YOLO车辆检测实战：2129张数据集训练配置与避坑指南

简介本资源为面向YOLO系列目标检测算法的车辆数据集适用于卡车、小型车、摩托车、公交车四类目标的检测任务可满足模型训练、验证与测试需求适合计算机视觉入门及进阶学习者使用。压缩包共约2000个文件包含1589个xml标注文件与411个txt标注文件分别对应VOC格式与YOLO格式整体大小约62.4MB并附带data.yaml配置文件可直接适配yolov5、yolov8、yolov9、yolov7、yolov10及yolo11等主流版本。YOLO格式采用类别索引与归一化中心点、宽高坐标便于直接读取训练。数据集已完成划分省去预处理环节读者可快速搭建车辆检测实验对比不同YOLO版本的训练效果与精度表现。目前已有111人学习下载适合需要现成标注数据开展课程设计、毕业项目或算法验证的开发者参考使用。1. 从一份 2129 张的车辆数据集说起YOLO 训练到底卡在哪拿到「yolo算法-车辆数据集-2129张图像带标签--卡车-小型车-摩托车-公交车.zip」这个标题多数人第一反应是解压、装环境、跑 train.py然后盯着 loss 曲线等结果。但真正做过车辆检测的人都知道翻车点从来不在模型结构而在数据集本身和训练配置的匹配度。2129 张图像、四个类别卡车、小型车、摩托车、公交车这个规模放在 YOLO 系列里属于「小而偏」——够跑通但不够挥霍。它适合谁适合想快速验证车辆检测 pipeline 的工程师、需要做交通场景 demo 的开发者以及拿它当 baseline 再往 BDD100 这类大数据集迁移的团队。这篇文章不讲 YOLO 发展史只讲这份数据集怎么用、参数怎么设、坑在哪让你少走几晚通宵的弯路。2. 数据集拆解与 YOLO 格式转换2129 张图里藏着什么2.1 四类车辆的分布决定了你的训练策略卡车、小型车、摩托车、公交车这四个类别的视觉特征差异极大。小型车数量通常最多公交车和卡车属于大目标但样本偏少摩托车则是典型的小目标且容易和背景混淆。在动手之前先做一件事统计每类标注框的数量和尺寸分布。这不是可选项是必选项。因为 YOLO 的 anchor 匹配和损失函数对类别不平衡非常敏感如果摩托车只有几十个实例训练时几乎必然被其他类压制。常见做法是用脚本统计标注文件输出每类的实例数、平均宽高、宽高比分布。下面这段代码直接读 YOLO 格式的 labels 目录假设你已经把原始标注转成了class x_center y_center width height的归一化格式。import os from collections import defaultdict label_dir labels/train stats defaultdict(list) for fname in os.listdir(label_dir): if not fname.endswith(.txt): continue with open(os.path.join(label_dir, fname)) as f: for line in f: parts line.strip().split() if len(parts) ! 5: continue cls, x, y, w, h int(parts[0]), *map(float, parts[1:]) stats[cls].append((w, h)) class_names {0: 卡车, 1: 小型车, 2: 摩托车, 3: 公交车} for cls, boxes in sorted(stats.items()): ws [b[0] for b in boxes] hs [b[1] for b in boxes] print(f{class_names.get(cls, cls)}: 实例数{len(boxes)}, f平均宽{sum(ws)/len(ws):.4f}, 平均高{sum(hs)/len(hs):.4f})逻辑说明这段脚本遍历所有标注文件按类别聚合宽高。参数上label_dir指向你的训练集标签目录类别索引要和你的data.yaml里names的顺序严格一致。跑完之后你会得到一张分布表如果某类实例数低于总实例的 5%就要考虑在data.yaml里给它更高的cls权重或者用过采样补齐。2.2 从 VOC/COCO 到 YOLO 格式转换脚本与四个边界坑这份数据集标题写的是「带标签」但没说是哪种格式。实际拿到手常见三种VOC XML、COCO JSON、以及已经转好的 YOLO txt。如果是前两种必须转换。转换的核心是把绝对坐标变成归一化的中心点加宽高同时做边界裁剪。下面是一个 VOC 转 YOLO 的脚本处理了四个最容易出问题的地方。import xml.etree.ElementTree as ET import os def voc_to_yolo(xml_path, img_w, img_h, class_map): tree ET.parse(xml_path) root tree.getroot() lines [] for obj in root.findall(object): name obj.find(name).text.strip() 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) # 坑1坐标越界必须裁剪 xmin max(0, min(xmin, img_w)) xmax max(0, min(xmax, img_w)) ymin max(0, min(ymin, img_h)) ymax max(0, min(ymax, img_h)) # 坑2宽高为0的无效框直接丢弃 if xmax xmin or ymax ymin: continue 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 # 坑3归一化后仍可能略超1做最后钳制 x_center min(max(x_center, 0), 1) y_center min(max(y_center, 0), 1) w min(max(w, 0), 1) h min(max(h, 0), 1) lines.append(f{cls_id} {x_center:.6f} {y_center:.6f} {w:.6f} {h:.6f}) return lines逻辑说明class_map是类别名到索引的映射比如{truck:0, car:1, motorcycle:2, bus:3}。坑1是标注框超出图像边界不裁剪会导致归一化坐标大于1YOLO 训练时直接报错或产生 NaN。坑2是零面积框通常来自标注工具误操作。坑3是浮点精度导致的微小越界。坑4在脚本外图像尺寸必须从对应的图片文件读取不能硬编码因为这份数据集里可能混有不同分辨率的图。注意转换完成后务必随机抽 20 张图用可视化脚本画框检查别信「转换成功」的日志信你的眼睛。3. YOLO 训练配置2129 张图怎么设参数才不浪费3.1 选 v8 还是 v5小数据集的真实取舍热词里 yolo v8、yolo v5、yolo 搭建、yolo 环境配置反复出现说明很多人卡在选版本这一步。我的建议很直接2129 张图这个量级YOLOv8n 或 YOLOv5s 都行但优先选 v8因为它的 anchor-free 头对小目标更友好而摩托车恰好是小目标。不要上 v8x 或 v5x参数量大了之后这份数据根本喂不饱过拟合是必然的。环境搭建用 conda 最省事一条命令搞定依赖。下面是我常用的流程注意 CUDA 版本要和你的显卡驱动匹配别盲目装最新。conda create -n yolo_vehicle python3.10 -y conda activate yolo_vehicle pip install ultralytics8.1.0 pip install torch torchvision --index-url https://download.pytorch.org/whl/cu118逻辑说明ultralytics包自带 YOLOv8 的训练和推理接口版本锁定 8.1.0 是因为后续版本对某些数据集配置有改动。cu118对应 CUDA 11.8如果你的驱动只支持到 11.7就换成cu117。装完之后跑yolo checks确认环境重点看 CUDA 是否可用。3.2 data.yaml 与超参数每个字段都在影响收敛data.yaml是 YOLO 训练的入口配置写错一个字段就是几小时白跑。针对这份四类车辆数据集配置如下。path: ./vehicle_dataset train: images/train val: images/val test: images/test names: 0: truck 1: car 2: motorcycle 3: bus逻辑说明path是数据集根目录train/val/test是相对路径。names的顺序必须和标注文件里的类别索引完全一致错一位整个训练就废了。建议按 8:1:1 划分2129 张图大约得到 1703 张训练、213 张验证、213 张测试。如果某类在验证集里一个实例都没有那验证指标就是玄学划分时要用分层抽样。训练命令和关键参数yolo detect train \ data./vehicle_dataset/data.yaml \ modelyolov8n.pt \ epochs150 \ imgsz640 \ batch16 \ lr00.01 \ lrf0.01 \ patience30 \ augmentTrue \ mosaic1.0 \ mixup0.1 \ projectruns/vehicle \ nameexp1逻辑说明modelyolov8n.pt用的是 COCO 预训练权重热词里 yolo 预训练模型下载说的就是这个Ultralytics 会自动下载。epochs150配合patience30意思是 30 轮验证指标不提升就早停避免过拟合。lr00.01是初始学习率小数据集不要设太大否则 loss 震荡。mosaic1.0是 YOLOv8 默认的增强把四张图拼成一张对小数据集非常有效但如果你发现摩托车这种小目标被拼没了就降到 0.5。mixup0.1是轻微混合再高会让车辆特征模糊。提示训练前把batch设成显卡能承受的最大值显存不够就降imgsz到 512别硬撑 640 导致 OOM 中断。4. 训练过程排查loss 不降、BN 崩溃、指标玄学怎么破4.1 看 loss 曲线的正确姿势热词里 yolo 损失函数、yolo 训练中 bn 崩溃、yolo 混淆矩阵总合不唯一全是训练过程的高频问题。先说 loss。YOLOv8 的输出包含 box_loss、cls_loss、dfl_loss 三项。正常情况三项都平滑下降。如果 box_loss 降但 cls_loss 不降说明定位学得会、分类学不会通常是类别不平衡或标注类别错乱。如果三项都震荡先查学习率再查 batch 里有没有损坏图像。BN 崩溃的典型现象是 loss 突然变 NaN日志里出现AssertionError: Torch not compiled with CUDA enabled或者 BN 层统计量异常。原因多半是 batch 太小比如小于 4导致 BN 统计不准或者某张图全黑、全白。解决办法把batch提到 8 以上加--cache ram加速数据加载并在数据加载前用脚本过滤掉像素方差过低的图。4.2 混淆矩阵总合不唯一的真相混淆矩阵总合不唯一几乎每个做多类检测的人都遇到过。现象是矩阵所有格子加起来不等于验证集实例总数。原因有三个一是置信度阈值和 IoU 阈值同时过滤一个预测框可能匹配多个 GT 或者不匹配任何 GT二是 YOLO 在验证时默认做了 NMS重叠框被合并三是某些 GT 因为尺寸太小在imgsz缩放后消失了。解决方法是把conf阈值调到 0.001、iou调到 0.9 重新跑验证看总合是否接近。如果还差很多就是数据划分时验证集标签有遗漏。yolo detect val \ modelruns/vehicle/exp1/weights/best.pt \ data./vehicle_dataset/data.yaml \ conf0.001 \ iou0.9 \ plotsTrue逻辑说明conf0.001保留几乎所有预测iou0.9减少 NMS 合并plotsTrue输出混淆矩阵和 PR 曲线到 runs 目录。对比调整前后的总合就能定位是阈值问题还是数据问题。5. 避坑清单这份车辆数据集最容易翻车的 5 个地方坑1类别名大小写不一致。现象是训练时提示Class Truck not found in names。原因是 VOC 标注里写的是Truck而 data.yaml 里写的是truck。解决转换脚本里统一name.lower()并在 data.yaml 里用全小写。坑2训练集和验证集图像重叠。现象是验证 mAP 高得离谱测试集一跑就崩。原因是随机划分时同一段视频的连续帧被分到了两边。解决按视频源或时间戳分组划分同一组的帧只进一个集合。坑3摩托车被当成背景。现象是摩托车 AP 长期低于 0.1。原因是摩托车目标小且常被遮挡imgsz640下像素太少。解决把imgsz提到 768或者开启close_mosaic10在最后 10 轮关闭 mosaic让小目标回归原始尺度。坑4公交车和卡车互相误检。现象是混淆矩阵里这两类交叉严重。原因是两者都是大目标、长方体轮廓。解决在data.yaml里给这两类加cls权重或者用fraction0.8只取部分数据做难例挖掘。坑5验证时显存溢出。现象是训练正常val阶段 OOM。原因是验证的batch默认等于训练batch但验证不释放梯度。解决加val_batch8参数或者把batch整体降到 8。6. 从 2129 张到可部署模型导出、量化与一个验证技巧训练完拿到best.pt只是开始真正落地还要过导出和量化这两关。热词里 yolo 部署、yolo rk3588、yolo 边缘部署监控误检率高说的就是这一步。导出 ONNX 是最通用的做法yolo export \ modelruns/vehicle/exp1/weights/best.pt \ formatonnx \ imgsz640 \ halfTrue \ simplifyTrue逻辑说明halfTrue导出 FP16体积减半精度损失通常在 0.5% 以内。simplifyTrue会做图优化去掉冗余算子。导出后用onnxruntime跑一遍推理对比 PyTorch 和 ONNX 的输出差异如果 mAP 掉超过 2 个点就关掉half重新导。量化到 INT8 能进一步提速但车辆检测里小目标对量化误差敏感。我的习惯是先用 200 张验证图做校准再跑一次验证。如果摩托车 AP 掉超过 5 个点就放弃 INT8改用 FP16 部署。最后一个验证技巧别只看 mAP去看runs/vehicle/exp1/val_batch0_pred.jpg这类预测可视化图。我踩过的血泪坑是 mAP 0.85 但实际视频里公交车连续三帧漏检原因是验证集里公交车都是静止的而视频里有运动模糊。所以拿到模型后一定用一段真实道路视频抽帧测试看连续帧的稳定性。这个习惯帮我省了至少两次返工。希望帮到你。本文还有配套的精品资源点击获取