简介：这是一套面向yolo系列算法的车辆检测与计数数据集，包含1304张带标注图像，覆盖汽车、摩托车、公共汽车、卡车四类目标，适合目标检测算法训练、验证与测试。压缩包内共2000个文件，其中1089个xml文件为voc格式标注，911个txt文件为yolo格式标注，两种标签分别存放，配合data.yaml配置文件可直接用于yolov5、yolov7、yolov8、yolov9、yolov10及yolo11等主流模型训练。数据集已预先划分好训练集和验证集，无需额外整理；yolo标注以归一化中心坐标和宽高表示，voc标注则便于在LabelImg等工具中查看修改，兼顾不同使用习惯。资源包整体大小仅44.02MB，体量精简但类别均衡，适合入门练习与快速迭代。目前已有88人学习下载，对需要车辆检测计数场景的开发者而言，是一份开箱即用的高质量数据基础。
1. 直接用现成车辆数据集训练 YOLO，比你自己打标快十倍
很多人拿到"yolo算法-车辆检测和计数数据集-1304张图像带标签-汽车-摩托车-公共汽车-卡车.zip"这种资源的第一反应是：图太少了，才1304张，能用？我直接说结论：能用，而且这类数据集在真实项目里出现的频率远比你想的高。1304张图对应的是四个固定类别（汽车、摩托车、公共汽车、卡车），类别跨度足够大但不算碎，作为交通流量统计、停车位管理、高速公路监控这类场景的起步模型，完全够用。真正让你翻车的往往不是图少，而是你没把数据校验、标签清洗、类不均衡这三件事做好就直接开训。
这套数据集的价值在于它把YOLO训练里最耗时的两个环节——图像采集和标注——替你做了。你拿到手的是已经整理好的图像和YOLO格式标签，剩下要做的就是把目录归位、写yaml配置、跑训练、调置信度和NMS参数，最后接一个带跟踪的计数逻辑。本文全程按YOLOv8的流程来讲，YOLOv5和v11在命令上基本一致，只有少量参数名差异，对照着改就能跑通。
2. 先拆数据集结构和标签格式：训练前必须做的一次性体检
2.1 四类目标的标签体系与YOLO格式校验
YOLO格式的标签不是Pascal VOC那种XML，也不是COCO那种JSON，而是每个图像对应一个同名txt文件。每一行对应一个目标框，格式是固定的五列：class_id x_center y_center width height。注意这里全部是归一化坐标，x_center和y_center用框中心点除以图像宽高，width和height用框宽高除以图像宽高，取值范围在0到1之间。一旦出现大于1的坐标，说明标注时图像尺寸和训练时不一致，典型翻车点。
我一般拿到数据集后的第一件事是写个快速校验脚本，检查标签文件和图片文件是否一一对应、有没有空标签、有没有坐标越界，而不是急着配环境。
import os from pathlib import Path img_dir = Path("images") label_dir = Path("labels") class_names = ["car", "motorcycle", "bus", "truck"] # 按数据集给定顺序 img_files = list(img_dir.glob("*.jpg")) + list(img_dir.glob("*.png")) label_files = list(label_dir.glob("*.txt")) print(f"图像数量: {len(img_files)}, 标签数量: {len(label_files)}") # 1. 检查文件对应关系 missing = 0 for img in img_files: label = label_dir / (img.stem + ".txt") if not label.exists(): missing += 1 print(f"[缺失标签] {img.name}") print(f"缺标签文件数: {missing}") # 2. 检查标签内容是否合法 bad_lines = 0 for label in label_files: with open(label, "r") as f: for line in f: parts = line.strip().split() if len(parts) != 5: bad_lines += 1 print(f"[格式错误] {label.name}: {line.strip()}") continue cls = int(parts[0]) x, y, w, h = map(float, parts[1:]) if cls >= len(class_names): bad_lines += 1 print(f"[类别越界] {label.name}: class={cls}") if not (0 <= x <= 1 and 0 <= y <= 1 and 0 < w <= 1 and 0 < h <= 1): bad_lines += 1 print(f"[坐标越界] {label.name}: {line.strip()}") print(f"非法标签行数: {bad_lines}")上面这段代码做的事很朴素：先确认图片和标签数量对得上，再逐行检查标签的五列格式、类别ID是否在四类范围内、坐标是否落在归一化区间。任何一个检查点报错，都值得停下来处理，因为YOLO训练时遇到越界坐标会直接报错或产生极其离谱的loss曲线。在热门模型仓库里跑训练之前做这步体检，能把后面调试的时间省掉一大半。
这里还有个容易忽略的点：标签里的类别顺序必须和后面yaml配置文件里的names顺序完全一致，一旦错位，会出现"模型把卡车识别成汽车但标签显示正确"的诡异现象，因为模型只学数字ID，不学语义。
2.2 目录归一化和数据集划分的固定套路
YOLO训练标准目录结构有两种流派：一种是把所有图片放一个文件夹、所有标签放一个文件夹，靠train/val的txt列表文件区分；另一种是train和val各自带images和labels子目录。YOLOv8官方推荐第二种，结构清晰且不用维护列表文件，但我个人更建议直接按YOLOv8的默认约定来组织，这样后续用Ultralytics的API训练时不用写任何自定义数据集加载逻辑。
目录结构如下：
dataset/ ├── images/ │ ├── train/ # 约1040张 │ └── val/ # 约260张 ├── labels/ │ ├── train/ │ └── val/ └── data.yaml将原目录按8:2划分train/val，代码逻辑如下：
import random import shutil from pathlib import Path random.seed(42) src_imgs = Path("images") src_labels = Path("labels") dst = Path("dataset") for split in ["train", "val"]: (dst / "images" / split).mkdir(parents=True, exist_ok=True) (dst / "labels" / split).mkdir(parents=True, exist_ok=True) all_imgs = sorted(src_imgs.glob("*.jpg")) + sorted(src_imgs.glob("*.png")) random.shuffle(all_imgs) val_count = int(len(all_imgs) * 0.2) for i, img in enumerate(all_imgs): split = "val" if i < val_count else "train" label = src_labels / (img.stem + ".txt") shutil.copy(img, dst / "images" / split / img.name) shutil.copy(label, dst / "labels" / split / label.name) print(f"train图像: {len(all_imgs) - val_count}, val图像: {val_count}")注意这段代码做了三件事：固定随机种子保证每次划分结果一致；按8:2比例划分而不是用默认的9:1，因为车辆检测场景里验证集太小会导致mAP波动大，看不出真实效果；用copy而不是move，保留原始数据做备份。数据划分看着简单，但有个坑——如果图像之间是连续视频帧截取的，直接随机划分会让同一个车辆在train和val里同时出现，导致验证指标虚高。如果你发现数据集文件名是连续的帧号，最好先按视频片段分组再划分，但这种按截帧方式构建的车辆数据集本身就可能存在这个问题，建议训练和评估时多关注类别级别的AP而不是只看整体mAP。
2.3 data.yaml配置和类别不平衡的初步应对
# data.yaml path: /absolute/path/to/dataset train: images/train val: images/val names: 0: car 1: motorcycle 2: bus 3: truck写yaml时最容易犯的错误是path用了相对路径。YOLOv8在训练时会基于当前工作目录解析path，你换了终端或换了IDE，路径就漂了。建议直接写绝对路径，或者把path那行改成数据集根目录的绝对路径，train和val用相对路径，这样最稳。
另外提一句类别不平衡：车辆数据集里car的样本量几乎一定是碾压motorcycle的，这会导致摩托车这一类的AP明显低于汽车——当这类数据集标注不平衡时，YOLO训练会自动做类别采样但效果有限，首先是检查各类别的目标框数量。如果差距超过10倍，优先考虑给摩托车类做简单的Mosaic增强，或加大训练轮数让模型多见到小众类别的样本。
3. 训练配置与实操：从环境搭建到loss曲线判读
3.1 训练环境安装和显存预估
训练YOLOv8的首要问题是环境。很多人卡在PyTorch和CUDA版本不匹配上面。常见做法是先用Anaconda建一个干净的虚拟环境，然后通过PyTorch官网给出的与当前CUDA版本匹配的安装命令来装，而不是自己随手pip install torch。如果机器没有独显，纯CPU也能跑，但训练速度会让你怀疑人生——1304张图、640分辨率、30个epoch，CPU跑一次大概要几小时到十几小时不等，有GPU（哪怕是6GB显存的GTX 1660或RTX 3060）会舒服非常多，几十分钟到两小时就能完成一轮完整训练。
装好的环境里需要几个核心组件：Python 3.9以上、PyTorch 2.x、Ultralytics库。Ultralytics的安装是pip一条命令的事，它会自动拉取依赖。为了确保基础环境可用，我建议先跑一个最小推理脚本验证CUDA和模型加载正常：
yolo predict model=yolov8n.pt source=https://ultralytics.com/images/bus.jpg如果这条命令能正常输出检测结果，说明环境没问题。然后把你自己的数据集路径填好，进入训练阶段。这里说一句选模型规模的逻辑：yolov8n是nano版，只有约300万参数，速度快但精度一般；yolov8s约1100万参数，是平衡之选；1304张图的数据量撑不起yolov8m以上规模的模型，强上大模型的结果就是过拟合——训练集上loss很低，验证集mAP反而下降。我的建议是：先用yolov8s起步，或者从yolov8n开始快速验证效果。
3.2 训练命令与关键参数逐个拆解
训练YOLOv8数据集对显卡的适配优化比较成熟，大部分超参数直接用默认值就能得到合理结果。我一般这样跑：
yolo detect train \ data=/path/to/dataset/data.yaml \ model=yolov8s.pt \ epochs=60 \ imgsz=640 \ batch=16 \ lr0=0.01 \ patience=15 \ device=0 \ project=vehicle_counter \ name=exp1逐项解释参数：model=yolov8s.pt表示在ImageNet预训练权重基础上做迁移学习，这对小数据集至关重要；epochs=60是训练总轮数，车辆目标不算难，60轮够收敛；imgsz=640保持默认，因为标签归一化不依赖尺寸，但模型训练时的输入分辨率会影响小目标检测——如果你发现在画面远处的小车总是漏检，可以调到800，代价是训练和推理变慢；batch=16在6GB显存下YOLOv8s刚好能放得下，不够就降到8或4；patience=15表示连续15轮验证集mAP不涨就提前停止，这是防止过拟合和节省时间的兜底；device=0是单卡训练，没有GPU就改成device=cpu。
训练过程中需要盯的东西不是loss曲线本身，而是验证集的mAP50和mAP50-95这两个指标在每轮结束后打印出来的数值。mAP50是指IoU阈值为0.5时的平均精度，车辆检测场景下经验值：mAP50能达到0.85以上说明模型可用，0.9以上说明效果很好了。如果你的mAP50一直在0.5以下徘徊，先别调参，回看数据体检那一步有没有漏掉标签错位或坐标越界的问题。
3.3 损失函数观察和过拟合的早期信号
YOLOv8的loss由三部分组成：box_loss（边界框回归损失）、cls_loss（分类损失）、dfl_loss（分布焦点损失，负责边界框的精细调整）。YOLOv8的损失函数设计得比较稳健，数据没问题时三个loss会同步下降。你最需要警惕的信号是：train loss一路下降但val loss先降后升，这就是过拟合的典型模式——明确了模型把训练图片的背景和噪声当成了特征。
发生这种情况的处理方式不是马上换模型或加数据，而是先看是不是训练轮数太多，因为patience没有触发说明验证集指标还在缓慢上升；然后考虑增强手段：把Mosaic关闭或降低概率，过拟合严重时Mosaic反而让模型学不到稳定的特征。Ultralytics里调整增强参数的方式是在训练命令中加上参数覆盖，比如关闭Mosaic：
yolo detect train \ data=/path/to/dataset/data.yaml \ model=yolov8s.pt \ epochs=60 \ batch=16 \ mosaic=0.5mosaic=0.5表示一半概率使用Mosaic增强，默认是1.0即全部使用。小数据集（1000多张）在Mosaic全开的情况下，模型会看到大量拼接出来的"假图"，训练初期收敛快，后期反而限制精度；降到0.5左右通常更稳。另外还有个实用技巧——把训练过程中保存的last.pt和best.pt都留着，过拟合时best.pt往往在中间轮数，比final.pt靠谱得多。
4. 推理检测与计数方案：从单帧结果到跨帧去重
4.1 单张图像的检测结果提取
训练完成后，模型文件在project/name/weights/目录下，best.pt就是要用的那个。先用它对单张测试图片做推理，检查检测框是否正确落在车辆上：
from ultralytics import YOLO model = YOLO("runs/vehicle_counter/exp1/weights/best.pt") results = model.predict( source="test_01.jpg", conf=0.35, iou=0.5, imgsz=640, verbose=True ) boxes = results[0].boxes for box in boxes: cls_id = int(box.cls[0]) conf = float(box.conf[0]) xyxy = box.xyxy[0].tolist() print(f"类别={model.names[cls_id]}, 置信度={conf:.2f}, 框={xyxy}")conf=0.35表示只保留置信度大于0.35的目标框，iou=0.5是NMS去重的IoU阈值。这两个参数在车辆检测场景里影响很大：conf设太高会漏检远处的小车，设太低会出现大量误检的树上电线杆；iou设太高，一个车身可能出两个互相重叠的检测框，计数时被算成两辆车。我一般先按conf=0.25、iou=0.5跑一遍，用测试图像目检结果，再根据误检和漏检的比例调。置信度门限在YOLO部署调优里是出场率最高的一个环节，后面会专门展开。
4.2 单帧图像上的静态计数逻辑
如果只是统计一张图上"有多少辆车"，直接把检测结果按类别累加即可：
from collections import Counter counts = Counter() for box in boxes: cls_id = int(box.cls[0]) counts[model.names[cls_id]] += 1 total = sum(counts.values()) print(f"车辆总数: {total}") for name, cnt in counts.items(): print(f"{name}: {cnt}")这是最朴素的计数方式，适合停车场照片、交通路口单帧截图这类场景。但真实监控场景里车辆是运动的，同一辆车在相邻帧里会反复出现，你每帧累加就会把一辆车数成几十辆。在热词里反复出现的"重复计数"，指的就是这个问题。解决方案很明确：跨帧计数必须引入跟踪算法，给每辆车分配一个稳定的ID，只对新增ID计数。
4.3 基于ByteTrack的实时视频计数，解决重复计数问题
在YOLO生态里，YOLOv8官方集成了ByteTrack跟踪器，你可以直接用它做视频计数而不用自己实现卡尔曼滤波。我在实际项目里一般不在代码里手动实现复杂的跟踪逻辑，而是直接借助Ultralytics的跟踪接口。
import cv2 from ultralytics import YOLO from collections import Counter model = YOLO("runs/vehicle_counter/exp1/weights/best.pt") cap = cv2.VideoCapture("traffic_01.mp4") fps = int(cap.get(cv2.CAP_PROP_FPS)) total_in = Counter() # 累计出现的车辆ID计数 active_ids = set() # 当前画面内的目标ID while cap.isOpened(): ret, frame = cap.read() if not ret: break results = model.track( frame, persist=True, # 跨帧保持跟踪ID conf=0.35, iou=0.5, tracker="bytetrack.yaml" ) if results[0].boxes is not None and results[0].boxes.id is not None: boxes = results[0].boxes for box in boxes: track_id = int(box.id[0]) cls_id = int(box.cls[0]) active_ids.add(track_id) total_in[model.names[cls_id]] += sum( 1 for _ in [0] # 仅示例，实际按新ID判断 ) cap.release() cv2.destroyAllWindows()这段代码大致展示了跟踪ID的获取方式，但实际计数时要小心一个细节：track()返回的结果里，同一个跟踪ID会在每一帧重复出现，不能直接累加。正确姿势是维护一个已见ID集合，每帧检查当前出现的track_id是否第一次出现，只有新ID才计入总数。上面的示例代码为了展示跟踪接口没有做好这一步，你真正落地时要改成：
seen_ids = set() ... for box in boxes: track_id = int(box.id[0]) if track_id not in seen_ids: seen_ids.add(track_id) cls_id = int(box.cls[0]) total_in[model.names[cls_id]] += 1这才是正确的去重计数逻辑。ByteTrack的bytetrack.yaml配置文件里有两个关键参数：track_thresh（检测置信度阈值，低于此值的检测框不参与跟踪）和match_thresh（匹配阈值，目标与已有轨迹的相似度低于此值时视为新目标）。在车辆密集场景下，match_thresh设太低会出现ID频繁切换，一辆车被分配多个ID导致计数虚高；设太高会导致遮挡后目标跟丢。我一般是0.8起步，密集场景调到0.85到0.9之间。
4.4 应用场景：车辆检测计数系统在交通场景中的边界在哪
把检测加跟踪串起来，你就能搭出一个基础的交通流量统计系统——入口计数、出口计数、按类别分时段统计车流量。这套方案的局限也很明确：摄像头视角倾斜严重时，车辆互相遮挡，跟踪ID会频繁切换导致计数不准；夜间场景红外补光下检测框抖动剧烈，可以在推理前对视频帧做一次直方图均衡化来缓解。尽早给项目设定一个可量化的验收指标，比如"计数准确率在90%以上"，然后在测试视频上人工数一遍真实车辆数，用这个数来衡量模型和跟踪参数的组合效果。
5. 训练与部署避坑清单：五个最容易翻车的点
5.1 标签顺序错位导致模型学到的类别和实际不一致
现象：训练正常，loss正常，但推理时模型把摩托车识别成汽车，汽车识别成卡车。
原因：data.yaml里names的类别顺序和标签txt里的class_id对不上。比如数据集原本的类别顺序是car、motorcycle、bus、truck，你在yaml里写成了car、bus、truck、motorcycle，模型学习时class_id=1代表bus，但标签里class_id=1是motorcycle，全乱了。这种错位在AI数据集准备环节极易出现，尤其是多个来源拼在一起时。
解决：训练前用校验脚本打印每个类别ID对应的标签行数，和数据集配套说明中的类别顺序对照一遍，再目检几张已经标注的图片确认框和类别一致，再开始训练。
5.2 验证集指标高但实战检测差，先怀疑数据划分泄漏
现象：训练结束显示mAP50有0.92，但放到实际监控视频里检测效果很一般，漏检频繁。
原因：如果数据集的图像是连续视频帧截取的，随机划分时同一个车辆会同时出现在训练集和验证集里，模型等于提前见过答案，验证集指标虚高，真实场景里车辆角度、距离一变就露馅。
解决：检查图像文件名是否有序号特征；如果有，按视频片段时间段划分而不是随机划分。如果数据集本身就是一堆随机抓拍图像，那这个问题的影响不大。
5.3 车辆目标小而密集时漏检严重，调整imgsz和anchor相关参数
现象：距离摄像头远的车辆完全检测不到，近处的车正常。
原因：输入分辨率imgsz=640时，远处的车辆目标可能只有十几个像素，YOLO的特征图最小尺度是输入尺寸的1/32，也就是20x20的网格，小目标在这种尺度下难以被有效表达。
解决：把imgsz提升到960甚至1280，检测速度会变慢但小目标召回率明显上升。另外可考虑对图像做切片推理，但工程复杂度偏高，优先调imgsz。需要强调，imgsz要在训练和推理时保持一致，否则检测框位置会漂移。
5.4 batch大小设置不合理导致显存溢出或训练不稳定
现象：显存不够直接OOM崩溃；或者batch太大，训练早期loss剧烈震荡不收敛。
原因：6GB显卡跑yolov8s加640分辨率，batch=16刚好是临界点。不同机器显存差异很大，不能照抄网上命令。
解决：OOM就把batch降到8或4，同时可以把epochs适当增加来补偿每轮看到的数据量减少。如果是loss震荡，降低初始学习率lr0从0.01到0.005。判断标准很简单——训练前几轮loss如果不降反升，立刻停止，调小学习率而不是硬等。
5.5 视频流计数重复或漏计，先检查tracker参数而不是模型
现象：车流量统计结果明显偏大，每辆车平均被数了2到3次。
原因：跟踪配置里match_thresh太低，跟踪器经常把同一个目标判定为新的跟踪对象，产生大量ID switch。这种情况下不是检测模型的问题，因为单帧检测框是准的，跨帧关联出了问题。
解决：调高match_thresh到0.85左右，同时检查是否有跳帧处理——如果视频本身只有10到15帧每秒，车辆位移大，跟踪更容易断。优先保证输入视频帧率稳定，避免稀疏帧导致目标位移过大导致匹配失败。
6. 进阶调优：置信度门限的精调技巧和类别合并策略
置信度门限是把这个数据集调到实用状态最关键的一个旋钮，它直接决定误检和漏检的取舍。我的做法是先跑一批测试图像，把每张图的检测结果导成JSON，统计所有检测框的置信度分布，然后观察误检框和漏检框分别落在哪个置信度区间。经验上，误检的置信度集中在0.2到0.35，真车的置信度通常在0.5以上。如果计算资源允许，我建议做一次grid search：在0.2到0.6之间取多个置信度门限值，跑测试集，计算每个门限下的精确率和召回率，选择F1分数最高的那个门限。有时候精确率和召回率永远无法同时满意，要由业务方决定更偏向哪一边——比如闯红灯抓拍，漏检比误检严重得多，门限就要压低。
对于类别合并，如果你的业务只关心"机动车数量"，可以把car、bus、truck三类合并，只保留motorcycle单独一类。合并的收益有两层：一是类别减少后每类的正样本量增加，小数据集的分类难度下降，整体AP会提升；二是二分类的置信度更稳定，计数误差更小。做法很简单，把标签txt里的car、bus、truck的class_id改成同一个数字。
最后还有模型蒸馏的技巧值得尝试：用不带跟踪的检测模型训练好后，再把大模型（如yolov8m）在小数据集上微调后的输出作为软标签来训练yolov8s，这个技巧在车辆检测里比较适合忙碌时候抽空做一轮。更简单的做法是把它当作训练和推理分离的pipeline——训练用yolov8m，推理用yolov8s，精度损失可控但延迟明显下降。我自己在类似项目里习惯把best.pt和last.pt对照测试视频各跑一遍，有时候last.pt在某个类别上反而更准，不要迷信best.pt的名字。这算是用这套车辆检测计数数据集一路走下来的一个经验，提前检查这几个点，能省下不少重新训练的时间，希望帮到你。
本文还有配套的精品资源，点击获取
