简介：面向yolo系列算法实战的目标检测数据集，覆盖卡车、公交车、汽车、自行车与拖拉机五类车辆，适合车辆计数、交通流监控等视觉任务。数据集已划分训练集、验证集与测试集，并附带data.yaml配置文件，可直接接入yolov5、yolov7、yolov8、yolov9、yolov10、yolo11等主流框架进行模型训练与验证。包内同时提供yolo格式txt标签和voc格式xml标注，分别存放于独立文件夹，便于在不同检测管线间切换使用。资源包共2000个文件，主要文件类型为xml标注文件，整体大小约184.13MB，目录结构按标注格式分类，检索方便。目前已有57人学习下载，适合有一定深度学习基础、希望快速获得规范车辆检测数据集的开发者与研究者。
1. YOLO汽车计数数据集的真实用法：3870张图能解决什么问题
拿到一份「yolo算法-汽车计数数据集-3870张图像带标签-卡车-公交车-汽车-自行车-拖拉机.zip」，很多人第一反应是赶紧解压、把图片丢进训练脚本跑一轮。实际上这份数据真正值钱的不是那 3870 张图像本身，而是每张 jpg 后面跟着的标签文件——它把 car、truck、bus、bicycle、tractor 五类车辆按城市交通场景常见的分布做好了标注。对正在做停车场统计、高速断面流量监测、工地车辆识别的从业者来说，它能省下一周左右的标注时间。适合看这篇笔记的人：你已经能跑通 YOLOv5 或 YOLOv8 的官方 demo，想用带标签的交通数据集做迁移学习，或者你刚接手一个车辆计数项目，急需一份能直接喂进训练的干净数据源。
2. 拆开zip先摸清标注底细：目录结构、标签格式和类别均衡
2.1 解压后的目录结构与图像标签数量核对
第一步不是训练，而是把压缩包的目录结构摸清楚。这类数据集的常见组织方式有几种：一种是images/与labels/平级，另一种是train/、valid/、test/三个目录下分别挂images/和labels/。用下面这组命令解压并检查目录层级：
unzip yolo算法-汽车计数数据集-3870张图像带标签-卡车-公交车-汽车-自行车-拖拉机.zip -d car_count cd car_count find . -maxdepth 2 -type d | sort-d参数指定解压目标目录，避免文件直接散落一地。跑完find之后再看一眼 train/valid/test 划分是否存在，然后核对图像和标签的数量关系：
for d in train valid test; do if [ -d "$d/images" ] && [ -d "$d/labels" ]; then echo "$d: images=$(ls $d/images | wc -l) labels=$(ls $d/labels | wc -l)" fi done如果 images 和 labels 的文件数量完全相等，说明基本没有漏标；数量不相等就要立即排查，一定是某些图漏了 txt 或者多了孤立标签。再补一条空文件检查：
find . -name "*.txt" -size 0 | wc -l空 txt 文件在某些老旧训练脚本里会被忽略，在 Ultralytics YOLO 的 Dataset 类里则会被当作负样本正常处理，这里只统计数量。注意空标签本身不一定是错误，路面上没有车的图像在车辆计数任务里同样有价值，关键是你心里有数。
2.2 用嗅探命令识别标签是 YOLO txt 还是 VOC xml
压缩包里的标签到底长什么样，不能靠猜。先抽样看一个标注文件的内容：
ls labels/train | head -5 head -3 labels/train/00001.txt如果每一行都是五个字段，形如0 0.4867 0.3547 0.1324 0.1872，第一列是类别 ID，后面四列是归一化中心坐标和宽高，那这就是 YOLO 训练脚本可以直接读取的 txt 格式。如果目录里全是.xml文件，说明标签是 VOC 格式，需要走坐标转换。还有少数数据集会以 COCO 的annotations.json形式组织，这种要先判断结构，我在下一章统一给转换方案。
嗅探时眼睛要仔细，重点看几件事：一，五个字段是否都以空格分隔而不是逗号；二，坐标值是否都在 0 到 1 之间，如果出现大于 1 的数值，说明这个标签没有做归一化，训练前必须先处理，否则 YOLO 的框会飞出图像边界；三，同一个小目标文件里的多个标注是否都是同一类别，如果第一列全是 0，基本可以确认这份标注把汽车单独排在了第一位，后续映射时别配错。
2.3 按类别统计样本：tractor类是最大隐患
车辆计数数据集的核心价值在于类别分布，但分布不均也是最大的坑。写一个十几行的小脚本，统计每个类别在标签里出现的总次数：
import glob from collections import Counter cnt = Counter() for f in glob.glob("labels/**/*.txt", recursive=True): for line in open(f, encoding="utf-8"): parts = line.strip().split() if len(parts) >= 1: cnt[int(parts[0])] += 1 print("class_id count") for c, n in sorted(cnt.items()): print(c, n)如果你解压后看到的是 YOLO txt，第一列就是类别 ID，把 ID 对应到classes.txt或其他类别文件里去看名字。城市道路场景下大概率出现的情况是：car 数量最多，truck 和 bus 中等，bicycle 和 tractor 偏少。尤其拖拉机在市区采集的素材里可能只有几十个实例，这种数量级在训练时会被模型当作罕见类，最终表现在混淆矩阵里就是 tractor 那一行几乎全是漏检。
类别统计结论直接影响后续操作：如果某个类少于 50 个实例，要么给它做过采样，要么把这类合并到相近类，比如 tractor 并入 truck，然后重新定义类别映射。反过来，如果你的业务只关心机动车数量，bicycle 可以直接作为背景类忽略，在转换标签时过滤掉就行，不需要硬训练一个自己用不上的类。
3. 把标注统一成 YOLO 坐标格式：转换脚本和类别映射套路
3.1 类别映射表怎么定：五类车辆如何重排 ID
无论压缩包自带的是 VOC xml 还是已成型的 YOLO txt，都建议先明确你自己的业务类别映射。一个常见做法是把五类车辆按表重排，让 ID 更贴合模型输出的使用习惯：
| 原标签名 | 目标 YOLO 类别 ID | 说明 |
|---|---|---|
| car | 0 | 最常出现，放前面有利于模型先拟合主要类别 |
| truck | 1 | 卡车，注意与bus的口径统一 |
| bus | 2 | 公交车 |
| bicycle | 3 | 自行车，样本少时考虑过滤 |
| tractor | 4 | 拖拉机，样本极少时并入truck |
这张表的价值在于：当模型推理结果直接在业务系统里使用时，0往往被默认当作第一个类别，把 car 放在 0 位能减少很多后续硬编码写错索引的尴尬。如果你的部署环境和这份映射不一致，改表比改代码更安全，后面所有脚本都以这张表为唯一真源。
3.2 从 VOC xml 转到 YOLO txt 的转换脚本
如果嗅探时发现标注是 XML，需要写一个转换脚本，核心工作是解析object节点里的bndbox，再把绝对像素坐标归一化到 0 到 1 区间：
import os import xml.etree.ElementTree as ET # 源XML中的类别名 -> 目标YOLO类别ID CLASS_MAP = { "car": 0, "truck": 1, "bus": 2, "bicycle": 3, "tractor": 4, } def convert_xml_to_yolo(xml_path, out_dir): tree = ET.parse(xml_path) root = tree.getroot() size = root.find("size") img_w = int(size.find("width").text) img_h = int(size.find("height").text) lines = [] for obj in root.iter("object"): name = obj.find("name").text if name not in CLASS_MAP: continue cls_id = CLASS_MAP[name] box = obj.find("bndbox") xmin = float(box.find("xmin").text) ymin = float(box.find("ymin").text) xmax = float(box.find("xmax").text) ymax = float(box.find("ymax").text) # YOLO需要的其实是中心点和宽高，不是角点 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"{cls_id} {x_center:.6f} {y_center:.6f} {w:.6f} {h:.6f}") out_name = os.path.splitext(os.path.basename(xml_path))[0] + ".txt" with open(os.path.join(out_dir, out_name), "w", encoding="utf-8") as f: f.write("\n".join(lines)) # 示例调用 convert_xml_to_yolo("annotations/00001.xml", "labels/train")这段脚本最关键的是归一化用的分母必须来自对应图像的宽高，不能从别的图像复制。如果 XML 里的size节点和真实图像尺寸不一致，转换出的坐标就会错位。另一个细节是x_center、y_center保留 6 位小数就足够，太多小数只会让 txt 文件变大，对精度提升没有实际意义。
3.3 已经是 YOLO txt 时只需要重映射类别 ID
很多车辆计数数据包在发布时已经转成了 YOLO txt，这时候不要重新走坐标转换，你只需要做类别重映射。举个常见例子：压缩包里自带的classes.txt可能是truck、car、bus、bicycle、tractor，而你的模型要求car排在 0，这时写一个小脚本把第一列替换掉：
import os # 旧类别ID -> 新类别ID，例如旧的0号truck映射到新类别1 OLD_TO_NEW = {0: 1, 1: 0, 2: 2, 3: 3, 4: 4} def remap_label_file(src_dir, dst_dir): os.makedirs(dst_dir, exist_ok=True) for fname in os.listdir(src_dir): if not fname.endswith(".txt"): continue with open(os.path.join(src_dir, fname), encoding="utf-8") as f: lines = f.readlines() new_lines = [] for line in lines: parts = line.strip().split() if len(parts) != 5: continue # 过滤非法行，尽量避免脏数据污染训练集 cls, cx, cy, bw, bh = parts old_cls = int(cls) if old_cls not in OLD_TO_NEW: continue # 不在映射表里的类别直接丢弃 new_lines.append(f"{OLD_TO_NEW[old_cls]} {cx} {cy} {bw} {bh}") with open(os.path.join(dst_dir, fname), "w", encoding="utf-8") as f: f.write("\n".join(new_lines)) remap_label_file("origin_labels/train", "labels/train")Category remap只动第一个字段，后面四个坐标值原样保留。因为YOLO txt里坐标已经归一化，重映射不会改变框的位置，风险比坐标转换低得多。容易踩坑的是映射表写反，举个例子，如果你把0->1和1->0两个规则写在一个 dictionary 里，Python 的 dict 不会按顺序覆盖目标值，但最终结果等价于交换，这一点只要在输出后抽检一个文件即可。
3.4 按 85:15 划分训练与验证集
如果压缩包没有自带划分，或者自带划分里验证集和训练集场景重叠严重，建议自己重新划分。这里我用固定随机种子，确保后续多次实验可以复现：
import os import random import shutil IMAGES_DIR = "images/all" LABELS_DIR = "labels/all" TRAIN_RATIO = 0.85 imgs = [f for f in os.listdir(IMAGES_DIR) if f.lower().endswith((".jpg", ".jpeg", ".png"))] random.Random(42).shuffle(imgs) split = int(len(imgs) * TRAIN_RATIO) train_imgs = imgs[:split] val_imgs = imgs[split:] for phase, img_list in [("train", train_imgs), ("valid", val_imgs)]: os.makedirs(f"images/{phase}", exist_ok=True) os.makedirs(f"labels/{phase}", exist_ok=True) for name in img_list: src_img = os.path.join(IMAGES_DIR, name) src_lab = os.path.join(LABELS_DIR, os.path.splitext(name)[0] + ".txt") shutil.copy(src_img, f"images/{phase}/{name}") if os.path.exists(src_lab): shutil.copy(src_lab, f"labels/{phase}/{os.path.basename(src_lab)}") # 没有标签的图在目标是纯检测时建议丢弃，否则会作为负样本random.Random(42)里的42是固定种子，换一台机器跑结果也是同一份划分。85:15 是车辆检测里的常见比值，3870 张图按这个比例训练集约 3290 张、验证集约 580 张，够用。如果后续发现验证集的 mAP 波动大，可以把 ratio 改成 90:10 重跑一次。
4. 用这份数据训练 YOLO 做车辆计数检测：命令和调参
4.1 YOLOv5 还是 YOLOv8，显存和数据量决定选择
车辆计数数据集规模不算大，3870 张图属于中小型数据集，这个量级不需要上大模型。YOLOv8 是当前更省心的选择，因为它的 CLI 封装了训练、验证、导出，还内置了跟踪功能，正好和车辆计数的目标贴合。YOLOv5 的价值在于生态成熟、资料多、对旧显卡支持更好，但它的 API 设计和后续版本相比稍显繁琐。这里给一个简单的选型表：
| 对比项 | YOLOv5 | YOLOv8 |
|---|---|---|
| 最小可用显存 | 4GB 可跑 v5s | 4GB 可跑 v8n |
| 跟踪支持 | 需要单独接 ByteTrack | 内置 track 模式 |
| 训练命令复杂度 | 较高 | 较低 |
| 自定义数据格式 | 同样吃 YOLO txt | 同样吃 YOLO txt |
我的建议是：如果你的部署环境是 Jetson 之类的小设备，YOLOv8n 或 YOLOv5s 都行；如果要做视频车辆计数，直接选 YOLOv8，后面省的代码量不是一个量级。预训练模型权重从这里的主要考虑点出发去处理，选择yolov8s.pt作为起点，它比yolov8n.pt精度高，但显存占用依旧在 6GB 范围内。
4.2 写 data.yaml 并指定预训练模型权重
YOLO 训练前要准备一个数据配置文件，路径可以用相对路径也可以写绝对路径，我建议在项目根目录建car_count.yaml：
# 训练集和验证集的图片目录路径 train: ./data/car_count/images/train val: ./data/car_count/images/valid # 类别数量与类别名，顺序必须和标签txt里的ID一致 nc: 5 names: 0: car 1: truck 2: bus 3: bicycle 4: tractor注意train和val指向的是 images 目录而不是 labels 目录，YOLO 会自动在相同路径下找同名 txt 标签文件。如果标签还存放在labels/train，不要写在 yaml 里，程序会按图片同级目录的约定查找，这是新手最容易配错的地方。nc必须和 labels 里的类别 ID 最大值加一相等，否则训练脚本会在数据加载阶段直接报错。
指定预训练模型有两条路：用model=yolov8s.pt表示加载 COCO 预训练权重后迁移学习，适合数据量不大、和 COCO 类别有重叠的场景；用model=yolov8s.yaml表示完全从头训练，没有任何先验知识。3870 张图和 COCO 里的车辆类别有一定重合，选yolov8s.pt可以让收敛速度明显加快，我一般不会碰从头训练的选项，除非你确认迁移带来的类别偏好影响很严重。
4.3 训练命令里必调的三个参数：imgsz、batch 和 patience
核心训练命令其实很短：
yolo task=detect mode=train \ model=yolov8s.pt \ data=car_count.yaml \ epochs=50 \ imgsz=640 \ batch=8 \ device=0 \ patience=15 \ plots=True逐项说明关键点。imgsz=640是训练时缩放的图像尺寸，车辆计数数据集的原始图像往往在 1080p 以上，但训练时没有必要保留原分辨率，640 是精度和显存的平衡点；如果你的显卡是 8GB 以下，降到 512 也能跑，代价是远处小目标的检出率下降。batch=8是最保守的起步值，8GB 显存通常能跑到 16，先把 8 跑通再往上调。patience=15表示验证集 mAP 连续 15 个 epoch 不提升就提前停止，防止过拟合。
还有两个容易忽略的点。plots=True会输出混淆矩阵和训练曲线，这些图在跑完后直接决定你是否要调整数据，后面排查时会反复用。Ultralytics 默认开启了 mosaic 数据增强，它在车辆计数场景下对小目标是有利的，但如果发现训练后期 loss 震荡，可以加mosaic=0.5降低增强概率实验。关于epochs，50 轮对这个数据量足够了，再多容易让模型记住验证集的背景，而不是真正学会检测车辆。
4.4 用验证集看 confusion matrix 再决定是否回炉
训练结束后先别急着接视频做计数，跑一遍验证和推理，确认模型的检测能力符合预期：
yolo task=detect mode=val model=runs/detect/train/weights/best.pt data=car_count.yamlyolo task=detect mode=predict model=runs/detect/train/weights/best.pt \ source=./test_imgs \ conf=0.3 \ save_txt=True \ save_conf=True验证命令会输出每个类别的 precision、recall 和 mAP50。这里的 mAP50 对车辆计数任务来说比 mAP50-95 更有参考意义，因为计数场景不要求框和真实框完全重合，只需要中心位置稳定。推理命令里的conf=0.3是置信度阈值，计数场景建议别低于 0.25，否则会把路牌、树影都算成车。打开runs/detect/train/confusion_matrix.png，重点看两件事：一是 tractor 这一行的召回率是否出现断层，二是 car 和 truck 之间是否大量互串。出现问题时不要急着调超参数，大概率是数据层面的问题，回到第 5 章的排查清单去核对。
5. 3870 张车辆数据集避坑：五条翻车记录和排查思路
5.1 归一化坐标越界：训练 loss 下不去
现象：训练前几个 epoch 的 box_loss 下降正常，到了第十几个 epoch 开始剧烈振荡，loss 曲线像锯齿。打开验证集的预测结果看，框的位置明显不对，而不是差一点。
原因：标签里的归一化坐标出现了小于 0 或大于 1 的数值。这种现象通常在 VOC 转 YOLO 时发生，XML 里某个xmax大于了图像宽度，转换脚本又没有做截断，于是中心点坐标跑出了图像。
解决：写一个扫描脚本，检查所有标签的坐标是否在合法区间内。最省事的做法是在转换函数里对最终值做一次 clamp，但如果是已经生成的 txt，就直接扫描并修正：
import glob for f in glob.glob("labels/**/*.txt", recursive=True): lines = open(f, encoding="utf-8").readlines() new_lines = [] for line in lines: parts = line.strip().split() if len(parts) == 5: _, cx, cy, bw, bh = parts cx = max(0.0, min(1.0, float(cx))) cy = max(0.0, min(1.0, float(cy))) new_lines.append(f"{parts[0]} {cx:.6f} {cy:.6f} {bw} {bh}") if new_lines != lines: open(f, "w", encoding="utf-8").writelines(new_lines)5.2 tractor 类过少：召回率几乎为零
现象：训练完成后，precision 整体还行，但混淆矩阵里 tractor 那行的召回率接近 0，也就是说模型几乎不把任何框分到拖拉机这个类。
原因：类别不平衡。城市道路数据里拖拉机出现的场景太少，可能整份数据集只有几十个实例，模型学到的主要是汽车和卡车特征。
解决：先回到 2.3 的统计结果确认数量。如果确实低于 50，有两个方案可选。方案一是过采样，把包含拖拉机目标的标签文件复制几份混进训练集，让模型在每个 epoch 多看到几次；方案二更实际，把 tractor 并入 truck，因为工程上拖车的形状和卡车高度接近，合并后等于增加了一个更难分但样本更多的类。
5.3 连续帧近似重复：验证集 mAP 虚高
现象：训练集 mAP50 和验证集 mAP50 都很高，比如 0.96 对 0.94，但把模型接到真实监控视频里，检测结果却抖得厉害，同一辆车一会儿识别成 car、一会儿识别成 truck。
原因：数据包里很可能包含从同一段连续视频抽取出来的帧，相邻帧画面高度相似。如果这些连续帧同时出现在训练集和验证集，验证集就失去了独立性，mAP 高是假的。
解决：对图片做 perceptual hash 去重，按相似度把重复帧归到同一个集合，再按集合划分训练验证集。我这里用的实用做法是先跑一个轻量脚本查相似度，再用 3.4 的划分脚本按视频片段维度拆分，而不是按单张图随机拆。影响最大的其实是车辆计数的最终效果，如果检测器只记住了某个路口的固定背景，换一个路口就会原形毕露。
5.4 卡车和公交车互相误判：标注口径不一致
现象：混淆矩阵里 car 和 truck 边界尚可，但 truck 和 bus 互相串得很厉害，误判的方向大多是 truck 被算成 bus。
原因：标注人员对“带箱货车”和“公交车”的边界理解不一致。一部分标注把车身长、侧面带窗的车标成 bus，另一部分把相同外观的标成 truck。这类数据问题靠调模型解决不了，只能靠统一数据口径。
解决：查看数据里的图片样本，挑出被标注为 bus 但实际是封闭厢式卡车的样本，统一规则：以乘坐用途为 bus，以货运用途为 truck，车身造型次要。如果压缩包里的标签无法轻易追溯修改，就放弃精确区分，在业务计数里把这两类合并成“大型机动车”来输出，规避标注噪声。
5.5 YOLO 版本问题：AttributeError 或 OSError 的排查路径
现象：运行yolo train直接报AttributeError: module 'ultralytics' has no attribute 'detect'，或者在加载数据时报OSError: [Errno 22] Invalid argument，训练中断。
原因：大概率是 Python 环境里的 ultralytics 版本和缓存不匹配，或者项目路径里有中文和空格。压缩包的目录名本身就有多个中文字符，如果直接解压到路径含中文的项目根目录，Windows 环境下经常触发文件路径解析问题。
解决：先锁版本再跑训练，不要用最新的 dev 版：
python -m venv yolo_env source yolo_env/bin/activate pip install ultralytics==8.2.0务必把整个项目复制到纯英文路径下，例如/home/yourname/car_count_project/。这个坑足够隐蔽，因为训练脚本本身不涉及中文，但标签读取时 PIL 和 numpy 在 Windows 下对路径编码的处理会让某些图像无法加载。这里没有捷径可走，路径规范和版本锁定是唯一靠谱的后悔药。
6. 从框检测到路口计数：接跟踪器加虚拟计数线
6.1 用 YOLO 的 track 模式对视频持续计数
搞定了检测器，车辆计数才算真正开始。单帧检测直接数框数会出现严重的重复计数，同一辆车在 30 帧视频里被数 30 次。常见做法是接一个跟踪器，给每个目标分配唯一 track_id，再按 track_id 去重。YOLOv8 的 CLI 已经内置了跟踪能力，起一条命令就能看到持续稳定的轨迹：
yolo track model=runs/detect/train/weights/best.pt source=traffic.mp4 \ imgsz=640 conf=0.3 persist=True \ tracker=bytetrack.yaml \ line_width=2这段命令的关键在persist=True，它告诉模型在相邻帧之间保留跟踪状态，否则每帧都是全新的检测结果，和没接跟踪器没有区别。tracker=bytetrack.yaml指定跟踪算法，ByteTrack 对低置信度框的处理更好，在车辆遮挡场景下比单纯用 IoU 的 SORT 稳。
6.2 用一条水平线统计双向车道车流
接着把 track_id 和车辆中心点的位置变化组合起来，就能实现真正的断面计数。假设我要统计视频画面中一条水平线上下穿过的车辆数，逻辑非常直接：
def update_count(track_id, prev_pt, cur_pt, line_y, counter): # prev_pt 和 cur_pt 分别是上一帧和当前帧的车辆中心点坐标 if prev_pt[1] < line_y <= cur_pt[1]: counter[track_id] = ("down", True) # 从上往下穿过 elif prev_pt[1] > line_y >= cur_pt[1]: counter[track_id] = ("up", True) # 从下往上穿过 # 遍历每一帧跟踪结果时调用 update_count判断穿过线的核心是“上一帧在线一侧、当前帧在线另一侧”，单纯看当前帧的位置无法区分方向。counter 里保存每个 track_id 的穿过状态，就避免了同一辆车在一条线上来回抖动时被重复计数。这里的line_y要选在画面中车辆轮廓清晰、遮挡较少的位置，不要贴着画面边缘放。
我现在的习惯是拿到任何新的车辆检测数据，先不看论文不看榜单，直接训练一个 10 轮左右的影子模型跑混淆矩阵，把所有类别串扰和数据异常都暴露出来再去处理。第 5 章那些坑基本都是在影子模型阶段发现的，省下的时间远比训练本身多。希望帮到你。
本文还有配套的精品资源，点击获取
