简介一套面向YOLO车辆检测的数据集包含白天、夜间以及俯视等多个场景的车辆图片共2000余张所有图像均已完成标注类别统一为car可直接用于YOLO系列模型的训练与验证。压缩包内共有7210个文件其中jpg图片2400余张并配套txt与xml两种标签文件txt适合YOLO系列直接训练xml便于人工查看和二次标注省去自行转换标签的环节整个压缩包约803.58MB。数据集目前已吸引6144人学习浏览内容覆盖不同光照和拍摄角度有助于增强车辆检测模型在复杂环境下的鲁棒性尤其适合白天与夜间结合的交通视觉任务。对于正在积累训练数据、复现目标检测算法或开展相关毕设项目的开发者与研究者数据集提供了开箱即用的标注样本下载解压后即可快速投入实验省去了图像采集和人工标注的时间成本。1. car-dataset 是什么一个能让你少走三天弯路的车辆检测数据集做车辆检测的人大多卡在同一个环节标注。一个小时的监控视频一辆辆框过去手酸眼睛花最后还因为框得不够准模型 mAP 上不去。YOLO车辆检测数据集 car-dataset 就是这种场景下的后悔药——图片和标注都齐拿来就能训适合跑通检测流程、验证模型效果也适合做数据增强和迁移学习的底座。它把采集-标注-清洗的时间省下来直接进入训练和调参阶段。适合谁呢做交通监控、自动驾驶感知预研、想快速跑通 YOLOv5/YOLOv8 的人以及刚入门想弄懂训练自己的数据集完整流程的同学。下面按我做项目的顺序把怎么用、怎么转换、怎么训练、坑在哪一次说清。2. 先看懂 car-dataset 的结构再动手图片、标注与类别的对应关系2.1 典型文件结构images、labels、classes.txt 谁跟谁对应拿到任何车辆检测数据集我第一件事不是看 README而是先tree一下目录。car-dataset 这类整理过的数据集最常见的是下面这种结构car-dataset/ ├── images/ │ ├── train/ │ │ ├── seq01_0001.jpg │ │ └── ... │ └── val/ ├── labels/ │ ├── train/ │ │ └── seq01_0001.txt │ └── val/ ├── classes.txt └── data.yamlimages 和 labels 同级且文件名一一对应这是 YOLO 生态约定俗成的规矩一张seq01_0001.jpg对应一个seq01_0001.txttxt 文件名必须完全相同连后缀前的部分都不能差。classes.txt 每行一个类名data.yaml里的nc和names要与它严格一致。这里有个容易翻车的细节car-dataset 的变体很多。有的只有一类car有的包含car、truck、bus、motorcycle好几类。别默认它是单类数据集打开 classes.txt 数一数行数再决定nc填几。我见过有人拿多类数据集的标签去配nc1的 yaml训练时不报错推理时类别全乱套。另外一个常见问题是标签文件里的类别 id 没有从 0 开始这类数据集在处理时得先做一次映射把 id 重排到连续整数否则训练到一半会出现类别数对不上。2.2 YOLO 标签格式的换算逻辑归一化坐标并不玄学label 目录里的 txt 每一行代表一个目标格式是固定的五个数class_id x_center y_center width height这里的x_center、y_center、width、height全部除以图片宽高做了归一化取值范围在 0 到 1 之间。比如一张 1920×1080 的图一个框左上角在 (480, 270)、右下角在 (960, 540)那么中心点就是 (720, 405)归一化后 x_center 720/1920 0.375y_center 405/1080 0.375两个方向的宽高分别是 0.25 和 0.25。为什么 YOLO 非要归一化因为训练时 mosaic 增强会把不同分辨率的图拼在一起若用绝对像素坐标拼图后的坐标就全乱了。归一化还有个额外好处数据集里图片分辨率不统一也能混着训不会因为某几张 4K 图把坐标尺度拉爆。反过来如果你拿到的是 VOC 格式XML 里写xmin/ymin/xmax/ymax就得先做一次转换这个我在第 3 章专门讲。先分清手里是什么格式再动手省得转换到一半才发现读进去的是空列表。2.3 和 BDD100K、UA-DETRAC 比什么时候该用哪个很多做车辆检测选型的人会纠结公开数据集那么多为什么还要单独用 car-dataset我的判断标准是看你要解决的问题是什么。下面这张表是我常用的对比维度数据集标注类型典型规模最适合的场景主要短板car-datasetYOLO txt / VOC XML中小规模聚焦车辆快速验证检测流程、跑通训练、调参练手场景单一复杂路况要自己补数据BDD100Kbox / lane / drivable10 万级自动驾驶多任务训练下载体量大类别杂预处理成本高UA-DETRAC车辆框 轨迹交通监控视角车辆检测与跟踪标注格式老需要转换KITTI2D 3D box经典老牌三维感知、目标检测入门年份早场景和现在路况有差距结论很直接新手入门、验证模型改动、调参练手car-dataset 够用且快如果目标是上真实路况的自动驾驶感知最终还是要用 BDD100K 这类大规模自动驾驶数据集做主训练再用 car-dataset 做快速迭代的试验田。两者的关系不是互斥而是先用小数据集把超参数和流程跑通再放大数据能省一大笔试错成本。数据集下载这件事优先找带完整标签文件和划分说明的版本只给图片不给标注的半成品数据集买回来还是得自己标注等于没省时间。3. 把 car-dataset 转成 YOLO 训练格式转换脚本与四个边界坑3.1 从 VOC XML 转 YOLO txt一页 Python 脚本搞定坐标归一化网上流传的 car-dataset 有不少版本是 VOC 标注处理数据集用于 YOLOv8 训练的第一步就是把它转成 YOLO 的 txt。这段脚本我一直在用没做花哨封装方便你直接改路径跑import xml.etree.ElementTree as ET from pathlib import Path def voc_to_yolo(xml_path, out_dir, class_names): 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.iter(object): name obj.find(name).text if name not in class_names: continue # 跳过不关注的类别 cls_id class_names.index(name) bndbox obj.find(bndbox) xmin float(bndbox.find(xmin).text) ymin float(bndbox.find(ymin).text) xmax float(bndbox.find(xmax).text) ymax float(bndbox.find(ymax).text) 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 lines.append(f{cls_id} {x_center:.6f} {y_center:.6f} {w:.6f} {h:.6f}) out_path out_dir / (xml_path.stem .txt) out_path.write_text(\n.join(lines))逻辑说明以 XML 里的size/width和size/height作为分母做归一化x_center取 xmin 和 xmax 的均值再除以图宽。class_names.index(name)决定了类别 id这个列表的顺序必须和你后面data.yaml里的 names 一致否则类别就错位了。参数说明class_names传一个排好序的列表比如[car, truck, bus]out_dir建议直接指向数据集 labels/train 目录。有个细节XML 里如果存在difficult1的目标要不要保留取决于你的任务竞赛里通常丢弃实际做工程我建议保留车辆检测的难样本本来就稀缺。另外注意root.find(size/width)的路径写法有些 XML 结构里 width 不在 size 节点下兼容写法是先root.find(size)再往下一层找避免空指针报错。3.2 划分 train/val别把同一场景的连续帧拆散转换完格式紧接着是划分数据集。新手最容易踩的坑是直接随机打乱所有图片再切分结果同一段路的连续帧一半进了 train、一半进了 val。车辆检测里场景相关性极强同一条路上的光照、背景几乎一样模型在 val 上的表现会虚高部署到新路段立刻现原形。我一般按文件名的场景前缀分组再整组划分import random from pathlib import Path files sorted(Path(images).glob(*.jpg)) scene_dict {} for f in files: prefix f.name.split(_)[0] # seq01_0001.jpg - seq01 scene_dict.setdefault(prefix, []).append(f) scenes list(scene_dict.keys()) random.seed(42) random.shuffle(scenes) split int(len(scenes) * 0.8) train_scenes scenes[:split] val_scenes scenes[split:] # 按场景写 train.txt / val.txt with open(train.txt, w) as ft, open(val.txt, w) as fv: for s in train_scenes: for img in scene_dict[s]: ft.write(str(img) \n) for s in val_scenes: for img in scene_dict[s]: fv.write(str(img) \n)逻辑说明scene_dict按前缀聚合成组random.shuffle打乱的是组不是单张图这样 val 里的场景和 train 完全不相交。random.seed(42)固定随机种子保证每次切分结果可复现——这点在对比实验时很重要否则你没法判断指标提升到底是模型改得好还是数据分得好。参数说明8:2 是通用比例数据量上万可以放宽到 9:1如果数据集本身是按视频切的直接把完整视频的帧作为一个组做法同理。划分完后检查一下 train 和 val 的图片数量差距别超过一个数量级。还有一个容易被忽略的坑划分完要确认 labels 目录也跟着分了有些人只移动了 images训练时大量图片找不到标签ultralytics 会静默跳过这些图。3.3 转换后必做的三项校验越界框、空标签、类别错位转换和划分都做完别急着训练。先跑一遍校验脚本把下面三类问题一次性揪出来from pathlib import Path def check_labels(img_dir, label_dir): for img_path in sorted(Path(img_dir).glob(*)): label_path Path(label_dir) / (img_path.stem .txt) if not label_path.exists(): print(缺失标签:, img_path) continue text label_path.read_text().strip() if not text: print(空标签:, label_path) continue for line in text.splitlines(): parts line.split() if len(parts) ! 5: print(行格式错误:, line) continue cls_id, x, y, w, h parts if float(w) 1 or float(h) 1: print(宽高越界:, label_path, line) if float(x) 1 or float(y) 1: print(中心越界:, label_path, line)逻辑说明缺失标签是图片存在但 txt 不存在通常是转换脚本漏跑了某几张空标签是全背景图YOLO 允许保留但要在训练时合理分布别让负样本占比冲到 50% 以上宽高越界和中心越界是归一化坐标常见错误往往是 XML 里 xmax 写得比图宽还大。这几项不查训练时 loss 会莫名跳 NaN到时候再回溯数据问题比训练前查慢十倍。参数说明img_dir和label_dir对应划分好的 train 或 val 目录。校验输出的报错行数别直接忽略超过总量 1% 就该回头修转换逻辑而不是靠训练时的数据过滤悄悄吞掉。提示脚本校验完再拿三张图把框画回原图看一眼比任何自动化检查都直观。用 cv2 或者 ultralytics 的 plot 工具都行肉眼确认框的位置和类别没跑偏。4. 用 YOLOv8 跑通车辆检测训练最小命令与三个必调参数4.1 环境配置与预训练权重torch 版本和 yolo 命令别混着装跑训练前先确认环境。我的经验是Python 3.9 以上pip 装 ultralytics 和对应版本的 torch。这里有个常见翻车点——系统里同时装了 torch 1.x 和 torch 2.x或者 yolo 命令来自两个不同环境导致调用报版本不匹配。pip install ultralytics yolo detect train datadata.yaml modelyolov8n.pt epochs50 imgsz640yolo 预训练模型下载这件事ultralytics 的做法是首次运行时自动下载yolov8n.pt到当前目录。如果你不想让它在训练时突然开始下载网络慢或者离线环境可以事先把权重文件放到工作目录再在 model 参数里写本地路径。yolov8n.pt是 nano 版适合先验证流程流程走通后再换yolov8s.pt或yolov8m.pt提精度。注意如果你之前用的是 YOLOv5别把yolov5s.pt直接塞给 v8 的 model 参数。两个版本的模型结构不兼容硬跑会报 key 不匹配的错误。真要复用自己的权重用 v8 从头训或者拿 v8 的权重做迁移更干净省得在权重兼容性上花时间。4.2 写对 data.yaml路径、类别与数据集根目录的对应关系YOLOv8 的 data.yaml 比 v5 少了一些字段但路径语义容易弄混。核心就三个字段path、train、val。我最常用的写法如下path: /home/user/car-dataset train: images/train val: images/val nc: 1 names: [car]逻辑说明path是数据集根目录的绝对路径train和val是相对path的目录。很多人沿用 YOLOv5 的习惯把train写成../datasets/car-dataset/images/train在 v8 里反而可能拼接出双重路径报错。nc必须和names列表长度一致数字写错时训练不报错但 mAP 曲线会一直不正常。参数说明names的顺序决定推理输出的类别顺序尽量和转换脚本里的class_names保持一致。如果后面要画混淆矩阵这个顺序错了矩阵图里的格子全对不上排查起来非常痛苦。数据集根目录里如果既有 images 又有原图副本yaml 里指到的必须是实际训练用的那份别让路径指向一个空的占位目录。4.3 训练命令与关键超参数imgsz、batch、lr0 分别怎么定配置文件和权重都就位后最小可用的训练命令是这一条yolo detect train datacar.yaml modelyolov8n.pt epochs50 imgsz640 batch16 lr00.01 patience10imgsz 决定训练时的输入分辨率。车辆检测里小目标很常见640 是速度和精度的均衡点如果标注框里大量是小尺寸车辆比如远处路口的车提到 960 或 1280 会明显涨点代价是显存占用和单轮耗时翻倍。我的建议是先用 640 跑通再看 val 结果里小目标的 AP 决定要不要提。batch 受显存约束。8G 显存跑 nano 模型batch 16 勉强可以显存不够时优先降 batch而不是降 imgsz因为分辨率对检测精度的影响比 batch 大。lr0 是初始学习率迁移学习用 0.01 起步比较稳从零训练则应降到 0.001否则前几个 epoch 就可能炸。关于 yolo 损失函数训练日志里会分成 box_loss、cls_loss、dfl 三项。box_loss 管定位框准不准cls_loss 管类别对不对dfl 管框的边回归精细度。这三项不是独立优化最终看的是 mAP50 和 mAP50-95。很多人的误区是盯着 loss 曲线看——loss 降不代表 mAP 升只有 val 的 mAP 才是模型质量的最终裁判。跑完 50 轮去runs/detect/train下看results.png那上面三行 loss 和三行 metric 的走势图比任何文字说明都直观。5. 车辆检测训练避坑五个我实际踩过的坑5.1 现象loss 一直降但 mAP 不动训练日志还很干净原因最常见的是类别和背景严重不均衡。如果数据集里全是密密麻麻的车辆几乎没有纯背景帧模型会倾向于见到区域就猜框loss 因为框的回归在降但泛化能力很差。另一个常见原因是 val 标注本身有错比如某个 txt 里类别 id 写错导致正确预测被判为误检mAP 被硬生生拉低。解决先检查数据分布的合理性负样本无车图片占比提到 20% 到 30%再抽查 val 标签跑一遍第 3.3 节的校验脚本确认类别 id 和坐标没有系统性错位。这两步做完mAP 往往会自己回来。5.2 现象远距离小尺寸车辆全漏检大车检得很好原因YOLO 的下采样倍数很高小目标在深层特征图上只有几个像素信息量不足此外 mosaic 增强会把目标随机缩到很小模型学到的是忽略小物体。解决把 imgsz 提到 1280让被检目标在输入图上占更多像素同时把 mosaic 概率降下来甚至直接关掉。训练时加一句yolo detect train ... imgsz1280 mosaic0.5如果提升有限可以用切片推理的思路推理时把大图切成 640 的块分别检测再合并框。这个方案不用重训部署前临时救急很有效代价是推理耗时变长线上环境要掂量一下。5.3 现象混淆矩阵对角线对不齐轿车被识别成卡车原因八成是类别 id 错位。转换脚本里class_names的顺序和data.yaml的 names 不一致或者原始 XML 里同一类别存在命名差异比如一会儿car一会儿car_导致部分目标被归到错误类别。解决把classes.txt、data.yaml、训练集 txt 里的类别 id 三方对齐。写个小脚本遍历所有 txt统计出现过的类别 id和 classes.txt 行号逐一比对。别靠肉眼抽查标注文件上百个漏一个就是混淆矩阵上一块热点。5.4 现象训练到一半 loss 突然 NaN特征图全黑原因多数是学习率偏大触发梯度爆炸少数是下载的预训练权重文件损坏还有 mixup 增强在边界框极小时产生数值异常。BN 层对输入方差敏感一旦某一层的输出变 NaN后续全部崩溃。解决先降学习率一个数量级再resumeTrue续训如果还是 NaN换个干净的预训练权重重新开始。排查 mixup 是否肇事可以直接关掉跑几个 epoch 看 loss 是否稳定yolo detect train resumeTrue lr00.001 mixup0.0训练中断的后悔药是保存好每个 epoch 的权重patience参数给足别用过早停把最好的权重丢掉。5.5 现象白天 mAP 0.85夜间场景全翻车原因数据集里几乎全是白天样本模型学到的是光照模式而不是车辆本身。夜间车灯、阴影、低对比度这些特征训练时根本没见过部署到夜间视频上自然漏检。解决先加光照数据增强把 ultralytics 的 hsv_h、hsv_s 调高模拟不同色温和饱和度更有效的方案是收集夜间真实帧用白天模型先做一轮预标注再人工修正把修正后的夜间样本补进训练集。这个流程比单纯调增强参数靠谱得多因为增强只是近似真实夜间的传感器噪声没法完全模拟。6. 验证模型是否真的能用混淆矩阵、PR 曲线与视频帧实测训练结束不要只盯着最后一行 mAP 数字那只是个综合指标。我的验证流程固定三步先跑 val 生成混淆矩阵和 PR 曲线再拿一段没见过的视频抽帧实测最后根据实测结果决定要不要调置信度阈值。val 的命令很简单yolo detect val datacar.yaml modelruns/detect/train/weights/best.pt跑完去runs/detect/val目录下看confusion_matrix.png和PR_curve.png。混淆矩阵里非对角线有热点说明两个类别容易互混回到第 5.3 节排查类别映射PR 曲线的作用是帮你定置信度阈值——曲线在召回率 0.8 附近掉得厉害说明阈值设高了会漏检调低到 0.35 往往比 0.25 更均衡。阈值不是固定值同一个模型在不同场景的最佳阈值可能差 0.1务必用实测数据来定。视频帧实测是最后一道关挑一段训练集里没有的路口视频抽 100 帧跑推理统计漏检和误检。这一步能暴露很多指标图看不出来的问题比如同类别目标被反复横跳框、车灯反光导致的误检。我现在的习惯是训练完第一件事不是看 mAP而是把 best.pt 丢到三分钟实拍视频上跑一遍把漏检帧截出来看原因——这个习惯帮我避过了好几次指标好看、部署翻车的情况。希望帮到你。本文还有配套的精品资源点击获取