命令以YOLOv8为例yolo detect train \ databus.yaml \ modelyolov8s.pt \ epochs100 \ batch16 \ imgsz640 \ patience20 \ projectruns/busYOLOv5用户把命令换成python train.py加上--data bus.yaml、--weights yolov5s.pt、--img 640参数含义一致。重点说几个参数epochs设100是基于这类小样本数据的经验值前30轮基本在迁移COCO特征40轮以后mAP才快速爬升80到120轮区间验证最稳超过150轮验证集会开始掉点patience20是早停连续20轮验证集没提升就自动停省电也防过拟合imgsz用640开跑显存有富余可以提到768对远处小公交有一定效果但训练时间明显增加。训练过程中要盯的不是loss绝对值而是三件事epoch间是否持续下降、验证集mAP是否同步上升、标签有没有被跳过。目录摆错时训练不会直接崩loss从0.5附近慢慢下降然后停滞验证集mAP几乎为0这是典型的“标签没喂进去”。4.3 首次验证该看哪几个指标mAP50与mAP50-95的尺度差训练完YOLO会输出runs/bus/exp下的results.png和weights/best.pt。很多人直接看mAP但单类公交场景有两个指标必须分开读mAP50是IoU阈值0.5下的平均精度mAP50-95是0.5到0.95每隔0.05取一次IoU的均值。这两个指标差多少直接反映边界框质量。公交是刚体大目标框边缘本来就不如行人精确mAP50-95比mAP50低10到15个点是正常的不必慌。反过来如果两者差距小于5个点说明标注框质量接近完美属于意外之喜。调参阶段优先看mAP50因为它对应“框基本罩住公交车”的实用目标部署阶段再苛刻要求mAP50-95那时追求的是框贴合车身。第一次验证我还会额外看一张带框的预测图而不是只看数字。用best.pt对验证集任意一张图做预测观察框是否覆盖整体车身、有没有框到旁边小车、置信度大概落在什么范围。数字可能骗人这张图把问题暴露得最直接。5. 常见问题与排查467张小样本最容易踩的五个坑5.1 标签路径没对上训练日志出现“No labels found”现象训练命令能跑但每个epoch的标签数量为0或日志里直接出现No labels found提示loss在0.5附近缓慢下降最终mAP为零。原因YOLO规定图片和标签目录必须在同一数据根下且名字必须叫images和labels。最常见的翻车点是把标签放在label目录或路径大小写写错还有的labels目录下只放了train没放val。解决回到第3.3的目录树严格对齐images/val与labels/val目录名全小写、不拼错。再检查train.txt和val.txt中的路径确认指向images而不是labels。5.2 类别ID冲突训练时mAP异常波动现象转换脚本里bus的ID是0但yaml中nc1训练过程中类别损失正常下降可混淆矩阵里出现第二行或第二列验证mAP出现截然不同的两档。原因有的是CLASSES字典从1开始写比如{bus: 1}YOLO会把ID 1解释成第二个类别而nc1时直接抛错有的是yaml里nc还保留默认的20模型默认按20类处理。解决统一以xml为唯一标注源重新转换一遍yaml里的nc与names长度严格一致单类就是nc1加names: [bus]。改完后清空runs下的旧缓存重新训练。类ID从1开始的问题我见过不止一次属于最典型的“会跑但不收敛”原因之一。5.3 损失突然变NaN或训练中断现象训练到某几个epochbox_loss或cls_loss突然变成nan随后训练崩掉或者loss跳成一条垂直直线权重文件损坏无法加载。原因对小样本数据集学习率过大或batch过小会导致梯度爆炸另外xml里若出现宽度为0的框转换后归一化宽为0YOLO算IoU时除以0会得到nan。这类脏样本在数据整理时很容易混进467张里。解决先查标签写个统计脚本遍历所有txt看w和h是否有等于0的把所有非正数坐标和零面积框过滤掉。再把初始学习率从默认0.01降到0.001打开梯度裁剪。最后确认第3章脚本的clip逻辑真的执行了越界坐标在生成阶段就被掐掉。5.4 验证集mAP高但摄像头视频里漏检严重现象训练结束mAP50达到0.9放测试视频里远处或背对镜头的公交车漏掉只在近景和大目标上稳定。原因小样本数据最常见的错觉。验证集只有93张图场景相对固定模型记住了“近景公交车”的纹理实际视频里有远近距离、光照变化、遮挡mAP自然失真。另一个因素是置信度阈值设太高比如默认conf0.5远距离小目标概率只有0.3左右直接被过滤。解决把推理阈值降到0.3或0.35配合NMS的IoU阈值0.45如果是跟踪场景再用ByteTrack这类方法在视频帧间做平滑用轨迹补上单帧漏检。数据层面补几张不同天气和距离的图做验证能暴露训练集覆盖不足的问题。终极手段是数据兜底把漏检帧裁剪下来按第3章流程转标签加进训练集只训10轮mAP回来后问题基本缓解。5.5 数据增强开太大小目标反而学不好现象开启默认mosaic1.0且hsv增强拉满时initial loss下降很快但到验证阶段小目标检测能力明显变差mAP50-95低于预期。原因mosaic把四张图拼成一张整体缩放会让远处公交被压得更小hsv随机改色又让公交车这种车身颜色相对固定的目标特征漂移。YOLO增强对小样本是把双刃剑能防止记忆样本也可能抹平特征。解决单类公交数据建议把mosaic关闭到0.5以下scale保持0.5hsv里s和v的增幅减半。观测指标不是损失曲线而是验证集里小目标的召回率把conf调低再检测一次远处公交车框还在不在这是判断增强是否过头的唯一标准。6. 让模型真正落地摄像头视频里的公交车检测实测6.1 用best.pt跑一段视频训练完成真正的检验来了。拿一段含公交车的路口视频用最好的权重做推理python detect.py --weights runs/bus/exp/weights/best.pt \ --source bus_clip.mp4 --conf-thres 0.35 \ --iou-thres 0.45 --img-size 640 --save-txtYOLOv8用户用一行命令替代yolo detect predict modelruns/bus/exp/weights/best.pt sourcebus_clip.mp4 conf0.35。conf-thres降到0.35的原因在第5.4已经讲过远距离小公交的置信度普遍不高卡0.5会把一半框过滤掉。iou-thres保持0.45NMS在近距离多辆公交车同时出现时不会把两个挨着的框误合并成一个。6.2 置信度阈值与NMS的实战调节场景conf-thresiou-thres备注高点位监控0.2~0.30.5漏检代价高宁可多框普通路口0.350.45平衡漏检与误检近距离专用车道0.50.5目标大置信度高6.3 我的小习惯任何新数据集先做一遍标签体检从那以后我每次拿到新数据集都强制走一遍“解压→抽查三张xml→跑转换脚本→统计标签数量和坐标范围→再开训练”的流程跑通后绝不跳过验证集mAP为0的检查。公交检测这种场景不能只迷信迁移学习467张底数小每一张图的标签质量都直接决定模型上限。把这份YOLO公交车检测数据集下载回来先花15分钟做标签体检再进入训练你会少走很多弯路。希望帮到你。本文还有配套的精品资源点击获取