簡介本資源為面向目標(biāo)檢測初學(xué)者與算法工程師的真實道路車輛檢測數(shù)據(jù)集聚焦YOLO系列模型訓(xùn)練場景可解決車輛目標(biāo)檢測任務(wù)中數(shù)據(jù)獲取難、標(biāo)注格式不統(tǒng)一的問題。壓縮包共2000個文件約115.18MB包含1000張真實道路場景圖片以及對應(yīng)的VOCxml、COCOjson和YOLOtxt三種格式標(biāo)簽分別存放于不同文件夾可直接用于YOLO系列訓(xùn)練另附數(shù)據(jù)集劃分腳本、YOLO環(huán)境搭建與訓(xùn)練教程等py、html、yaml文件方便按需劃分訓(xùn)練集、驗證集與測試集。目前已有491人學(xué)習(xí)下載。讀者可獲得一套開箱即用的車輛檢測數(shù)據(jù)與配套工具快速完成環(huán)境配置、數(shù)據(jù)劃分與模型訓(xùn)練并通過教程掌握Windows與Linux下的實操流程適合課程設(shè)計、畢業(yè)設(shè)計及入門級檢測項目使用。1. 真實道路車輛檢測數(shù)據(jù)集1000 張圖、三套標(biāo)簽、一條能跑通的訓(xùn)練鏈路手上有一批真實道路場景的行車圖片想拿來訓(xùn)練 YOLO 做車輛檢測最卡人的從來不是模型結(jié)構(gòu)而是數(shù)據(jù)這一環(huán)圖片從哪來、框怎么標(biāo)、VOC 和 COCO 的 XML/JSON 怎么轉(zhuǎn)成 YOLO 的 txt、訓(xùn)練集驗證集怎么切、切完類別對不對得上。這套「1000 張真實道路車輛圖片 VOC/COCO/YOLO 三種格式標(biāo)簽 劃分腳本 訓(xùn)練教程」的組合解決的正是這條從原始圖到可訓(xùn)練數(shù)據(jù)集的完整鏈路。它適合兩類人一類是剛接觸 YOLO 目標(biāo)檢測、想拿一份現(xiàn)成數(shù)據(jù)把yolov8訓(xùn)練自己的數(shù)據(jù)集流程跑通的新手另一類是手里有自采道路圖、需要一套可靠的格式轉(zhuǎn)換與劃分腳本做模板的工程師。下面按「數(shù)據(jù)長什么樣 → 三種格式怎么互轉(zhuǎn) → 劃分腳本怎么寫 → 訓(xùn)練怎么配 → 坑在哪」的順序講透。2. 先看清數(shù)據(jù)1000 張真實道路圖與三種標(biāo)簽格式的對應(yīng)關(guān)系拿到一個壓縮包第一件事不是急著解壓訓(xùn)練而是把目錄結(jié)構(gòu)和標(biāo)簽格式摸清楚。真實道路車輛檢測的數(shù)據(jù)組織方式直接決定了后面轉(zhuǎn)換腳本和訓(xùn)練配置怎么寫。這一章先把「數(shù)據(jù)是什么」講明白再講「為什么同一批標(biāo)注要存三種格式」。2.1 目錄結(jié)構(gòu)與文件命名約定常見做法是把圖片和標(biāo)簽分開放圖片統(tǒng)一放images/標(biāo)簽按格式分目錄。一個能直接對接 YOLO 訓(xùn)練的典型結(jié)構(gòu)是這樣road_vehicle_dataset/ ├── images/ # 1000 張真實道路圖片jpg 為主 │ ├── 000001.jpg │ └── ... ├── annotations_voc/ # VOC 格式每張圖一個同名 xml │ ├── 000001.xml │ └── ... ├── annotations_coco/ # COCO 格式整份一個 json │ └── instances.json ├── labels_yolo/ # YOLO 格式每張圖一個同名 txt │ ├── 000001.txt │ └── ... ├── split_dataset.py # 劃分腳本 └── train_yolo.py # 訓(xùn)練入口命名上最關(guān)鍵的一條圖片名、VOC 的 xml 名、YOLO 的 txt 名必須嚴(yán)格同名只差擴展名。很多轉(zhuǎn)換腳本翻車就是因為圖片叫000001.jpg標(biāo)簽卻叫1.xml腳本按 stem 匹配時直接對不上最后訓(xùn)練時一堆圖沒有標(biāo)簽?zāi)Ｐ蛯W(xué)了個寂寞。VOC 的 xml 里車輛框存在object節(jié)點下包含name類別名、bndbox里的xmin/ymin/xmax/ymax左上右下像素坐標(biāo)。COCO 的 json 里框是[x, y, width, height]的絕對像素值類別通過categories數(shù)組的 id 映射。YOLO 的 txt 每行是class_id cx cy w h全部歸一化到 0~1。這三種格式的坐標(biāo)語義完全不同轉(zhuǎn)換時最容易錯的就是「絕對像素」和「歸一化」的混用。2.2 為什么同一批標(biāo)注要同時保留 VOC、COCO、YOLO有人會問既然要訓(xùn) YOLO直接留 YOLO 格式不就行了為什么還要 VOC 和 COCO血淚經(jīng)驗是——格式?jīng)Q定了你以后能復(fù)用什么。VOC 格式是很多經(jīng)典檢測框架和標(biāo)注工具LabelImg 默認(rèn)就導(dǎo)出 VOC的通用交換格式標(biāo)注階段產(chǎn)出的往往就是 xml。COCO 格式則是另一大批模型和評測腳本的入口coco2017數(shù)據(jù)集結(jié)構(gòu)那套images/annotations/categories三段式被廣泛沿用很多預(yù)訓(xùn)練權(quán)重和評估工具只認(rèn) COCO json。YOLO 格式是訓(xùn)練時真正喂給 dataloader 的。所以合理的工作流是標(biāo)注產(chǎn)出 VOC → VOC 作為中間母格式 → 轉(zhuǎn) COCO 供評估/復(fù)用 → 轉(zhuǎn) YOLO 供訓(xùn)練。三種格式同時保留等于給自己留了后悔藥換框架、換評估指標(biāo)、換預(yù)訓(xùn)練模型時不用重新標(biāo)一遍。1000 張圖的標(biāo)注成本不低格式齊全比省那點磁盤空間重要得多。2.3 類別體系與車輛檢測的常見類別劃分真實道路車輛檢測的類別劃分直接決定class_id的映射。常見做法有兩種粒度粒度典型類別適用場景粗粒度vehicle所有車一類只做有無車輛、計數(shù)、簡單避障細(xì)粒度car / bus / truck / motorcycle / bicycle需要區(qū)分車型的交通分析粗粒度標(biāo)注快、類別少、訓(xùn)練容易收斂適合 1000 張這種中小規(guī)模數(shù)據(jù)。細(xì)粒度對標(biāo)注質(zhì)量要求高1000 張里如果某些類別樣本只有幾十個很容易出現(xiàn)類別不平衡訓(xùn)練時小類別幾乎學(xué)不到。我的建議是先按粗粒度跑通全流程確認(rèn) mAP 正常后再考慮細(xì)分。類別映射必須三處一致VOC 的name、COCO 的categories、YOLO 的class_id。常見翻車是 VOC 里寫的是中文「轎車」COCO 里映射成carYOLO 里 class_id 又是 0三處對不上評估時混淆矩陣全亂。定好一份classes.txt所有轉(zhuǎn)換腳本都讀它是唯一穩(wěn)妥的做法car bus truck motorcycle bicycle行號即 class_id從 0 開始。這份文件是整條鏈路的「單一事實來源」改類別只改這里。3. 三種格式互轉(zhuǎn)VOC 轉(zhuǎn) YOLO、VOC 轉(zhuǎn) COCO 的腳本與參數(shù)格式轉(zhuǎn)換是這套數(shù)據(jù)集里最容易出 bug 的環(huán)節(jié)因為坐標(biāo)語義、坐標(biāo)系原點、歸一化基準(zhǔn)三處都可能出錯。這一章給出可直接抄的轉(zhuǎn)換腳本并逐段說明參數(shù)含義。3.1 VOC 轉(zhuǎn) YOLO歸一化坐標(biāo)與 class_id 映射VOC 的框是絕對像素xmin/ymin/xmax/ymaxYOLO 要的是歸一化的中心點加寬高。轉(zhuǎn)換公式是cx (xmin xmax) / 2 / img_w cy (ymin ymax) / 2 / img_h w (xmax - xmin) / img_w h (ymax - ymin) / img_h對應(yīng)腳本import os import xml.etree.ElementTree as ET from PIL import Image CLASSES [car, bus, truck, motorcycle, bicycle] CLASS_TO_ID {c: i for i, c in enumerate(CLASSES)} def voc_to_yolo(xml_dir, img_dir, out_dir): os.makedirs(out_dir, exist_okTrue) for xml_file in os.listdir(xml_dir): if not xml_file.endswith(.xml): continue stem os.path.splitext(xml_file)[0] img_path os.path.join(img_dir, stem .jpg) # 用真實圖片尺寸做歸一化基準(zhǔn)不能用 xml 里的 size 盲信 img_w, img_h Image.open(img_path).size tree ET.parse(os.path.join(xml_dir, xml_file)) root tree.getroot() lines [] for obj in root.findall(object): name obj.find(name).text.strip() if name not in CLASS_TO_ID: continue # 未定義類別直接跳過避免 class_id 越界 bnd obj.find(bndbox) xmin float(bnd.find(xmin).text) ymin float(bnd.find(ymin).text) xmax float(bnd.find(xmax).text) ymax float(bnd.find(ymax).text) # 裁剪到圖像邊界防止標(biāo)注越界導(dǎo)致歸一化后 1 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)) cx (xmin xmax) / 2 / img_w cy (ymin ymax) / 2 / img_h w (xmax - xmin) / img_w h (ymax - ymin) / img_h lines.append(f{CLASS_TO_ID[name]} {cx:.6f} {cy:.6f} {w:.6f} {h:.6f}) with open(os.path.join(out_dir, stem .txt), w) as f: f.write(\n.join(lines))邏輯說明CLASS_TO_ID保證類別順序和classes.txt一致歸一化基準(zhǔn)用PIL讀真實圖片尺寸而不是 xml 里size節(jié)點——標(biāo)注工具的 size 字段經(jīng)常和實際圖片對不上這是隱蔽的坑。坐標(biāo)裁剪到邊界是為了防止個別越界標(biāo)注讓歸一化值超過 1YOLO 訓(xùn)練時遇到 1 的框會直接報錯或靜默丟棄。參數(shù)說明xml_dir、img_dir、out_dir三個路徑按實際目錄傳CLASSES必須和classes.txt完全一致順序不能變否則 class_id 全錯位。3.2 VOC 轉(zhuǎn) COCOjson 結(jié)構(gòu)與 categories 映射COCO 格式是一份大 json包含images、annotations、categories三個核心數(shù)組。轉(zhuǎn)換時最容易錯的是id的唯一性和category_id的起始值——COCO 官方約定category_id從 1 開始0 通常留給背景而 YOLO 從 0 開始兩者不能混。import os import json import xml.etree.ElementTree as ET from PIL import Image CLASSES [car, bus, truck, motorcycle, bicycle] def voc_to_coco(xml_dir, img_dir, out_json): coco {images: [], annotations: [], categories: []} # COCO 約定 category_id 從 1 開始 for i, name in enumerate(CLASSES, start1): coco[categories].append({id: i, name: name, supercategory: vehicle}) ann_id 1 img_id 1 for xml_file in sorted(os.listdir(xml_dir)): if not xml_file.endswith(.xml): continue stem os.path.splitext(xml_file)[0] img_path os.path.join(img_dir, stem .jpg) img_w, img_h Image.open(img_path).size coco[images].append({ id: img_id, file_name: stem .jpg, width: img_w, height: img_h }) root ET.parse(os.path.join(xml_dir, xml_file)).getroot() for obj in root.findall(object): name obj.find(name).text.strip() if name not in CLASSES: continue bnd obj.find(bndbox) xmin float(bnd.find(xmin).text) ymin float(bnd.find(ymin).text) xmax float(bnd.find(xmax).text) ymax float(bnd.find(ymax).text) w xmax - xmin h ymax - ymin if w 0 or h 0: continue # 丟棄退化框 coco[annotations].append({ id: ann_id, image_id: img_id, category_id: CLASSES.index(name) 1, bbox: [xmin, ymin, w, h], # COCO 是 [x,y,w,h] 絕對像素 area: w * h, iscrowd: 0 }) ann_id 1 img_id 1 with open(out_json, w) as f: json.dump(coco, f)邏輯說明bbox用[x, y, w, h]絕對像素和 YOLO 的歸一化中心點格式完全不同別混。area字段是 COCO 評估腳本要用的必須填。iscrowd標(biāo) 0 表示普通實例。category_id用CLASSES.index(name) 1保證從 1 開始且和categories對應(yīng)。參數(shù)說明out_json輸出單文件img_id和ann_id必須全局唯一且遞增重復(fù) id 會讓評估腳本讀取出錯。3.3 轉(zhuǎn)換后的自檢三行命令驗證標(biāo)簽一致性轉(zhuǎn)完不要直接開訓(xùn)先做一致性自檢。下面三行能擋掉大部分低級錯誤# 1. 圖片數(shù)和標(biāo)簽數(shù)是否一致 ls images/ | wc -l ls labels_yolo/ | wc -l # 2. 有沒有空標(biāo)簽文件空文件說明該圖沒框或轉(zhuǎn)換失敗 find labels_yolo/ -name *.txt -empty | head # 3. 抽查一行確認(rèn) class_id 在合法范圍、坐標(biāo)都在 0~1 head -n 3 labels_yolo/000001.txt第一行數(shù)量對不上說明有圖沒標(biāo)簽或有標(biāo)簽沒圖訓(xùn)練時 dataloader 會報錯或靜默跳過。第二行空標(biāo)簽要區(qū)分是「圖里真沒車」還是「轉(zhuǎn)換失敗」——前者可以留后者必須查。第三行看坐標(biāo)是否都在 0~1出現(xiàn)大于 1 或負(fù)數(shù)回去查 3.1 里的邊界裁剪。這三步花不了一分鐘能省掉后面幾小時的排查。4. 劃分腳本訓(xùn)練集/驗證集切分與類別分布檢查數(shù)據(jù)集劃分看著簡單實際是訓(xùn)練翻車的重災(zāi)區(qū)。隨機切分如果沒控制類別分布驗證集里可能某個類別一個樣本都沒有訓(xùn)練日志里那個類別的 mAP 直接是 0你還以為是模型不行。4.1 按 8:2 切分并保證類別覆蓋常見做法是 8:2 或 7:3 切分。關(guān)鍵是切分后要檢查每個類別在訓(xùn)練集和驗證集里都有足夠樣本。下面腳本先按圖片切分再統(tǒng)計類別分布import os import random import shutil from collections import Counter def split_dataset(img_dir, label_dir, out_root, val_ratio0.2, seed42): random.seed(seed) # 固定種子保證可復(fù)現(xiàn) stems [os.path.splitext(f)[0] for f in os.listdir(img_dir) if f.lower().endswith((.jpg, .png, .jpeg))] random.shuffle(stems) n_val int(len(stems) * val_ratio) val_stems set(stems[:n_val]) train_stems set(stems[n_val:]) for split, subset in [(train, train_stems), (val, val_stems)]: img_out os.path.join(out_root, images, split) lbl_out os.path.join(out_root, labels, split) os.makedirs(img_out, exist_okTrue) os.makedirs(lbl_out, exist_okTrue) for stem in subset: for ext in (.jpg, .png, .jpeg): src os.path.join(img_dir, stem ext) if os.path.exists(src): shutil.copy(src, os.path.join(img_out, stem ext)) break lbl_src os.path.join(label_dir, stem .txt) if os.path.exists(lbl_src): shutil.copy(lbl_src, os.path.join(lbl_out, stem .txt)) # 統(tǒng)計兩個 split 的類別分布 for split in (train, val): counter Counter() lbl_dir os.path.join(out_root, labels, split) for f in os.listdir(lbl_dir): with open(os.path.join(lbl_dir, f)) as fh: for line in fh: if line.strip(): counter[int(line.split()[0])] 1 print(split, dict(sorted(counter.items())))邏輯說明seed42固定隨機種子保證每次切分結(jié)果一致方便復(fù)現(xiàn)和對比實驗。先 shuffle 再切片避免按文件名順序切導(dǎo)致分布偏差比如按時間拍的圖前 800 張是白天、后 200 張是夜晚順序切會讓驗證集全是夜晚。最后打印兩個 split 的類別計數(shù)一眼看出有沒有類別缺失。參數(shù)說明val_ratio默認(rèn) 0.21000 張圖對應(yīng) 200 張驗證集夠評估用數(shù)據(jù)量更小時可以調(diào)到 0.3。seed換值會得到不同切分做交叉驗證時可以循環(huán)換 seed。4.2 類別不平衡時怎么處理打印出來的分布如果發(fā)現(xiàn)某個類別在驗證集里只有個位數(shù)或者訓(xùn)練集里某類占比不到 5%就要處理。三種常見做法一是分層切分按類別把樣本分組后再切保證每個類別在兩個 split 里比例接近。二是過采樣小類別訓(xùn)練時對小類別圖片重復(fù)采樣。三是調(diào)損失權(quán)重YOLO 訓(xùn)練配置里可以給不同類別加權(quán)但多數(shù)實現(xiàn)不直接暴露這個參數(shù)改起來麻煩。對 1000 張這種規(guī)模最實用的是分層切分。如果某類別總樣本就幾十個再怎么切驗證集也就十幾個這時候更該考慮的是合并類別——把樣本太少的細(xì)分類別并進粗類比硬訓(xùn)一個學(xué)不動的類別劃算。4.3 生成 YOLO 訓(xùn)練用的 data.yaml切分完要生成 YOLO 訓(xùn)練配置。以 Ultralytics 系 YOLO 為例data.yaml長這樣path: /abs/path/to/road_vehicle_dataset train: images/train val: images/val nc: 5 names: 0: car 1: bus 2: truck 3: motorcycle 4: bicyclepath用絕對路徑最穩(wěn)相對路徑在不同工作目錄下啟動訓(xùn)練時經(jīng)常找不到。train/val指向圖片目錄YOLO 會自動去找同級的labels/目錄把路徑里的images換成labels。nc是類別數(shù)必須和names長度一致寫錯會直接報維度不匹配。names的順序必須和classes.txt、轉(zhuǎn)換腳本里的CLASSES完全一致這是整條鏈路一致性的最后一環(huán)。5. 訓(xùn)練教程從環(huán)境配置到跑通第一個 epoch數(shù)據(jù)準(zhǔn)備好接下來是訓(xùn)練。這一章給出一條能跑通的最小訓(xùn)練鏈路重點講參數(shù)怎么設(shè)、日志怎么看。5.1 環(huán)境配置與依賴版本YOLO 訓(xùn)練環(huán)境的核心依賴是 PyTorch 和對應(yīng) CUDA。常見做法是用 conda 建獨立環(huán)境避免和系統(tǒng) Python 沖突conda create -n yolo python3.10 -y conda activate yolo # 按本機 CUDA 版本裝 PyTorch下面以 CUDA 11.8 為例 pip install torch torchvision --index-url https://download.pytorch.org/whl/cu118 pip install ultralytics opencv-python pillow pyyaml邏輯說明PyTorch 版本必須和 CUDA 驅(qū)動匹配裝錯會出現(xiàn)torch.cuda.is_available()返回 False訓(xùn)練自動掉到 CPU 上1000 張圖一個 epoch 能跑幾十分鐘。裝完先驗證python -c import torch; print(torch.__version__, torch.cuda.is_available())輸出里True才說明 GPU 可用。這一步別省我見過太多人訓(xùn)了半天發(fā)現(xiàn)用的是 CPU。5.2 訓(xùn)練命令與關(guān)鍵參數(shù)以 Ultralytics YOLO 為例最小訓(xùn)練命令yolo detect train \ data/abs/path/to/data.yaml \ modelyolov8n.pt \ epochs100 \ imgsz640 \ batch16 \ lr00.01 \ patience20 \ projectruns/train \ nameroad_vehicle參數(shù)說明model用預(yù)訓(xùn)練權(quán)重如yolov8n.pt比從零訓(xùn)收斂快得多小數(shù)據(jù)集強烈建議用預(yù)訓(xùn)練。epochs100對 1000 張圖通常夠配合patience20早停驗證指標(biāo) 20 輪不漲就停省時間。imgsz640是通用尺寸顯存不夠降到 416 或 320。batch16按顯存調(diào)8G 顯存跑 640 尺寸大概能到 16爆顯存就減半。lr00.01是初始學(xué)習(xí)率用預(yù)訓(xùn)練權(quán)重時這個值合適從零訓(xùn)可以調(diào)到 0.001。5.3 訓(xùn)練日志與指標(biāo)怎么看訓(xùn)練啟動后重點盯幾個指標(biāo)。box_loss和cls_loss應(yīng)該整體下降如果震蕩劇烈或發(fā)散多半是學(xué)習(xí)率太大或 batch 太小。mAP50是 IoU 閾值 0.5 下的平均精度車輛檢測這種目標(biāo)清晰的任務(wù)1000 張圖跑到 0.7 以上算正常。mAP50-95更嚴(yán)格通常比mAP50低 0.2 左右。如果mAP50一直上不去先別懷疑模型回去查數(shù)據(jù)標(biāo)簽是不是有大量空文件、類別是不是標(biāo)錯、驗證集是不是和訓(xùn)練集分布差太多。yolo混淆矩陣總合不唯一這類問題往往就是類別映射錯位或標(biāo)簽格式不對導(dǎo)致的根子在數(shù)據(jù)不在模型。訓(xùn)練完在runs/train/road_vehicle/weights/下會有best.pt和last.ptbest.pt是驗證指標(biāo)最好的權(quán)重推理用它。驗證一下yolo detect predict modelruns/train/road_vehicle/weights/best.pt \ source/abs/path/to/test_images saveTrue輸出圖會畫上檢測框肉眼掃一遍看有沒有系統(tǒng)性漏檢或誤檢比只看數(shù)字更直觀。6. 避坑與排查標(biāo)簽、劃分、訓(xùn)練里最容易翻車的五件事這一章全是踩過的坑每條按「現(xiàn)象 → 原因 → 解決」寫遇到問題直接對號入座。現(xiàn)象一訓(xùn)練啟動就報No labels found或大量圖片被跳過。原因圖片和標(biāo)簽不同名或標(biāo)簽?zāi)夸浗Y(jié)構(gòu)和data.yaml不匹配。YOLO 默認(rèn)按「圖片路徑里images換成labels、擴展名換成.txt」去找標(biāo)簽任何一環(huán)對不上就找不到。 解決跑 3.3 的自檢命令確認(rèn)圖片數(shù)和標(biāo)簽數(shù)一致、同名對應(yīng)。目錄結(jié)構(gòu)嚴(yán)格按images/train配labels/train。現(xiàn)象二訓(xùn)練不報錯但 mAP 一直是 0 或極低。原因class_id 越界或類別映射錯位。比如data.yaml里nc5但標(biāo)簽里出現(xiàn)了 class_id5 甚至更大YOLO 會忽略這些框或者 VOC 里類別名和classes.txt順序不一致class_id 全錯。 解決檢查classes.txt、轉(zhuǎn)換腳本CLASSES、data.yaml的names三處順序完全一致用awk {print $1} labels/*.txt | sort -u看 class_id 范圍是否在0 ~ nc-1?，F(xiàn)象三驗證集某個類別 mAP 為 0其他類別正常。原因該類別在驗證集里樣本太少甚至沒有隨機切分沒控制分布。 解決用 4.1 腳本打印類別分布確認(rèn)每個類別在 val 里都有樣本樣本實在太少的類別考慮合并或過采樣?，F(xiàn)象四訓(xùn)練中途 loss 變 NaN 或突然飆升。原因?qū)W習(xí)率過大、batch 太小導(dǎo)致梯度不穩(wěn)或標(biāo)簽里有退化框?qū)捀邽?0 或負(fù)。 解決降lr0到 0.001增大 batch轉(zhuǎn)換腳本里加if w 0 or h 0: continue過濾退化框3.2 已含?，F(xiàn)象五推理時框位置整體偏移或大小不對。原因訓(xùn)練和推理的imgsz不一致或轉(zhuǎn)換時歸一化基準(zhǔn)用錯用了 xml 里的 size 而非真實圖片尺寸。 解決訓(xùn)練和推理保持同一imgsz轉(zhuǎn)換時用PIL讀真實尺寸做歸一化別信 xml 的size。提示這五條里前兩條占了實際問題的七成以上遇到異常先查標(biāo)簽一致性和 class_id 范圍再懷疑模型和超參。7. 進階技巧用預(yù)訓(xùn)練權(quán)重和凍結(jié)策略把 1000 張小數(shù)據(jù)集榨出更高精度1000 張圖在目標(biāo)檢測里屬于小數(shù)據(jù)集從零訓(xùn)很難收斂到理想精度。真正拉開差距的是預(yù)訓(xùn)練權(quán)重的用法和訓(xùn)練策略的微調(diào)。我一般會分兩階段訓(xùn)先凍結(jié)主干只訓(xùn)檢測頭再解凍全網(wǎng)絡(luò)微調(diào)。第一階段凍結(jié)主干讓檢測頭先適配你的類別yolo detect train \ data/abs/path/to/data.yaml \ modelyolov8n.pt \ epochs30 \ freeze10 \ lr00.01 \ imgsz640 batch16freeze10表示凍結(jié)前 10 層主干部分只更新后面的檢測頭。這樣收斂快、不容易過擬合30 輪就能讓檢測頭初步適配車輛類別。第二階段解凍全網(wǎng)絡(luò)用小學(xué)習(xí)率微調(diào)yolo detect train \ data/abs/path/to/data.yaml \ modelruns/train/road_vehicle/weights/best.pt \ epochs100 \ lr00.001 \ imgsz640 batch16 patience20注意第二階段model指向第一階段產(chǎn)出的best.ptlr0降到 0.001避免大學(xué)習(xí)率把預(yù)訓(xùn)練學(xué)到的特征沖掉。這套兩階段策略在 1000 張量級上通常比直接訓(xùn)能高出幾個點 mAP。數(shù)據(jù)增強也是小數(shù)據(jù)集的救命稻草。YOLO 默認(rèn)開了 mosaic、HSV 抖動、隨機翻轉(zhuǎn)對道路場景夠用。如果發(fā)現(xiàn)模型對夜間或雨天泛化差可以針對性補充這類樣本而不是盲目加大增強強度——增強過頭反而讓模型學(xué)不到真實分布。驗證階段除了看 mAP建議把best.pt在幾十張沒參與訓(xùn)練的圖上跑一遍肉眼核對。數(shù)字好看但框飄的情況不少見尤其是小目標(biāo)和遮擋目標(biāo)。我自己的習(xí)慣是每次訓(xùn)完必抽 20 張圖看預(yù)測結(jié)果比盯日志更能發(fā)現(xiàn)問題。這套數(shù)據(jù)集和腳本的價值不在于省了標(biāo)注那點事而在于它把「格式轉(zhuǎn)換 → 劃分 → 訓(xùn)練 → 排查」這條鏈路完整串起來了你照著走一遍以后換任何自采數(shù)據(jù)都能復(fù)用這套流程。希望幫到你。本文還有配套的精品資源點擊獲取