简介：目标检测在低光照场景中常因数据集质量不足而性能骤降，夜间车辆行人检测更是依赖标注规范与数据划分的合理性。YOLO格式以纯文本存储归一化边框坐标，通过classes.txt与data.yaml完成类别映射，其目录结构和标签定义直接影响模型的收敛与mAP表现。理解类别边界、统一遮挡目标标注规则，并利用可视化脚本校验数据质量，是提升训练效率的关键前置步骤。在夜间安防、交通监控等场景下，合理配置YOLOv8增强参数与训练策略，可有效应对小目标、过曝与类别不平衡问题。围绕YOLO数据集的准备、清洗与验证，本文提供了一套从数据到训练的可复用实践方法，帮助开发者降低试错成本。
1. 夜间车辆行人检测的 4 类 YOLO 数据集：能省掉你最头疼的标注环节
晚上跑车辆行人检测，最容易翻车的不是模型结构，而是数据集本身。夜间图像对比度低、运动模糊多、车灯过曝，拿白天数据硬训，mAP 可能掉 10 个点以上。这版 4 类 YOLO 数据集把夜间车辆、行人按固定类别划分好，train/val/test 目录、class 文件、数据可视化脚本一次配齐，拿到就能在 YOLOv8 里开训，省掉最耗时的一张张标注和划分环节。适合两类人：做夜间安防与交通监控、想快速验证流程的从业者，以及手头只有白天或低光照素材、不知道怎么下手的初学者。下面按“先看懂类别定义，再开训，再用可视化脚本查质量”的顺序展开，最后给出夜训场景里最常见的几个坑。
2. 先看懂 4 类目标和 class 文件：类别定义、txt 标签与 data.yaml 的关系
2.1 这 4 类到底怎么标：car、person、motorcycle、bus 的边界
拿到数据集第一步不是开训，而是打开 class 文件确认类别。常见做法是把 4 类定成：car、person、motorcycle、bus。car 指小轿车和 SUV；bus 指公交车和旅游大巴；person 指行人；motorcycle 指电动两轮车和摩托车。这个划分对应的是夜间路口和城市道路监控里最常出现的四类目标。类名看着简单，边界才是问题。
我一般按一套固定规则来确认标注口径：骑在摩托车上的人，只标 motorcycle，不标 person；坐在车里的人，只标 car，不标 person；公交车统一进 bus，哪怕是小型接驳巴士。这个口径直接影响后面混淆矩阵的表现。如果你拿到数据集后先自己看一眼 class 文件，再看几张 labels 的 txt，就能判断它的标注规范偏严还是偏松，这比直接跑训练重要得多。
另一个需要确认的点是：这 4 类里有没有“车辆”的统称。有的数据集会把 car 和 bus 合并成 vehicle 一类，再把行人和两轮车分开，这样也是 4 类。所以不要想当然，任何一份别人划分好的 YOLO 数据集，第一步都该是“打开 classes.txt 数一下行数，逐行读类名”，再对照 2.2 的标签格式去核对一两个文件。
2.2 标签 txt 的每一行在写什么：class_id 和归一化框坐标
YOLO 格式的标注文件不是 XML，也不是 JSON，就是纯文本，每一行表示一个目标。这行里第一个数字是类别 id，后面四个浮点数分别是归一化后的中心点 x、中心点 y、框宽 w、框高 h。所谓归一化，就是除以图像的宽和高，所以全部落在 0 到 1 之间。下面这是某个 train 样本里的真实结构：
# night4/labels/train/000123.txt，每行一个目标 1 0.5310 0.4720 0.1230 0.0860 3 0.3100 0.5820 0.0450 0.0320 0 0.8500 0.4700 0.2800 0.1900第一行的 class_id 是 1，对照 classes.txt 就是 person，后面 0.531 和 0.472 表示这个人在图像横向 53.1%、纵向 47.2% 的位置，0.123、0.086 是目标宽高占整图的比例。第二行 id 是 3，对应 bus，框更扁更长，符合公交车视觉比例。第三行 id 是 0，对应 car。
读取这类文件时有三个细节要注意。第一，txt 文件里的浮点数不要取整，0.5310 和 0.53 在还原像素坐标时会差出几个像素，小目标可能因此偏出半个身位。第二，没有目标的图像对应一个空 txt，这是合法的，不要删，标注工具通常就是这样生成。第三，如果是从 VOC 或 COCO 转过来的数据，txt 里的坐标很容易出现绝对值，那说明没归一化，训练前必须先转换，否则框的位置会完全错乱。
2.3 classes.txt 与 data.yaml：class 文件顺序为什么改不得
class 文件在 YOLO 系列里有两种常见形态：一种是纯文本 classes.txt，一行一个类名；另一种是 data.yaml，里面挂 names 列表。两者功能一样，都是把 class_id 映射回可读的类名。先看 classes.txt 的内容：
cat night4/classes.txt # car # person # motorcycle # bus四行对应四个 id：car=0，person=1，motorcycle=2，bus=3。这个顺序一旦定下来，标签 txt 里的第一个数字就全部按这个顺序写入。data.yaml 里的 names 也必须和它保持完全一致：
path: /home/user/night4 train: images/train val: images/val test: images/test names: 0: car 1: person 2: motorcycle 3: bus这里最关键的一条经验：class 文件的顺序绝对不能动。我见过有人觉得“bus 应该排前面”，把顺序改成 bus、car、person、motorcycle，结果原来所有标签里的 0 从 car 变成了 bus，mAP 直接掉到没法看。这是因为 txt 里存的是 id，不是名字。如果确实要换顺序，正确的做法是写一个小脚本逐行读 txt，把第一列数字按新旧映射表改掉，而不是直接编辑 class 文件。
2.4 夜间遮挡目标标注规则：只标可见部分
夜间场景里目标往往只有一半可见，比如行人被路灯杆挡住、车辆进出画面只露出一角。标注规范如果不统一，会让模型学到错误的边界。我自己用的规则是：只标可见部分，不凭想象补全。
举例来说，行人从画面左侧进入，身体只有 40% 在画面内，那就按这 40% 拉一个框，不要试着把画面外的部分估算进去。车辆停在一堆障碍物后面，只有车头可见，同样只标车头。这样做的好处是，框和图像内容严格对齐，模型在计算 IoU 时不会因为“看不见的部分”产生大量低质量正样本。夜间图像里目标边缘本来就模糊，如果标注框再带“猜测成分”，训练出来的回归分支就会学得犹豫。
这个规则也意味着同一个目标在不同帧里的框大小可能差异很大，这是正常的。夜间连续帧里，一辆车从远处驶近，框从 12 像素宽长到 300 像素宽，模型要学的正是这种连续变化，而不是固定尺寸模板。
3. 划分好的数据集直接开训：目录结构、最小命令与 5 个训练参数
3.1 images/labels 目录与 train、val、test 里放多少张合适
一份能直接开训的数据集，目录结构通常固定成 images 和 labels 两大块。images 下按 train、val、test 三个子目录放图，labels 下按同样结构放 txt。图片和标签靠“同名不同后缀”对应。比如images/val/000123.jpg对应labels/val/000123.txt。整套结构如下：
night4/ ├── images/ │ ├── train/ # 训练图 │ ├── val/ # 验证图 │ └── test/ # 测试图 ├── labels/ │ ├── train/ │ ├── val/ │ └── test/ ├── classes.txt ├── data.yaml ├── visualize_boxes.py # 标注框可视化脚本 └── class_stats.py # 类别分布统计脚本见到这种目录结构，先确认两个事。第一，images 和 labels 下的文件名必须完全一致，哪怕一张图对应一个空 txt 也不能缺；缺失 label 的那张图，训练时要么被跳过要么报错。第二，val 和 test 的比例。我一般接受的比例是 train 占 70% 到 80%，val 占 15% 到 20%，test 留 5% 到 10%。夜间数据集如果总量只有一两千张，val 留太少会让 mAP 波动非常大。
还有一类容易踩的坑：划分是按文件名随机打散的，还是按摄像头来源划分的。前者省事，但同一个摄像头同一段路的连续帧可能同时进 train 和 val，造成“数据泄漏”，验证分数虚高。所以在开训前花五分钟用可视化脚本看一眼 val 里的缩略图，确认没有大量和 train 高度相似的连续帧，这一步值得做。
3.2 用 YOLOv8 跑第一轮：最小训练命令和 5 个必调参数
YOLOv8 是目前训练这类数据集最顺手的入口。我自己训练自己的数据集时，最小命令长这样：
cd /home/user yolo detect train \ data=night4/data.yaml \ model=yolov8s.pt \ epochs=100 \ imgsz=640 \ batch=16 \ device=0这条命令把 5 个参数全部摆到了明面上。data指向 data.yaml，是整个实验的入口；model=yolov8s.pt表示从 COCO 预训练权重开始，而不是从头训练，这对千张量级的数据集影响很大，能少跑很多轮；epochs=100是夜训的起点，太少会欠拟合，太多会过拟合到夜间噪声上；imgsz=640是速度和精度的平衡点；batch=16在单张 8G 显存的卡上比较稳妥。
有几个参数我没写，但新手经常问。project和name控制输出目录，如果不指定会默认落到runs/detect/train。workers控制数据加载线程数，Windows 上建议设为 0 到 2，Linux 上设成 4 到 8 都行。patience是早停轮数，默认 50，意思是 50 轮没提升就停，如果训练集很小，这个值容易误杀后期才出现的提升，我会保守地改成 80 或直接关掉。
3.3 夜间增强参数一页复盘：hsv_v、mosaic、imgsz 怎么调
夜间数据和白天数据在增强参数上的差异，主要体现在亮度扰动和 mosaic 上。YOLOv8 的默认增强参数偏向自然光场景，直接用到夜间数据集上会让模型见过太多“被增强得发蓝发紫”的诡异画面。下面这组是我在夜间车辆行人检测上常用的起点：
yolo detect train \ data=night4/data.yaml \ model=yolov8s.pt \ epochs=120 \ imgsz=640 \ batch=16 \ hsv_h=0.02 \ hsv_s=0.70 \ hsv_v=0.60 \ mosaic=0.80hsv_v是亮度通道的扰动强度，默认 0.4，夜间场景我调到 0.6。原因是夜间图像亮度分布两极分化，有的暗到只能看清轮廓，有的被车灯照得局部过曝，模型需要适应这种亮度差，所以亮度扰动加大有好处。hsv_h保持 0.02 就够了，晚上光照本来就偏单一，调太大容易把车灯颜色学歪。mosaic从 1.0 降到 0.8，因为夜间低对比度下，四张图拼接后目标边界更糊，过度依赖 mosaic 会让小目标更难学。
imgsz这里保留 640，但如果 val 里大量小目标，比如 20×20 像素以下的行人，我会提到 768。代价是训练时间和显存都涨约四成，所以先在 640 上跑通，再决定要不要上 768，这是最稳的节奏。
3.4 换 YOLOv5 或其他 YOLO 变体：目录与 data.yaml 不用动
目录结构和 data.yaml 这套东西在 YOLO 生态里是通用的。换 YOLOv5 时，只需要把训练入口换成它的脚本：
cd yolov5 python train.py \ --data /home/user/night4/data.yaml \ --weights yolov5s.pt \ --epochs 100 \ --batch-size 16 \ --img 640注意 YOLOv5 的--data参数同样指向这份 data.yaml，它读的也是train、val、names这几个字段。不同的是 YOLOv5 对目录的要求更宽松，你甚至可以不用images/train这种结构，直接在 data.yaml 里写绝对路径指向你自己的图片文件夹，它会自动找同名 txt。YOLOv8 则更习惯固定的 images/labels 布局。
如果后续要试 YOLOv11 或 YOLO 系列其他变体，目录结构和 class 文件都不用动，只看训练入口的配置方式。这也是当初做数据集时把 images 和 labels 分开、用 data.yaml 统一描述的原因：迁移成本低，所有的模型代码都认这套约定。
4. 数据可视化脚本：三种用法把 4 类标注翻出来查质量
4.1 标注框可视化脚本：框是否贴合夜间目标
数据可视化脚本是这个数据集里最值得先跑的部分。它做的事情很简单：读取一张夜间图像和对应的 txt 标注，把归一化坐标还原成像素坐标，然后用 OpenCV 把矩形框和类名直接画在图上。代码不长，但很实用：
import argparse import os import cv2 parser = argparse.ArgumentParser() parser.add_argument("--image", required=True, help="图片路径，如 night4/images/val/000123.jpg") parser.add_argument("--data", default="night4", help="数据集根目录，用于读取 classes.txt") args = parser.parse_args() with open(os.path.join(args.data, "classes.txt")) as f: names = [line.strip() for line in f if line.strip()] img = cv2.imread(args.image) H, W = img.shape[:2] # 把 images 路径替换成 labels 路径，jpg 后缀换成 txt label_path = args.image.replace("/images/", "/labels/").rsplit(".", 1)[0] + ".txt" with open(label_path) as f: for line in f: parts = line.split() if len(parts) != 5: continue cid, cx, cy, w, h = map(float, parts) x1 = int((cx - w / 2) * W) y1 = int((cy - h / 2) * H) x2 = int((cx + w / 2) * W) y2 = int((cy + h / 2) * H) color = (0, 255, 0) # BGR 绿色框 cv2.rectangle(img, (x1, y1), (x2, y2), color, 2) cv2.putText(img, names[int(cid)], (x1, max(0, y1 - 8)), cv2.FONT_HERSHEY_SIMPLEX, 0.6, color, 2) out = "vis_" + os.path.basename(args.image) cv2.imwrite(out, img) print("saved:", out)运行方式：
python visualize_boxes.py --image night4/images/val/000123.jpg --data night4这个脚本里最容易改错的地方是路径替换。images/val/000123.jpg换成labels/val/000123.txt，目录层级少一层都不行。跑出来后主要看三点：框是否紧贴目标边缘；夜间暗处目标是否漏标；有没有一个目标被分到两个类里。特别要留意车灯周围，很多标注会把车灯当成一个小目标标进去，这类框会让模型学到“亮斑 = 车辆”。
4.2 类别分布统计脚本：4 类不平衡在哪儿一眼看清
可视化脚本的第二大用途是统计类别分布。训练前看一眼 4 类的实例数，能提前判断模型会不会对某个类严重漏检。脚本直接遍历 labels 目录下的所有 txt，把第一个字段的 id 计数：
import glob from collections import Counter root = "night4" split = "train" # 改成 val 或 test 可以分别统计 stats = Counter() image_files = glob.glob(f"{root}/images/{split}/*.jpg") for imgf in image_files: label = imgf.replace("/images/", "/labels/").rsplit(".", 1)[0] + ".txt" try: with open(label) as f: for line in f: if line.strip(): stats[int(line.split()[0])] += 1 except FileNotFoundError: print("missing label:", label) print(f"{split} images:", len(image_files)) for cid in range(4): print(f"class {cid}: {stats[cid]} instances")跑完后如果看到类似class 0: 3200，class 1: 2800，class 2: 450，class 3: 380这样的结果，说明 motorcycle 和 bus 样本严重不足。这种情况下模型大概率会优先学 car 和 person，两轮车和公交车的 mAP 会明显偏低。处理方式不是简单删图，而是考虑对稀缺类做样本重复采样，或用模型训练时的 cls loss 权重去补偿。可视化脚本在这里的作用是让你在投入训练前就意识到问题，而不是等三个小时后看一张难看的 PR 曲线。
4.3 批量网格抽查：拼一张图看 16 个夜间样本
逐张看图的效率太低，尤其夜间图像看上二三十张之后，人眼对暗部细节会疲劳。更实用的做法是一次取 16 张 val 图，缩放到统一尺寸，拼成 4×4 的网格，一张图同时看 16 个样本的标注情况。我用一个很短的 Python 片段做这件事：
import cv2 import glob files = sorted(glob.glob("night4/images/val/*.jpg"))[:16] cell = 320 # 每格图边长 rows = [] for i in range(0, 16, 4): row_images = [] for f in files[i:i + 4]: im = cv2.imread(f) im = cv2.resize(im, (cell, cell)) row_images.append(im) rows.append(cv2.hconcat(row_images)) grid = cv2.vconcat(rows) cv2.imwrite("visual_grid.jpg", grid) print("saved: visual_grid.jpg，共", len(files), "张")注意这里拼的是原图，不是标注框叠加后的图。我的习惯是先用 4.1 的单张脚本抽两张叠加框的图，再用这个网格看整体的明暗分布、模糊程度、视角多样性。网格图里如果发现大量连续帧几乎一模一样，说明划分时没有按场景去重，这比类别不均衡更隐蔽，也更能拖低验证分数的可信度。
4.4 可视化结果带出的数据清洗动作
可视化脚本看完后，通常会带出三类清洗动作。第一类是删除“不可学”的图：整张接近全黑、目标只露出不足 5% 且被严重遮挡、重复帧。这些图不是难例，是噪声，留在训练集里只会让 loss 曲线反复跳动。第二类是修正标注错误：比如明显把一辆面包车标成 bus、把骑手标成 person，这类错误靠脚本叠框后一眼就能看出来。第三类是补漏标：夜间暗处的行人特别容易被遗漏，如果 val 里大量图像的目标框数量明显少于肉眼可见目标，说明这份数据集的 recall 先天不足。
清洗时要控制删图比例。一次清洗删除超过 15% 的图像，我会谨慎，因为夜间数据集本来就难采集，删太多容易把场景多样性削掉，模型泛化能力会跟着降。宁可保留一部分“难但干净”的图，也不要为了追求完美而把数据集削成单一场景。
5. 避坑排查：夜间训练与数据文件相关的 5 个高频问题
5.1 训练 loss 在降、mAP 却不涨：夜间小目标占比太高
现象：训练 loss 一路下行到 0.03 附近，但 val 上的 mAP50-95 停在 0.25 上不去，train 和 val 的差距也不大。
原因：夜间图像里大量目标非常小。监控视角下 30 米外的行人可能只有 15×30 像素，在 640 分辨率下小于特征图上一个网格的感受野，模型几乎没有能力学出稳定特征。loss 是从训练集里学的，训练集里这类小目标同样存在，但模型学到的是“模糊猜测”，所以 loss 降了，mAP 不涨。
解决：先用可视化脚本统计目标框的像素面积分布，如果大量框面积小于 300 平方像素，把 imgsz 提到 768 或 896 是最直接的方案。显存不够时，推理阶段用切图方式把大图切成 640 的块再合并结果，也能明显改善小目标召回。
5.2 改了 class 文件顺序，预测结果整体错位
现象：训练结束后，val 可视化里 car 全部被标成 person，person 全部被标成 bus，但框的位置完全没变。
原因：class 文件顺序在训练前被改动过，或者标注工具重新导出了一份不同顺序的 classes.txt。标签 txt 里存的是 class_id，它和具体类名的对应关系完全靠顺序。改了顺序，所有 id 的语义整体平移，训练的人看不到任何报错，但预测结果从头错到尾。
解决：不要在已有数据集上改 classes.txt 顺序。如果必须改，先写一个映射脚本，读取旧 id 和旧类名，按新顺序映射成新 id，逐行重写所有 txt。改完之后用可视化脚本抽十张图，检查类名和框的对应关系，这一步不能省。
5.3 混淆矩阵行和不是 1：一类目标被打了两类标签
现象：训练完成后看 confusion_matrix.png，发现某些行的百分比加起来超过 100%，person 和 motorcycle 之间互相污染严重。
原因：标注规范不统一。骑摩托车的人如果被同时标了 person 和 motorcycle，同一个视觉目标就有了两个框，且这两个框高度重叠。模型训练时一会儿把这片区域当 person，一会儿当 motorcycle，最终这两类的混淆吞噬掉大量样本。
解决：回到 2.1 节的标注规则，明确“骑在车上的人只标 motorcycle”。然后写一个脚本检查同一张图里不同类别框的 IoU，如果 IoU 超过 0.5 且类别不同，输出到待修列表，人工确认后删除冗余框。
5.4 batch 太小导致 BN 崩溃：loss 训练中突然变 NaN
现象：训练到第 30 个 epoch，loss 毫无预兆地变成 NaN，重启训练后又大概率在类似位置复发。
原因：BatchNorm 在 batch 太小（比如 2 或 4）时，均值和方差的估计噪声非常大。夜间图像本身亮度方差高，加上小 batch 的统计波动，跑几十轮后数值直接溢出。8G 显存跑 640 分辨率，很多人会下意识把 batch 降到 4，这恰恰是导火索。
解决：batch 至少保持 8，显存不够就先降 imgsz，而不是降 batch。要么保持 batch=4 但开启梯度累积，让有效 batch 回到 16。另一个备用方案是把model从yolov8s.pt换成yolov8n.pt，模型更小，显存占用更低，batch 也能维持住。
5.5 可视化脚本大批量跑 OOM：先攒网格再写盘
现象：跑批量可视化时，脚本一次性读入 1000 张图，内存冲到 20G 以上，程序被杀，一张输出也没留下。
原因：把整个目录的文件一次性读进列表再统一画图，图像解码后的原始矩阵非常占内存。一张 1920×1080 的彩色图约 6MB，1000 张就是 6GB，叠加 Python 自身的对象开销，内存很容易爆。
解决：改用分批处理，每批 16 张拼成一张网格图，写完盘就释放内存。4.3 节的网格脚本本质上就是在做这件事：每轮只持有 16 张图，拼完立即imwrite，下一轮覆盖同一组变量，内存占用被压在常数级别。
6. 进阶验证：把可视化脚本变成回归测试，盯住夜间模型每一版改进
6.1 每次训练生成 20 张 val 快照，人工对比上一版
夜间检测模型迭代最大的风险不是精度不涨，而是“这版修好了摩托车，却把 bus 搞崩了”。我现在的习惯是每次训练完，立刻从 val 里固定抽 20 张图，调用可视化脚本叠加标注框，保存到以实验名命名的目录里：
mkdir -p runs/snapshots/exp_037 for f in $(ls night4/images/val/*.jpg | head -20); do python visualize_boxes.py --image "$f" --data night4 mv vis_*.jpg runs/snapshots/exp_037/ done关键是这 20 张图每次固定不变，相当于给模型做回归测试。对比上一版快照，重点看两类变化：之前能检出的目标现在是否还在；车灯、反光区域有没有新增误检。这类退化 mAP 数字上看不出来，但快照对比一眼就能发现。我一般把快照目录按日期归档，两周后翻出来还能定位是哪个改动引入的倒退。
6.2 用同一个 data.yaml 复跑 val，输出混淆矩阵和 PR 曲线
所有改进实验收尾时，用同一份 data.yaml 和同一个 val 集复跑验证，是保证结论可比的前提。命令很简单：
yolo detect val \ data=night4/data.yaml \ model=runs/detect/train_exp037/weights/best.pt跑完后在输出目录里找confusion_matrix.png和PR_curve.png。对比不同版本时，盯住两个具体位置：一是 person 和 motorcycle 之间的混淆强度，二是 PR 曲线上 recall 到 0.8 附近时 precision 的掉速。这两处往往能提前暴露数据标注问题，比只看 mAP 一个数字可靠得多。
这套验证流程做完，改 class 顺序、调增强参数、换模型结构时，就有了一个固定的回退锚点。我现在无论换哪个 YOLO 变体，都先跑一遍可视化脚本确认 class 映射，再开训练，最后把快照回归跑一遍。这套流程救过我太多次，也希望帮到你。
本文还有配套的精品资源，点击获取
