简介：这是一份面向目标检测学习与工程实践的YOLO系列车辆数据集，覆盖卡车、小型车、摩托车、公交车四类常见道路目标，适合正在做车辆检测项目、课程设计或算法验证的开发者与研究者使用。数据集已按训练与验证需求划分完毕，并附带data.yaml配置文件，可直接接入yolov5、yolov8、yolov9、yolov7、yolov10及yolo11等主流版本开展训练与测试。压缩包共约2000个文件，整体62.4MB，其中1589个xml文件对应VOC格式标注，411个txt文件对应YOLO格式标注，两种标签分别存放，便于按框架灵活选用；YOLO标签采用类别索引与归一化中心点、宽高坐标，符合标准解析规范。目前已有111人学习下载。读者可借此省去数据采集与标注成本，快速搭建车辆检测基线，对比不同YOLO版本的训练效果，并借助现成标签完成模型评估与调参验证。
1. 从 2129 张带标签图像说起：这套车辆数据集到底能跑出什么
手头拿到一个叫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的压缩包，第一反应往往不是兴奋，而是犯嘀咕：2129 张够不够训一个能用的车辆检测模型？四类目标（卡车、小型车、摩托车、公交车）里，公交车和卡车在视觉上高度相似，会不会互相打架？标签到底是 YOLO 的 txt 格式还是 VOC 的 xml？这些问题不搞清楚，直接开训就是浪费显卡。
这篇笔记就围绕这个数据集展开，把「拿到一份中小规模车辆数据集之后，怎么从零跑通 YOLO 训练、怎么判断它值不值得投入、哪些参数必须调、哪些坑一定会踩」讲透。适合两类人：一类是刚接触 YOLO 目标检测、想找一个真实场景数据集练手的新手；另一类是做交通监控、卡口识别、自动驾驶感知预研，需要快速验证一个车辆检测 baseline 的工程师。2129 张不算大，但四类车辆的标注如果质量过关，足够训出一个 mAP50 在 0.85 以上的可用模型，前提是你别在数据格式和类别平衡上翻车。
2. 先搞清楚数据集结构：2129 张图像带标签到底长什么样
2.1 解压后先做三件事：目录清点、格式判定、类别统计
拿到压缩包别急着写训练脚本，先解压看结构。常见的车辆数据集有两种组织方式：一种是images/和labels/平行目录，对应 YOLO 格式；另一种是JPEGImages/+Annotations/+ImageSets/，对应 VOC 格式。判定方法很简单，看标签文件后缀——.txt是 YOLO，.xml是 VOC。
# 解压并查看顶层结构 unzip 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 -d vehicle_dataset cd vehicle_dataset find . -maxdepth 2 -type d | head -20 # 统计图像数量和标签数量 find . -name "*.jpg" -o -name "*.png" | wc -l find . -name "*.txt" | wc -l find . -name "*.xml" | wc -l这段命令的逻辑是：先解压到独立目录避免污染当前路径，然后用find逐层查看目录结构，最后分别统计图像、txt 标签、xml 标签的数量。参数说明：-maxdepth 2限制递归深度，避免在大数据集上输出爆炸；-o是 find 的或条件，注意-name "*.jpg" -o -name "*.png"要加括号才严谨，这里简化写法在多数 shell 下也能跑。如果 txt 数量和图像数量对不上，说明有图像漏标，这是第一个要记录的质量问题。
2.2 用脚本统计四类目标的分布，别让类别不平衡埋雷
卡车、小型车、摩托车、公交车这四类，在真实道路场景里的出现频率天然不均。小型车可能占 70%，公交车可能只占 5%。如果直接开训，模型会对小样本类别欠拟合。所以第二步必须做类别分布统计。
import os from collections import Counter # YOLO 格式：每行 class_id x_center y_center width height label_dir = "vehicle_dataset/labels" class_names = ["truck", "car", "motorcycle", "bus"] # 按 data.yaml 里的顺序 counter = Counter() for txt_file in os.listdir(label_dir): if not txt_file.endswith(".txt"): continue with open(os.path.join(label_dir, txt_file), "r") as f: for line in f: parts = line.strip().split() if len(parts) >= 5: counter[int(parts[0])] += 1 total = sum(counter.values()) for cid, name in enumerate(class_names): cnt = counter.get(cid, 0) print(f"{name}: {cnt} 个标注框, 占比 {cnt/total*100:.1f}%")逻辑说明：遍历 labels 目录下所有 txt，每行第一个字段是类别 id，累加计数。参数说明：class_names的顺序必须和训练时data.yaml里的names完全一致，否则统计结果会张冠李戴。跑完如果发现某一类占比低于 5%，就要考虑用数据增强（mosaic、mixup）或者类别权重来补偿。这一步不做，后面训练出来的模型在公交车上大概率是瞎的。
2.3 可视化抽查：随机抽 20 张图把框画出来
统计是数字，可视化才是真相。抽 20 张图把标注框画上去，重点看三件事：框有没有偏移、有没有漏标、公交车和卡车有没有标混。
import cv2 import random import os img_dir = "vehicle_dataset/images" label_dir = "vehicle_dataset/labels" class_names = ["truck", "car", "motorcycle", "bus"] colors = [(255,0,0), (0,255,0), (0,0,255), (255,255,0)] samples = random.sample(os.listdir(img_dir), 20) for img_name in samples: img = cv2.imread(os.path.join(img_dir, img_name)) h, w = img.shape[:2] txt_path = os.path.join(label_dir, img_name.rsplit(".",1)[0] + ".txt") if not os.path.exists(txt_path): print(f"漏标: {img_name}") continue with open(txt_path) as f: for line in f: cid, xc, yc, bw, bh = map(float, line.split()) x1 = int((xc - bw/2) * w); y1 = int((yc - bh/2) * h) x2 = int((xc + bw/2) * w); y2 = int((yc + bh/2) * h) cv2.rectangle(img, (x1,y1), (x2,y2), colors[int(cid)], 2) cv2.putText(img, class_names[int(cid)], (x1, y1-5), cv2.FONT_HERSHEY_SIMPLEX, 0.6, colors[int(cid)], 2) cv2.imwrite(f"vis_{img_name}", img)逻辑说明：YOLO 格式的坐标是归一化的中心点加宽高，需要乘以图像宽高还原成像素坐标再画框。参数说明：colors按类别给不同颜色，方便肉眼区分；random.sample保证每次抽的图不一样。重点检查公交车和卡车——这两类在侧面视角下轮廓接近，如果标注员偷懒，很容易标错。发现超过 5% 的错标，建议先清洗再训，否则模型学到的就是错的。
3. 从零跑通 YOLO 训练：环境、配置、启动一条龙
3.1 环境搭建：CUDA、PyTorch、Ultralytics 的版本对齐
YOLO 训练翻车，一半以上是环境问题。常见做法是用 conda 建独立环境，先装 PyTorch 再装 ultralytics。版本对齐的原则是：PyTorch 的 CUDA 版本要和你显卡驱动支持的 CUDA 版本匹配，ultralytics 用 pip 装最新稳定版即可。
conda create -n yolo_vehicle python=3.10 -y conda activate yolo_vehicle # 根据你的 CUDA 版本选择，这里以 CUDA 11.8 为例 pip install torch torchvision --index-url https://download.pytorch.org/whl/cu118 pip install ultralytics opencv-python # 验证 python -c "import torch; print(torch.cuda.is_available(), torch.__version__)"逻辑说明：先建环境隔离依赖，再装带 CUDA 支持的 PyTorch，最后装 ultralytics。参数说明：--index-url指定 PyTorch 官方 wheel 源，避免装到 CPU 版本；torch.cuda.is_available()返回 True 才算成功。如果返回 False，先查显卡驱动版本，再查 CUDA 版本是否匹配，别急着怀疑代码。
3.2 写 data.yaml：四个类别名和路径一个都不能错
YOLO 训练靠data.yaml找数据、认类别。这个文件写错，训练直接报错或者类别全乱。
# vehicle_data.yaml path: /absolute/path/to/vehicle_dataset train: images/train val: images/val test: images/test nc: 4 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。参数说明：nc是类别数，必须和 names 长度一致；names 的顺序必须和标签里的 class_id 对应，顺序错了模型会把卡车认成公交车。如果数据集没有预先划分 train/val，需要自己按 8:1:1 切分，切分脚本要保证图像和标签同步移动。
3.3 启动训练：命令行参数怎么设才不浪费显卡
环境好了、yaml 写好了，就可以启动训练。以 YOLOv8 为例，一条命令搞定，但参数要按数据集规模调。
yolo detect train \ data=vehicle_data.yaml \ model=yolov8s.pt \ epochs=100 \ imgsz=640 \ batch=16 \ lr0=0.01 \ patience=20 \ project=runs/vehicle \ name=exp1逻辑说明：model=yolov8s.pt表示用预训练权重做迁移学习，小数据集必须用预训练，否则收敛慢且效果差。参数说明：epochs=100对 2129 张图够用，配合patience=20早停防止过拟合；imgsz=640是标准输入尺寸，显存不够就降到 416；batch=16按显存调，8G 显存用 8 或 16；lr0=0.01是初始学习率，小数据集可以降到 0.005 更稳。启动后盯着 loss 曲线，如果 cls_loss 不降，多半是标签格式或类别名有问题。
3.4 训练过程监控：看什么指标、什么时候该停
训练不是启动了就完事，要盯几个关键指标。YOLO 会在 runs 目录下生成 results.csv 和可视化曲线。
| 指标 | 正常表现 | 异常信号 | 处理 |
|---|---|---|---|
| box_loss | 持续下降后趋稳 | 震荡不降 | 降学习率或查标签 |
| cls_loss | 持续下降 | 突然飙升 | 查类别是否标错 |
| mAP50 | 逐步上升 | 卡在低位 | 查数据量或增强 |
| mAP50-95 | 缓慢上升 | 远低于 mAP50 | 正常，定位精度难 |
逻辑说明：box_loss 管定位，cls_loss 管分类，mAP 是综合指标。参数说明：mAP50 是 IoU 阈值 0.5 下的平均精度，对车辆检测来说 0.85 以上算可用；mAP50-95 更严格，通常比 mAP50 低 0.1 到 0.2。如果训练到 50 轮 mAP50 还在 0.5 以下，别硬撑，停下来查数据。
4. 避坑指南：车辆数据集训练最容易翻车的五个地方
4.1 现象：公交车被识别成卡车，置信度还不低
原因：公交车和卡车在侧面视角下都是长条形，如果标注时边界框画得松，两类特征高度重叠。加上公交车样本少，模型倾向于把它归到样本多的卡车类。
解决：先统计两类样本量，如果公交车少于 200 个框，用 mosaic 增强时对公交车图像提高采样权重；或者在损失函数里给公交车类加 class_weight。更直接的办法是清洗标注，把公交车和卡车的边界框画紧，突出公交车的大面积车窗特征。
4.2 现象：训练 loss 正常下降，但验证集 mAP 一直上不去
原因：训练集和验证集分布不一致。常见于随机切分时，某些场景（比如夜间、雨天）的图全被分到训练集，验证集里没有。
解决：切分时按场景分层抽样，保证每个场景在 train/val 里都有。如果数据集本身场景单一，那就别指望验证集 mAP 能反映真实泛化能力，得另找外部测试集。
4.3 现象：训练到一半 CUDA out of memory
原因：batch 设太大，或者 imgsz 设太高。2129 张图用 yolov8s 在 8G 显存上，batch=16 + imgsz=640 是临界值。
解决：先把 batch 降到 8，如果还爆就降 imgsz 到 416。另一个隐藏原因是 dataloader 的 workers 设太多导致内存泄漏，把 workers 从 8 降到 4 试试。
4.4 现象：标签文件里有空行或坐标超出 0-1 范围
原因：标注工具导出时产生脏数据，或者人工修改时手误。
解决：训练前跑一个校验脚本，检查每行是否有 5 个字段、坐标是否在 0 到 1 之间、class_id 是否在 0 到 3 之间。发现异常行直接剔除或修正，别让脏数据进训练。
import os bad = [] for txt in os.listdir("vehicle_dataset/labels"): with open(os.path.join("vehicle_dataset/labels", txt)) as f: for i, line in enumerate(f): parts = line.strip().split() if len(parts) != 5: bad.append((txt, i, "字段数不对")); continue cid = int(parts[0]) coords = list(map(float, parts[1:])) if cid not in range(4) or any(c < 0 or c > 1 for c in coords): bad.append((txt, i, "类别或坐标越界")) print(f"发现 {len(bad)} 处异常") for b in bad[:10]: print(b)逻辑说明：逐行校验字段数、类别 id、坐标范围。参数说明：range(4)对应四类，坐标必须在 0 到 1 之间。这个脚本跑一遍，能拦掉大部分低级错误。
4.5 现象：推理时小目标摩托车漏检严重
原因：摩托车在图像里占像素少，YOLO 下采样后特征丢失。2129 张图里如果摩托车样本本身少，问题更突出。
解决：训练时开启close_mosaic=10，让最后 10 轮关闭 mosaic 增强，专注小目标；或者把 imgsz 提到 800 再训一轮。推理时把 conf 阈值从 0.25 降到 0.15，能召回更多摩托车，但误检会增加，需要权衡。
5. 进阶技巧：用这套数据集把模型推到可用线以上
5.1 迁移学习 + 冻结训练：小数据集的正确打开方式
2129 张图不算多，从头训必然过拟合。正确做法是分两阶段：先冻结 backbone 训 head，再解冻全量微调。
# 第一阶段：冻结 backbone，只训检测头 yolo detect train data=vehicle_data.yaml model=yolov8s.pt epochs=30 freeze=10 lr0=0.01 # 第二阶段：解冻全量微调，降低学习率 yolo detect train data=vehicle_data.yaml model=runs/vehicle/exp1/weights/best.pt epochs=70 lr0=0.001逻辑说明：freeze=10冻结前 10 层（backbone 主体），只更新检测头，让模型先适应车辆数据的类别分布。参数说明：第一阶段学习率可以高一点，第二阶段必须降，否则会破坏已学到的特征。两阶段加起来 100 轮，比一次性训 100 轮效果更稳。
5.2 用混淆矩阵定位类别混淆，针对性补数据
训练完看混淆矩阵，能直接看出哪两类在互相误判。如果公交车和卡车混淆严重，就针对性地补这两类的难例样本。
from ultralytics import YOLO model = YOLO("runs/vehicle/exp2/weights/best.pt") metrics = model.val(data="vehicle_data.yaml") print(metrics.confusion_matrix)逻辑说明：model.val会在验证集上跑一遍，输出混淆矩阵。参数说明：矩阵对角线是正确分类，非对角线是误判。重点看公交车行和卡车列的交叉值，如果数值大，说明这两类需要更多区分性样本。
5.3 导出 ONNX 做部署前的最后验证
训练完的 pt 模型要部署，通常先导出 ONNX。导出后必须做一次推理对齐，确认精度没掉。
yolo export model=runs/vehicle/exp2/weights/best.pt format=onnx imgsz=640逻辑说明：导出 ONNX 后，用 onnxruntime 跑一张测试图，和 pt 模型的输出对比。参数说明：imgsz=640必须和训练时一致，否则输入尺寸不匹配会导致精度下降。如果 ONNX 推理结果和 pt 差异超过 1%，检查是否有算子不支持或动态轴设置问题。
这套流程走下来，2129 张图的车辆数据集能训出一个在四类目标上 mAP50 达到 0.85 以上的模型，公交车和卡车的混淆能压到可接受范围。我自己踩过的最大坑是没做类别统计就开训，结果公交车几乎全漏，回头补数据浪费了两天。所以拿到数据集先统计、再可视化、最后才训练，这个顺序别省。希望帮到你。
本文还有配套的精品资源，点击获取
