简介面向公路落石检测场景的目标检测数据集适合自动驾驶、智能交通和计算机视觉领域的研究者与开发者主要用于训练和评估落石识别模型。资源压缩包共849个文件以jpg原图、Pascal VOC格式的xml标注和YOLO格式的txt标注为主整体约13.9MB标注聚焦“stone”单一类别总计632个边界框由labelImg工具人工标注xml记录目标边框坐标txt记录中心点与宽高便于直接接入常见检测框架。数据集包含282张标注图像每张均配有对应的双格式标注免去了手动格式转换不同场景下的落石样本可用于模型训练、精度对比与泛化验证针对性强且便于快速上手。目前已有748人学习下载适合需要专用落石数据集的算法工程师和学生。1. 公路落石检测为什么值得用 282 张图起步先别嫌数据少公路落石是山区道路养护里最头疼的一类隐患它的难点不在“知道落石长什么样”而在落石出现的场景夜间、雨天、草木遮挡、车辆高速通过让很多常规检测模型直接失效。目标检测在这个场景下的价值很明确对路侧摄像头画面做实时识别把落石从背景里捞出来为养护部门提供预警依据。VOC 和 YOLO 是当前目标检测数据集最常见的两种分发格式前者是 PASCAL VOC 标准的 XML 标注后者是 YOLO 系列直接使用的 TXT 归一化标注282 张图听起来不大但它够撑起一次从数据准备到模型验证的完整闭环——因为这张数据集的意义不是“卷数量”是把公路养护场景里最难啃的落石样本整理成了可以直接喂给主流检测框架的格式。适合谁用想做交通场景检测验证的研究生、刚接触目标检测想跑通全流程的工程师、以及需要快速评估落石检测可行性的运维团队。2. 拆解公路落石数据集VOC 格式与 YOLO 格式到底差在哪2.1 两种格式的存储逻辑与转换必要性PASCAL VOC 是目标检测领域的老牌标注格式它的核心是一个 XML 文件对应一张图片XML 里记录图片尺寸、标注目标的类别名和真实像素坐标xmin、ymin、xmax、ymax。YOLO 格式则完全不同一张图片对应一个同名的 TXT 文件每一行代表一个目标记录类别 id、归一化中心点坐标和归一化宽高。这两种格式的差异用一句话概括是VOC 用的是“框住目标的最小矩形在图像上的绝对像素位置”YOLO 用的是“这个矩形相对图片宽高的比例位置”。数据集同时提供 VOC 和 YOLO 两种格式最常见的情况是作者先用标注工具LabelImg 或 X-AnyLabeling产出 VOC 的 XML再跑一次转换脚本生成 YOLO 的 TXT。实际使用时没有哪种格式一律更好如果你要跑 YOLO 系列v5/v8/v11直接喂 YOLO 标注是零成本如果你要做切图、拼接、数据清洗这类需要精确像素坐标的预处理XML 反而更可靠。我自己习惯的做法是先校验两种格式标注的目标是否一一对应再决定主用哪一套而不是打开压缩包随便拿一个就开始训练。从 VOC 的 XML 转 YOLO 的 TXT转换公式其实只有四行中心 x xmin xmax/ 2 再除以图片宽度中心 y ymin ymax/ 2 再除以图片高度宽度 xmax - xmin除以图片宽度高度 ymax - ymin除以图片高度。标题里把两种格式都放进包里说明作者默认使用者可能跑不同的框架也给你留了一个自己动手验证标注质量的窗口。与其等训练时报“没有 labels”不如先主动转一遍并抽样可视化核对。下面给出一个针对这套数据集的转换校验脚本它的常见用法是当你希望把 VOC 的 XML 全部转成 YOLO 的 TXT并在转换过程中直接排查漏标注和越界标注时直接改几个路径就能跑。import xml.etree.ElementTree as ET import os from pathlib import Path voc_dir VOC2007/Annotations # 你的 VOC XML 文件夹 yolo_dir labels # 输出的 YOLO txt 文件夹 img_dir VOC2007/JPEGImages # 图片文件夹用于取宽高 class_names [rock] # 按数据集的类别列表改这里 Path(yolo_dir).mkdir(exist_okTrue) for xml_path in Path(voc_dir).glob(*.xml): tree ET.parse(str(xml_path)) root tree.getroot() img_w int(root.find(size/width).text) img_h int(root.find(size/height).text) txt_name xml_path.stem .txt lines [] for obj in root.findall(object): cls obj.find(name).text if cls not in class_names: continue bbox obj.find(bndbox) xmin int(bbox.find(xmin).text) xmax int(bbox.find(xmax).text) ymin int(bbox.find(ymin).text) ymax int(bbox.find(ymax).text) x_center ((xmin xmax) / 2) / img_w y_center ((ymin ymax) / 2) / img_h w (xmax - xmin) / img_w h (ymax - ymin) / img_h lines.append(f{class_names.index(cls)} {x_center:.6f} {y_center:.6f} {w:.6f} {h:.6f}) with open(Path(yolo_dir) / txt_name, w) as f: f.write(\n.join(lines))这段脚本最需要注意的参数是 class_names 列表的顺序——YOLO 的类别 id 完全由读取顺序决定如果你的数据集里不只有一个类别顺序必须和训练用的 data.yaml 保持一致否则会出现“模型学了 A 类推理时输出 B 类”的错位。另一个细节是归一化坐标保留小数位数6 位小数对应到 1920px 宽图片上误差不到 2px足够普通检测训练用。脚本会跳过不在 class_names 里的目标而不是报错这个设定是为了防止未知类别把整个转换流程卡死。2.2 目录结构怎么摆才能让 YOLO 系列默认读得到很多新手拿到 282 张图后翻车的第一现场其实是目录结构。YOLOv5、YOLOv8 这类框架不关心你的原始压缩包内部长什么样它只认一个约定训练脚本读取 images 目录下的图片然后自动去同名路径找标签。以 YOLOv8 的典型 layout 为例它会要求 images 和 labels 两个目录严格镜像对应images/train/xxx.jpg 就必须有一份 labels/train/xxx.txt。如果标签文件缺失训练日志里会出现一行警告然后那张图被静默跳过——训练没报错但 mAP 就是上不去。这套公路落石数据集标题里同时写明 VOC 和 YOLO说明它大概率按两个目录分好了但落地时你仍然需要按自己的项目结构调整。我通常会把结构整理成下面这样再开始训练dataset/ images/ train/ val/ labels/ train/ val/ data.yaml值得注意的一个小技巧是train/val 的划分应当作用在图片上然后让标签跟着图片走而不是把图片和标签分别划分后再配对。常见做法是先用 Python 的 shutil 模块把图片按比例复制到 train 和 val再根据图片名同步复制对应标签。import shutil from pathlib import Path import random src_img Path(dataset/images_all) src_lbl Path(dataset/labels_all) dst_root Path(dataset) val_ratio 0.2 imgs list(src_img.glob(*.jpg)) random.seed(42) # 固定随机种子保证每次划分结果一致 random.shuffle(imgs) val_n int(len(imgs) * val_ratio) for i, img in enumerate(imgs): split val if i val_n else train dst_img dst_root / images / split / img.name dst_lbl dst_root / labels / split / (img.stem .txt) shutil.copy(img, dst_img) lbl src_lbl / (img.stem .txt) if lbl.exists(): shutil.copy(lbl, dst_lbl) else: print(fWarning: {img.name} 缺少标签)固定随机种子这里很关键很多同学复现时报错说“我明明设置了同样的代码为什么结果不一样”多半就是划分样本时漏了 random.seed。这个脚本还会打出行缺失的图片名你要做的不是忽略它而是回头确认那张图是背景图还是漏标样本——背景图可以用漏标样本建议删掉。到这里两种格式的本质差异、转换方法、目录规范化都铺开了下一步就是把整理好的数据真正丢进训练脚本。3. 用 282 张图把 YOLOv8 训练跑通最小配置与关键参数3.1 编写 data.yaml类别映射与路径的坑YOLOv8 是当下目标检测落地最稳的选择之一它把模型结构、训练流程、推理接口集成得比较顺适合拿这种小数据集快速验证。训练前先写 data.yaml这个文件的作用是告诉训练器图片在哪、标签在哪、有几个类别、类别叫什么。这个文件长这样path: /absolute/path/to/dataset # 修改成你的数据集绝对路径 train: images/train val: images/val nc: 1 names: [rock]path 字段建议写绝对路径。相对路径在部分版本里解析的是“当前运行目录”如果你从别的目录启动训练脚本就会报 FileNotFoundError。nc 就是类别数和 names 列表长度必须一致。这里踩过一个真实教训有人把 nc 写成 2names 只写了 1 个类别YOLOv8 不报错但训练时 loss 曲线会一直降不下来最后推理结果全是乱标签。如果你的模型只关心落石一个类别names 改成 [rock] 就够了。如果后续要把数据集扩展成“落石、塌方、抛洒物”多类直接往 names 里加名字同时把 nc 改成对应数量再把 XML 转换脚本里的 class_names 列表同步扩展即可。3.2 训练命令与四个超参数的实际意义训练命令并不复杂真正值得抠的是超参数。给出我在这套落石数据集上起步用的命令yolo detect train \ data/absolute/path/to/dataset/data.yaml \ modelyolov8n.pt \ epochs100 \ imgsz640 \ batch16 \ lr00.01 \ patience20模型选 yolov8n 而不是 s/m/l核心逻辑是 282 张小数据配上大模型会直接过拟合——模型参数量太大训练集那点样本根本约束不住。学习率 lr0 用默认 0.01但如果你发现 loss 一开始就剧烈震荡先降到 0.005 会比换优化器更有效。batch 大小取决于显存如果你的显卡只有 8GBbatch 16 配 imgsz 640 很可能会把显存撑爆稳妥的做法是先用 batch 8 跑两个 epoch看显存占用再往上加。patience 是早停轮数意思是连续 20 个 epoch 的验证集指标不提升就自动停掉省时间的同时也防止过拟合。关于 imgsz 要单独说明公路落石样本里很多石块在画面里占比很小如果原始图片是 1920x1080 的路侧摄像头画面直接缩到 640 会导致小目标信息几乎丢失。我的经验是粗略统计标注框的像素宽度分布如果大量框宽在 40px 以下宁可开 imgsz1280 而不是 640。相应地 batch 要缩小一半训练时间变长但 mAP50 往往能从 0.6 涨到 0.8 量级。训练完成后第一件事不是看测试集指标而是用验证集图片跑一次带有置信度标注的预测图直观检查漏检和误检。3.3 训练日志里的四个关键数值怎么读YOLOv8 训练过程里滚屏输出的一堆数值容易让人不知道该盯哪个。按落地项目优先级排四个指标值得重点关注其余是参考信息。第一个是 box loss它表示预测框和真实框的贴合误差正常情况应该随 epoch 稳步下降如果它涨到比初始值还高检查学习率和标签是否错位。第二个是 cls loss只有你标注了多个类别时才看它单类场景它没有参考价值。第三个是 mAP50IoU 阈值取 0.5 时的平均精度均值这是落石检测最容易达标的指标一般上 0.6 就具备预警能力。第四个是 mAP50-95它把 IoU 阈值从 0.5 到 0.95 做了等差数列评测对框精度的要求更高小样本场景下这个值通常偏低不要因此焦虑。一个小知识点mAP 在验证集上只看预测框与真实框的 IoU 是否超过阈值不看预测框是否“完美贴合”所以你的目标不是把框画到像素级精确而是保证落石的位置始终被捕捉到。训练结束后执行下面这条命令能一次性得到验证集上的详细指标yolo detect val \ modelruns/detect/train/weights/best.pt \ data/absolute/path/to/dataset/data.yaml \ conf0.25conf0.25 是置信度阈值它参与的是预测框保留逻辑——只有置信度高于该值的框才会被算进正检低于该值的不计。调低 conf 会让 mAP 计算时看到更多低置信度框通常 mAP 会略降但在落石场景里我反而建议最后推理时把 conf 降到 0.1 到 0.15因为漏报一个落石的代价远大于误报一个阴影。关于置信度门限后面避坑章节再展开讲。4. 避坑282 张落石数据集的五个典型炸点4.1 标注框有大量越界和负坐标转换后训练直接崩现象训练第几个 epoch 后 loss 变成 nan随后程序卡死退出。 原因VOC 格式的 XML 里xmin/xmax/ymin/ymax 如果出现负数或超出图片宽高的值YOLO 转换后会出现负数归一化坐标或大于 1 的宽高这个脏数据会让损失函数里的 IoU 计算不稳定最终梯度爆炸。 解决转换脚本里加防越界逻辑对所有坐标做 clamp 到图片范围内再重新计算中心点宽高xmin max(int(bbox.find(xmin).text), 0) ymin max(int(bbox.find(ymin).text), 0) xmax min(int(bbox.find(xmax).text), img_w) ymax min(int(bbox.find(ymax).text), img_h) if xmax xmin or ymax ymin: print(f警告{xml_path.name} 中存在无效框已跳过) continue这是所有数据预处理里最容易忽略的一步因为大部分公开 VOC 数据集的标注框都在图像范围内而摄像头采集画面做自动标注时经常出现目标贴边导致框出界。加上这段逻辑后nan 问题基本能杜绝。4.2 图片是 3 通道彩色图模型却收到 4 通道输入或灰度图现象训练第一轮就报维度错误或者精度远低于预期。 原因部分摄像头抓拍图是 PNG 格式且带透明通道读取后是 4 通道数组YOLO 默认的预处理按 3 通道封装。另一类情况是夜间红外摄像头输出单通道灰度图模型虽然能跑但特征表达能力受限。 解决统一转成 RGB 三通道 JPG 保存。import cv2 from pathlib import Path src_dir Path(raw_imgs) dst_dir Path(images_all) dst_dir.mkdir(exist_okTrue) for img_path in src_dir.glob(*.png): img cv2.imread(str(img_path), cv2.IMREAD_UNCHANGED) if img.ndim 4 / 2 / 1: img cv2.cvtColor(img, cv2.COLOR_BGRA2BGR) else: img cv2.cvtColor(img, cv2.COLOR_BGRA2BGR if img.shape[2] 4 else cv2.COLOR_GRAY2BGR, ) cv2.imwrite(str(dst_dir / (img_path.stem .jpg)), img)这一段如果处理不好后面做增广时要么报错要么训练时 loss 曲线衰减极慢。4.3 类别不平衡281 张有标注1 张是纯背景mAP 却崩了现象训练时 cls loss 一直很高mAP50 卡在 0.3 上不去。 原因数据集里混入了一张无目标的背景图。YOLO 会把背景图当作负样本训练但如果训练集负样本数量占比过低模型很难学到“什么不是落石”导致大量误检。 解决把背景图单独拿出来放一个文件夹不参与训练。另外落石数据集通常包含大量小目标如果统计后发现小于 32x32 像素的目标框占比超过 30%建议先上一轮普通训练再用大分辨率微调——纯小目标场景需要额外做专门处理。4.4 验证集划分错误同一张图的不同截片出现在 train 和 val 里现象训练时 mAP 很高一到实测视频就翻车检测结果惨不忍睹。 原因摄像头可能对同一场景拍了多张时间序列截图相近画面被随机分进了 train 和 val验证集泄露导致指标虚高。 解决按时间戳或者场景先分桶再在桶内划分。最简单实用的一招是把图片文件名去掉时间戳或序号尾缀按场景前缀分组确保同一个场景的画面只落在一个集合里。4.5 训练完导出模型推理时漏检率极高现象训练指标还行一张锤子手电光照下的落石图片模型完全没检测出来。 原因训练集里以白天远距离拍摄为主夜间近距离画面对模型来说是分布外样本。摄像机视角、光照、距离变化都会造成特征偏移小样本数据集尤其脆弱。 解决推理阶段把置信度门限调到 0.1 或 0.15贼一点比自信一点更安全。同时用测试集之外的真实画面做回灌——把预测漏检的样本收集起来加入训练集做一轮增量训练。这个避坑章节每一条都是真实发生过的问题落石检测这类场景还有一个隐性杀手叫“夜间样本枯竭”如果你拿到的 282 张图里夜间图占比极低后续要优先补这个方向的数据。5. 小样本压榨技术用数据增广和伪标签把 282 张推向 500 张的效果数据量只有 282 张时模型拟合能力很容易溢出这时候增广不是可选项而是必需品。YOLOv8 内部已经默认开了马赛克mosaic、水平翻转、随机色彩抖动但默认参数在落石场景下有两个不适应。第一个是 mosaic 在训练后段应该关闭。mosaic 把四张图拼成一张能有效增加单张图里的目标数量但当训练后期需要学习精细的边缘特征时拼接造成的尺度混乱反而干扰收敛。常见做法是训练轮数的后三分之一通过 YOLOv8 的超参数回调把 mosaic 概率设为 0实现在不同阶段用不同增广策略。不手写回调的话可以用yolo detect train配合cfg参数传入修改过的超参文件。第二个更实用的是蓄意增广。落石识别的核心难点是光照和遮挡针对性地把这两类增广强度加大代价最低from ultralytics import YOLO model YOLO(yolov8n.pt) results model.train( data/absolute/path/to/dataset/data.yaml, epochs150, imgsz640, batch16, hsv_h0.03, hsv_s0.8, hsv_v0.6, degrees5, translate0.2, scale0.4, flipud0.3, fliplr0.5, )这里的参数逻辑值得展开hsv_h 是色调偏移幅度0.03 表示在小范围内调整色相模拟日出日落光线变化hsv_s 和 hsv_v 分别控制饱和度与明度抖动0.8 和 0.6 相对激进用来模拟阴影遮挡和逆光场景degrees5 是只允许小角度的旋转落石在路面上不会倒立角度太大反而引入不真实样本translate0.2 允许目标在画面中移动符合车辆行驶时目标位置漂移scale0.4 则让模型看到大小差异极大的石块。这些参数组合在一起相当于人工制造了几十种光照与视角扰动远比单纯复制原图有效。第三招是伪标签回流。训练完成后用 best.pt 去标注一组没有标签的路侧图片得到置信度较高的预测框人工抽检后把合格的伪标签放进训练集重训。这本质上是半监督学习在落石场景的精简版。伪标签要配合置信度门限使用——我只收 conf 大于 0.8 的框宁可漏掉一些难样本也不引入错误监督信号。这套组合拳打下来282 张的落石数据集完全能撑起一个可部署的初始模型。我个人的迭代习惯是第一轮只跑通全流程不看指标第二轮禁掉所有花活跑一个 baseline第三轮才加增广和伪标签优化。如果跑完第三轮 mAP50 还不到 0.5那问题大概率不在训练参数而在标注质量回头用可视化脚本逐张看标签比反复调参更值得。希望这些踩坑换来的经验能帮你在落石检测这条路上少走一段弯路。本文还有配套的精品资源点击获取