简介面向YOLO系列目标检测算法使用者这份车辆数据集专注于汽车、自行车、公共汽车三类目标的识别任务。每张图像均配有完整标注并同时提供YOLO格式txt与VOC格式xml两种标签文件便于在不同框架或工具间灵活切换数据集已经划分好训练集与验证集附带data.yaml配置文件可直接用于YOLOv5、YOLOv8、YOLOv9、YOLOv10、YOLO11等主流版本训练与验证测试。资源包共2000个文件包括969个txt标签、969个xml标签、61张jpg图像和1个yaml配置文件压缩包整体约57.08MB。已有164人学习浏览适合正在积累车辆检测样本、需要规范标签格式的初学者及进阶开发者能够省去自行标注与整理数据的时间快速完成模型训练和效果评估。1. 一个能直接喂给YOLO的车辆数据集为什么值得花时间确认做车辆检测的同行应该都有这种经历模型结构用现成的训练脚本也是现成的真正卡住进度的反而是数据集。网上散落的图片集要么没标签要么标签格式五花八门光整理就要耗掉一两天。标题里这个 969 张图像、带汽车/自行车/公共汽车三类标签的 zip 包定位就是帮你跳过“爬图 手标”的阶段直接进入 YOLO 算法训练的正题。它的价值不在数量大而在于格式整齐图像和标签一一对应类别是道路监控和自动驾驶里最常出现的三种车。适合刚入门目标检测的学生也适合要做智慧交通预研的工程师。不过 ZIP 解压之后直接开练是有风险的标签格式、类别 ID 映射、数据集划分这四件事不对训练跑得再久也只是在错误的数据上浪费时间。2. 解开车辆数据集的内部结构从归档文件到 YOLO 可用的标签格式2.1 看目录结构一张图一个 txt标签行对应一个目标拿到 zip 包先别急着解压到项目里第一步是弄清楚目录长什么样。常见做法是先解压到独立目录再用 find 命令扫一遍结构。大部分公开车辆数据集会遵守 image 和 label 分目录的约定图片放在 images同名 txt 放在 labels每张 jpg 对应一个 txttxt 里每一行描述一个目标。unzip yolo算法-车辆数据集-969张图像带标签-汽车-自行车-公共汽车.zip -d vehicle_data find vehicle_data -type f | awk -F/ {print $NF} | sed s/.*\.// | sort | uniq -c这个命令会把解压目录里所有文件按扩展名分组统计。正常输出里应该出现 969 个 jpg 和 969 个 txt 的数量对应如果有多余的 json、xml 或者两类文件数量不一致说明数据集里混入了其他标注格式后续要统一处理。扩展名统计只是粗筛更关键的是确认每个 txt 的行数是否和图上实际目标数一致这要靠脚本逐一比对。YOLO 格式的标签每行固定是五个字段类别 ID、归一化后的中心点 x、中心点 y、目标宽度 w、目标高度 h。归一化指的是所有坐标都除以图片原始宽高值域在 0 到 1 之间。为什么必须归一化而不是直接用像素坐标因为训练时模型会把不同分辨率的图缩放到统一尺寸归一化后的框能跟着等比缩放不用在预处理阶段做二次换算。这个设计是 YOLO 算法能够高效训练的基础也是后面所有校验脚本的判定标准。2.2 写校验脚本确保图像、标签、类别列表三者对齐直接拿没校验的数据集训练最常见的翻车点是某个类别 ID 超出预期范围或者某一行坐标越界。YOLO 训练器对越界坐标不一定会报错但 loss 会在训练后期异常波动。我一般会在训练前写一个十几行的检查脚本把三类问题一次性查出来缺失标签、坐标越界、类别 ID 越界。from pathlib import Path img_dir Path(vehicle_data/images) label_dir Path(vehicle_data/labels) class_names [car, bicycle, bus] # 从数据集说明或 get_names 读出来 issues [] for img_path in sorted(img_dir.glob(*.jpg)): label_path label_dir / (img_path.stem .txt) if not label_path.exists(): issues.append(f{img_path.name}: 缺少对应标签) continue for idx, line in enumerate(label_path.read_text().strip().splitlines(), 1): parts line.split() if len(parts) ! 5: issues.append(f{label_path.name} 第{idx}行: 字段数应为5) continue cls_id, x_c, y_c, w, h map(float, parts) if cls_id not in [0, 1, 2]: issues.append(f{label_path.name} 第{idx}行: 类别ID {cls_id} 超出范围) if not (0 x_c 1 and 0 y_c 1): issues.append(f{label_path.name} 第{idx}行: 中心点坐标越界) if w 0 or h 0 or not (0 w 1 and 0 h 1): issues.append(f{label_path.name} 第{idx}行: 宽高非法) print(f共检查 {len(list(img_dir.glob(*.jpg)))} 张图片) if issues: print(f发现 {len(issues)} 个问题前10条如下:) for issue in issues[:10]: print( -, issue) else: print(标签格式全部通过校验: 969张图、969个txt、坐标均在[0,1]内)这个脚本的逻辑分三层先找缺失的 txt再逐行拆分字段并检查数量最后对坐标做区间判定。dominant的是后两个检查中心点和宽高都落在 0 到 1 之间说明标签是合法的归一化格式。注意这里有一个容易误判的地方宽高小于等于 0 是非法数据但宽高接近 1 且中心点也接近 0.5 的情况要警惕那可能是标注时把整张图框进去了属于噪声标签脚本查不出来得靠可视化观察。2.3 统计类别分布969张图里的汽车、自行车、公共汽车到底谁多谁少类别分布决定你怎么设训练参数。汽车、自行车、公共汽车在道路场景里的出现频率天然不均衡汽车框数量远多于另两类是常态。我建议用一下代码统计实例级分布而不是只数图片数。from collections import Counter import numpy as np label_dir Path(vehicle_data/labels) class_names [car, bicycle, bus] box_counter Counter() img_has_class {name: 0 for name in class_names} per_image_count [] for label_file in label_dir.glob(*.txt): lines label_file.read_text().strip().splitlines() per_image_count.append(len(lines)) classes_in_img set() for line in lines: cls_id int(line.split()[0]) box_counter[cls_id] 1 classes_in_img.add(cls_id) for cls_id in classes_in_img: img_has_class[class_names[cls_id]] 1 total_imgs len(per_image_count) print(实例数量:, dict(box_counter)) print(包含该类的图片数:) for name in class_names: print(f {name}: {img_has_class[name]}/{total_imgs}) print(f每张图的框数: 均值 {np.mean(per_image_count):.1f}, 中位数 {np.median(per_image_count):.0f})统计结果能直接指导后面的策略。如果汽车类实例是自行车的十倍以上训练时模型会偏向汽车自行车这类小目标的 mAP 会明显偏低。这时候有三条路对自行车做过采样把含自行车的图片复制到训练集里、用 mosaic 增强提高小目标参与度、或者按类别设置 loss 权重。多数人拿到数据集第一反应是直接开训但我建议先花十分钟跑一遍分布统计这个时间会在调参阶段连本带利省回来。3. 把969张车辆图像跑进YOLO训练划分、配置与命令全流程3.1 划分训练集与验证集固定随机种子按类别分层抽样数据集本身没有划分好 train 和 val 目录时最常见的做法是写脚本按 8:2 或 9:1 随机划分。关键不是比例而是随机种子和分层策略。如果只是随机打乱小概率会出现某一类在验证集里一个框都没有的情况那验证指标的参考价值就废了。要按图片包含的类别组合做分层抽样。import random import shutil from pathlib import Path from sklearn.model_selection import train_test_split random.seed(42) images sorted(Path(vehicle_data/images).glob(*.jpg)) label_dir Path(vehicle_data/labels) # 每张图用“包含哪些类别”作为分层标签防止验证集缺类 stratify_key [] valid_images [] for img in images: label_file label_dir / (img.stem .txt) if not label_file.exists(): continue cls_ids sorted({int(line.split()[0]) for line in label_file.read_text().splitlines()}) stratify_key.append(_.join(map(str, cls_ids))) valid_images.append(img) train_imgs, val_imgs train_test_split( valid_images, test_size0.2, stratifystratify_key, random_state42, ) print(f训练集 {len(train_imgs)} 张验证集 {len(val_imgs)} 张) for split, subset in [(train, train_imgs), (val, val_imgs)]: (Path(vehicle_data/images) / split).mkdir(exist_okTrue) (Path(vehicle_data/labels) / split).mkdir(exist_okTrue) for img in subset: shutil.copy(img, Path(vehicle_data/images) / split / img.name) shutil.copy(label_dir / (img.stem .txt), Path(vehicle_data/labels) / split / (img.stem .txt))分层逻辑是用标签里出现的类别 ID 组合成字符串比如“0”表示这张图只有汽车“0_2”表示同时有汽车和公共汽车再把这个组合传给 train_test_split 的 stratify 参数。这样能保证三个类别在训练集和验证集的分布比例大致一致。random_state42 是固定种子让每次划分结果可复现——这一点在对比实验里很重要换了种子得到不同划分模型的分数差异可能比调参带来的提升还大到时候你会分不清是数据变化还是模型变化。另外一个实操细节划分后我用一个硬链接或 shutil.copy 把文件复制到 train/val 子目录而不是直接移动原文件。原目录保留一份完整数据后续想重新划分或者调整比例不用重新解压。磁盘占用多一倍但换来的是后悔药。3.2 编辑 data.yaml类别顺序、路径写法与常见误区YOLO 训练的数据配置是一份 YAML 文件里面最关键的是 names 列表和路径字段。很多人在这里翻车names 的顺序必须和标签里的类别 ID 一一对应ID 为 0 的类必须写在 names 的第 0 位。标题数据集的标签里 0 代表汽车、1 代表自行车、2 代表公共汽车data.yaml 就得照这个顺序写不能按首字母重新排序。# vehicle_data/data.yaml path: vehicle_data # 数据集根目录相对于运行训练命令的工作目录 train: images/train # 训练图片目录相对 path 而言 val: images/val # 验证图片目录相对 path 而言 names: 0: car 1: bicycle 2: bus这里有一个值得展开的坑path 字段可以写相对路径也可以写绝对路径。相对路径的基准是执行 yolo 命令时所在的目录换一个目录运行、或者在 IDE 里直接跑 Python 脚本同一份 data.yaml 就可能报 FileNotFoundError。我一般建议在 yaml 里写绝对路径或者在训练前用 os.chdir 统一工作目录减少环境差异带来的排查成本。另一种更稳的写法是把 path 留空train 和 val 直接写完整路径这样 yaml 文件放到哪都能用。还有个细节容易被忽略names 的 key 不写 0、1、2 直接写字符串列表也是支持的比如names: [car, bicycle, bus]等价于按列表顺序映射 ID。用列表写法更简洁但可读性稍差团队协作时建议保留显式 ID方便后来者对照标签文件核对。3.3 跑通训练命令yolov8n起步img、batch、epochs怎么定配置写好后最稳的训练路径是从轻量模型开始。YOLO 系列里 n、s、m、l、x 五档969 张图属于中小规模数据集用最重的 x 模型容易过拟合训练时间还长。建议用 yolov8n.pt 做基线先跑通流程再考虑换大模型。训练命令用 ultralytics 包提供的 CLI 即可。cd vehicle_data yolo detect train \ datadata.yaml \ modelyolov8n.pt \ epochs100 \ imgsz640 \ batch16 \ patience10 \ projectruns/vehicle \ namecar_bike_bus等价 Python 写法from ultralytics import YOLO model YOLO(yolov8n.pt) results model.train( datavehicle_data/data.yaml, epochs100, imgsz640, batch16, patience10, projectruns/vehicle, namecar_bike_bus, )几个关键参数的设定逻辑要说明白。imgsz640是训练输入尺寸969 张图的原始分辨率如果差异很大模型会统一缩放到这个尺寸。如果数据集中车辆目标普遍很小、只有几十个像素640 会把这些小目标缩得更小这时候该把 imgsz 提到 1280显存不够就配合 batch 往下调。batch16是每批次图片数和显存是线性关系16 张 640x640 在 12GB 显存上基本能跑显存小就降到 8。patience10表示验证指标连续 10 个 epoch 没提升就提前结束省时间如果 loss 还在下降但指标没动可能是标签噪声太大可以关掉 patience 让它跑满。训练完成后看 runs/vehicle/car_bike_bus 目录下的 results.png 和 weights/best.pt。results.png 里关键是 train/box_loss 和 val/box_loss 两条曲线训练 loss 下降而验证 loss 上升是过拟合信号两者都震荡不降则多半是数据集有问题回到上一章的校验脚本重新检查。best.pt 是验证集上 mAP 最高的权重后续推理和部署都用它而不是用最后一个 epoch 的 last.pt。4. YOLO车辆训练常见的五个坑现象、原因与处置4.1 loss正常但mAP为0names顺序与标签ID错位现象训练日志里 box_loss 一直在降但每个 epoch 结束打印的 mAP50 和 mAP50-95 始终是 0精确率和召回率也异常低。原因data.yaml 里 names 的顺序和标签文件的类别 ID 对不上。比如标签里 0 表示 car但 yaml 写成0: bus模型把每个目标的监督信号都对应到了错误的语义类别上。这类错位不会让训练报错因为类别数还是 3损失函数照样计算只是学的东西全错了。解决把 data.yaml 的 names 打印出来和标签文件里的类别 ID 逐项比对。更快的验证方法是写一行脚本读三个文件取标签文件第一行的第一个数字、yaml 里该 ID 对应的名字、数据集的类别说明文档三者一致才放行。这也是我坚持在 2.2 的校验脚本里把 class_names 作为独立变量维护的原因类别少的时候别偷懒硬编码到多个文件里。4.2 小尺寸汽车集体漏检imgsz与预处理不一致现象验证集里大卡车和公共汽车检测得很好但画面远处的小汽车全部漏掉precision 和 recall 在汽车类上比其他两类低一大截。原因训练用了 imgsz640而原始图片分辨率普遍在 1920x1080 左右小汽车在原图可能只有 30x40 像素缩放到 640 后只剩 10 像素左右特征图上一个格子都不一定覆盖得到。这不是模型结构问题是输入分辨率把目标抹掉了。解决先统计数据集里目标的像素宽高分布如果大量目标小于 32x32把 imgsz 提到 1280代价是训练时间翻倍、显存占用翻三倍。或者在推理时使用 SAHI 切片推理把大图切成 640x640 的重叠块分别检测再合并我对小目标场景用这个方案居多效果比单纯调 imgsz 好。注意验证时要让 val 的推理方式和训练保持一致否则指标对比失真。4.3 自行车与三轮车、电动车混检类别语义边界不清现象训练完测试时自行车目标经常被识别成摩托车或三轮车PR 曲线里自行车和摩托车的 AP 都不高且互相干扰。原因数据集标题虽然只写了汽车、自行车、公共汽车三类但现实道路上自行车和电动车外观高度相似原始标注时如果没给出明确的类别定义标注员会把电动车也框进自行车类或者在两类之间摇摆。这种标签噪声让分类头的决策边界很混乱。解决先抽 50 张含自行车的训练图把预测框和标签框画在同一张图上人工扫一遍看错标比例有多少。如果超过 5%用脚本把候选的难例导出重新整理类别规则比如规定“有脚踏板才算自行车纯电动归入汽车以外不做检测”。注意这个数据集只有三个类别电动车不属于任何一类时训练时会给模型错误的监督信号宁可把这类图片从训练集剔除也不要强行归到自行车。4.4 验证指标虚高划分时没固定种子导致数据泄漏现象验证集 mAP 高得离谱0.98 甚至接近 1但换一批真实场景图片测试mAP 立刻掉到 0.6 以下。原因划分数据集时没有固定随机种子或者每跑一次训练就重新执行一次划分脚本导致训练集和验证集出现重复图片。YOLO 训练时用到了 mosaic 增强拼接后的大图上切出来的子图可能同时出现在训练和验证分支模型等于见过验证题的参考答案。解决划分脚本里必须固定 random_state并把划分出的文件名清单保存成 txt 存档后续每次训练前校验训练集和验证集的文件名集合交集为空。更稳妥的做法是拿图片的 md5 做去重同一张图即使换了文件名也能查出来。我一般在划分后跑一遍comm -12 train.txt val.txt看交集空输出才算通过这个习惯能挡住 90% 的数据泄漏问题。4.5 训练到一半显存溢出batch、imgsz与缓存策略现象用默认 batch 16 和 imgsz 640 开始训练十几个 epoch 后报 CUDA out of memory但此前一直正常。原因显存溢出其实不是玄学而是乘法关系。YOLO 的训练显存占用大约正比于 batch imgsz 的平方乘以类别相关缓冲。训练过程中 mosaic 会动态拼接大图输入尺寸在边界上比预设的 640 略大如果显存本来就很紧峰值时就会爆掉。另一个隐藏变量是缓存策略默认cacheFalse时数据流式读取显存占用低如果开了 cacheram 把 969 张图全缓存进显存12GB 卡直接不够用。解决把 batch 降半再跑显存占用立刻减半。如果需要保持 batch 16 的量级优先开 AMP 混合精度能省 30% 显存且对精度影响很小。我实际项目里用 12GB 显卡训练这个数据集的稳定组合是 imgsz640、batch16、ampTrue、cacheFalse。如果还想提分辨率到 1280batch 要降到 4 或 8具体值以跑完前三个 epoch 不报错为准。5. 从指标到框体验证集评测与推理核对的落地技巧训练结束后大多数人只看一眼 total mAP 就收工我建议把验证集指标拆到每个类别上再画几张三类目标的预测框回原图看效果。因为 mAP 是一个统计值同一个分数背后可能是一类完美、另一类全废这个信息不拆开看不出来。用 best.pt 跑验证集输出里会包含每个类别的 precision、recall、mAP50对照 2.3 的统计结果一起看才有意义。yolo detect val \ datavehicle_data/data.yaml \ modelruns/vehicle/car_bike_bus/weights/best.pt验证输出里除了 mAP 指标还有一个混淆矩阵图 confusion_matrix.png。重点看 bicycle 这一行如果它的预测框大部分落到了 car 或背景上说明分类头还没有充分区分自行车如果只是 recall 低但 precision 高说明模型倾向于保守宁可漏检也不错检这时可以把 conf 阈值调低比如从 0.25 降到 0.1让更多低置信度的自行车框进入结果。再把预测框画到原图上做人工核验这一步能发现指标反映不出来的问题比如误把车身局部当整个目标、两个紧密停靠的车被框成一个。from ultralytics import YOLO model YOLO(runs/vehicle/car_bike_bus/weights/best.pt) results model.predict( sourcevehicle_data/images/val/000001.jpg, conf0.25, saveTrue, projectruns/vehicle/visual_check, ) result results[0] for box, cls_id, conf in zip(result.boxes.xyxy, result.boxes.cls, result.boxes.conf): print(f{model.names[int(cls_id)]}: {float(conf):.2f}, 坐标 {box.tolist()})这里的坐标是像素坐标画框时会直接叠在原图上。保存的图片在 runs/vehicle/visual_check 下找两三张自行车和汽车都密集出现的图放大看边界框是否贴合车身。如果框偏离物体超过 10%优先怀疑标签本身不准而不是模型调参能解决的。我自己的教训是有一次拿到一个车辆数据集训练完指标看着不错可视化一看全框在车影子上后来查出来是有人把标注工具坐标系和图像坐标系混用了。所以现在无论数据集来源多可靠我都先做可视化再进训练这个习惯帮我挡掉了不少脏数据的坑。希望帮到你。本文还有配套的精品资源点击获取