简介：这是一份面向YOLO系列算法学习者的车辆检测与计数目标检测数据集，适用于yolov5、yolov8、yolov9、yolov7、yolov10及yolo11等主流框架，可直接用于模型训练与验证测试。数据集共1304张图像，覆盖汽车、摩托车、公共汽车、卡车四类目标，已完成训练集与验证集划分，并附带data.yaml配置文件，开箱即可投入实验。压缩包内共2000个文件，包含911个txt格式的YOLO标注与1089个xml格式的VOC标注，两种标签分别存放于独立文件夹，便于按需选用；YOLO标签采用归一化中心点与宽高比例，符合标准训练输入要求。资源包整体约44.02MB，体积轻量，适合快速搭建车辆检测与计数实验环境。目前已有88人学习下载，可作为课程设计、毕业设计或算法入门的实践素材，帮助读者省去数据采集与标注环节，将精力集中在模型调参与效果对比上。
1. 1304 张图、双标签格式：这份车辆检测数据集到底能不能直接开训
如果你正在找一份能直接跑 YOLO 车辆检测的数据集，大概率已经翻过不少仓库：要么只有图片没标签，要么标签格式对不上自己的训练脚本，要么类别定义混乱，光整理就要耗掉一整天。这份 1304 张图像的车辆检测与计数数据集，核心价值就在于「开箱即训」——图片、YOLO 格式 txt 标签、VOC 格式 xml 标签、data.yaml 配置文件全部齐活，类别覆盖汽车、摩托车、公共汽车、卡车四类道路常见目标。
它适合三类人：一是刚接触 yolo 系列算法、想拿一份干净数据跑通训练全流程的新手；二是需要快速验证模型改动效果、不想在数据清洗上浪费时间的熟手；三是做车辆计数、交通流量统计这类落地项目、需要一份结构规整的基线数据的开发者。数据集已经划分好训练集与验证集，标签坐标采用归一化格式，兼容 yolov5、yolov8、yolov9、yolov7、yolov10 以及 yolo11 等主流版本。下面我从目录结构、标签格式、训练配置到踩坑排查，把这份资源拆开讲清楚。
2. 目录结构与双标签格式：先搞懂每份文件是干什么的
2.1 拿到压缩包后先看什么
解压之后，你看到的不是一堆散图，而是一套有组织的目录。常见做法是 images 文件夹放图像，labels 文件夹放同名的 txt 标签，另外单独有一个 xml 文件夹存 VOC 格式标注，根目录下放 data.yaml。图像和标签必须同名，只是扩展名不同——比如 img_050_518.jpg 对应 img_050_518.txt，这是 YOLO 训练时能自动匹配的前提。
项目正文里列出的 img_050_518.txt、img_050_715.txt 这些文件名，就是标签文件的命名样例。命名规则本身不重要，重要的是「图像名 = 标签名」这个约束。如果你后续自己增补图片，务必保持这个对应关系，否则训练时会出现「找到图片但找不到标签」的警告，那些图会被直接跳过。
data.yaml 是整个数据集的入口配置文件，它告诉训练脚本三件事：训练集和验证集的路径、类别数量、类别名称。这份数据集已经帮你写好了，但路径部分通常需要根据你实际解压位置做一次修改。很多人第一次跑失败，就是栽在这个路径上。
2.2 YOLO 格式标签逐字段拆解
YOLO 格式的 txt 标签每行代表一个目标框，格式是：
<class> <x_center> <y_center> <width> <height>五个字段用空格分隔。<class>是类别索引，从 0 开始。这份数据集四类目标的索引通常是：0 对应汽车，1 对应摩托车，2 对应公共汽车，3 对应卡车。具体顺序以 data.yaml 里的 names 列表为准，不要凭记忆写。
后面四个值是归一化坐标，范围 0 到 1。<x_center>和<y_center>是框中心点相对于图像宽高的比例，<width>和<height>是框宽高相对于图像宽高的比例。举个例子，一张 640×480 的图，某个框中心在像素 (320, 240)，宽 128、高 96，那么标签就是：
0 0.5 0.5 0.2 0.2这里 320/640=0.5，240/480=0.5，128/640=0.2，96/480=0.2。归一化的好处是图像缩放后标签不用改，这也是 YOLO 系列一直用这种格式的原因。
注意：归一化坐标如果出现大于 1 或小于 0 的值，说明标注越界了。训练前建议扫一遍，越界框会导致损失计算异常。
2.3 VOC 格式 xml 与 YOLO 格式的对应关系
xml 文件夹里是 VOC 格式标注，结构是标准的<annotation>根节点，下面有<filename>、<size>（宽高通道）、以及若干<object>，每个 object 里有<name>类别名和<bndbox>像素坐标（xmin、ymin、xmax、ymax）。
两种格式的区别很直接：VOC 用像素绝对坐标，YOLO 用归一化中心点加宽高。如果你用的是 YOLOv5 及以上版本，训练直接吃 txt；如果你要用某些只认 VOC 的评估脚本，或者想转 COCO 格式，xml 就派上用场了。常见做法是保留两套，训练用 txt，做可视化核对或跨框架迁移时用 xml 反查。
下面这段脚本可以把 VOC 的 xml 批量转成 YOLO 的 txt，方便你核对两套标签是否一致：
import os import xml.etree.ElementTree as ET # 类别名到索引的映射，必须和 data.yaml 里的 names 顺序一致 class_map = {"car": 0, "motorcycle": 1, "bus": 2, "truck": 3} def voc_to_yolo(xml_path, out_path): tree = ET.parse(xml_path) root = tree.getroot() size = root.find("size") w = int(size.find("width").text) 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) # 转成归一化的中心点加宽高 x_center = (xmin + xmax) / 2.0 / w y_center = (ymin + ymax) / 2.0 / h bw = (xmax - xmin) / w bh = (ymax - ymin) / h lines.append(f"{cls_id} {x_center:.6f} {y_center:.6f} {bw:.6f} {bh:.6f}") with open(out_path, "w") as f: f.write("\n".join(lines)) # 批量处理 xml_dir = "xml" out_dir = "labels_check" os.makedirs(out_dir, exist_ok=True) for fn in os.listdir(xml_dir): if fn.endswith(".xml"): voc_to_yolo(os.path.join(xml_dir, fn), os.path.join(out_dir, fn.replace(".xml", ".txt")))逻辑说明：先读 xml 里的图像宽高，再把每个 object 的像素框转成归一化中心点加宽高。参数上，class_map必须和 data.yaml 的 names 严格对应，顺序错了类别就全乱。:.6f保留六位小数，精度足够。跑完拿生成的 txt 和数据集自带的 txt 对比，如果基本一致，说明两套标签是同步的；如果差异大，就要查是哪套标注有问题。
3. data.yaml 配置与训练启动：从改路径到跑通第一个 epoch
3.1 data.yaml 里每个字段怎么改
data.yaml 是训练脚本读取数据集的唯一入口。典型内容长这样：
train: ../train/images val: ../valid/images nc: 4 names: ['car', 'motorcycle', 'bus', 'truck']train和val是训练集、验证集图像目录的相对路径，相对于 data.yaml 所在位置。如果你把数据集挪了地方，这两行必须改，否则脚本找不到图。nc是类别数，这份数据集是 4。names是类别名列表，顺序决定类别索引，不能随意调换。
常见做法是把 data.yaml 里的路径写成绝对路径，省得相对路径算错。比如train: /home/user/dataset/train/images。虽然不够优雅，但能避免一大类「路径找不到」的报错。
提示：改完 data.yaml 后，先用几行 Python 验证路径是否存在，比直接开训再报错省时间。
3.2 用 YOLOv8 跑通训练的最小命令
假设你已经装好 ultralytics 包，训练命令就一行：
yolo detect train data=data.yaml model=yolov8n.pt epochs=100 imgsz=640 batch=16参数逐个说：data指向你的 yaml；model用预训练的 yolov8n.pt，小模型收敛快，适合先验证数据没问题；epochs=100是训练轮数，1304 张图这个量级，100 轮通常够看趋势；imgsz=640是输入分辨率，和大多数预训练权重匹配；batch=16看显存，显存小就降到 8 或 4。
如果你用的是 YOLOv5，命令结构类似，只是入口换成python train.py --data data.yaml --weights yolov5n.pt --epochs 100 --img 640 --batch 16。YOLOv9、v10、yolo11 的调用方式各有差异，但 data.yaml 的格式是通用的，这也是这份数据集兼容多版本的原因。
训练启动后，重点看第一轮输出里的几行：train: Scanning...后面跟的图像数量和标签数量。如果标签数量明显少于图像数量，说明有图没匹配到标签，回去查命名。val: Scanning...同理。这两个数字对不上，后面指标全是虚的。
3.3 训练中该盯哪些指标
跑起来之后，终端会打印每个 epoch 的 box_loss、cls_loss、dfl_loss 和 mAP。box_loss 是框回归损失，cls_loss 是分类损失，这两个应该整体下降。mAP50 和 mAP50-95 是精度指标，前者宽松后者严格，正常情况随训练上升。
1304 张图、四个类别，如果标注质量过关，mAP50 跑到 0.8 以上是合理预期。如果卡在 0.3 以下不动，先别怀疑模型，八成是标签或路径有问题。常见做法是拿训练完的模型在验证集上跑一次预测，把预测框画出来和原图对比，肉眼一看就知道是漏标还是错标。
yolo detect predict model=runs/detect/train/weights/best.pt source=valid/images save=True这条命令会把验证集图像的预测结果存下来，直接看可视化输出，比盯数字直观得多。
4. 避坑与排查：五条血泪经验
4.1 现象：训练报「No labels found」
原因：图像目录和标签目录没对应上，或者 data.yaml 里的路径指向了错误层级。YOLO 默认在 images 同级找 labels，如果你的目录结构是train/images和train/labels，它自己能推出来；但如果标签放在别处，就找不到。
解决：确认 images 和 labels 是同级目录且文件名一一对应。如果结构特殊，在 data.yaml 里显式写清楚，或者用脚本先做一次文件名匹配检查。
4.2 现象：类别全预测成同一类
原因：data.yaml 里 names 的顺序和标签里 class 索引的实际含义不一致。比如标签里 0 是 car，但 names 第一个写成了 bus，模型学出来的类别就整体错位。
解决：抽几个标签文件，看 class 索引分布，再对照 names 列表。必要时用脚本统计每个索引出现的次数，确认四类都有样本且索引合理。
4.3 现象：mAP 一直很低，loss 不降
原因：归一化坐标越界，或者存在大量空标签文件。空标签意味着这张图没有目标，但 YOLO 会把它当负样本，少量可以，大量会拖垮训练。
解决：扫一遍标签，统计空文件数量和坐标越界数量。空文件过多就考虑剔除对应图像，越界框要么修正要么删掉。
4.4 现象：显存爆了，batch 调小还是报错
原因：imgsz 设太大，或者用了大模型。1304 张图不算多，但 640 以上分辨率配 yolov8l 这类大模型，显存吃紧很正常。
解决：先把 imgsz 降到 416 或 320 跑通流程，确认数据没问题后再往上调。模型先用 n 或 s 版本，效果稳定了再换大的。
4.5 现象：验证集指标好，实际预测一塌糊涂
原因：训练集和验证集划分不合理，或者验证集图像和训练集高度相似，导致指标虚高。
解决：检查划分是否随机。如果数据集本身场景单一，考虑自己重新划分，或者补充更多场景的图像。指标只是参考，最终要看实际场景的预测效果。
5. 进阶技巧：用标签统计反查数据质量
跑通训练只是第一步，真正决定模型上限的是数据质量。我一般会在训练前做一次标签统计，用几十行代码把每个类别的框数量、每张图的平均目标数、框的宽高分布都算出来。这一步能提前暴露很多问题：某个类别样本极少、某些图目标密集到不合理、框的尺寸分布异常。
import os from collections import Counter label_dir = "labels/train" cls_counter = Counter() box_per_img = [] w_list, h_list = [], [] for fn in os.listdir(label_dir): if not fn.endswith(".txt"): continue with open(os.path.join(label_dir, fn)) as f: lines = [l.strip() for l in f if l.strip()] box_per_img.append(len(lines)) for line in lines: parts = line.split() cls_id = int(parts[0]) w = float(parts[3]) h = float(parts[4]) cls_counter[cls_id] += 1 w_list.append(w) h_list.append(h) print("类别分布:", dict(cls_counter)) print("平均每图目标数:", sum(box_per_img) / len(box_per_img)) print("最大单图目标数:", max(box_per_img)) print("框宽范围:", min(w_list), max(w_list)) print("框高范围:", min(h_list), max(h_list))这段脚本输出几个关键数字。类别分布能看出四类是否均衡，如果某一类只有几十个框，训练时这类基本学不好，需要考虑补充数据或做类别加权。平均每图目标数反映场景密度，车辆检测一般每图几个到十几个都正常，如果平均几十个，可能是标注过密或重复标注。框宽高范围能发现异常值，正常归一化后应该在 0 到 1 之间，出现接近 0 或超过 1 的就要查。
我自己的习惯是：每次拿到新数据集，先跑一遍统计，再抽十张图把标签画出来肉眼核对。画框用 OpenCV 几行就能搞定，把归一化坐标还原成像素坐标，在原图上画矩形。这一步花不了十分钟，但能避免后面几小时的无用训练。从那以后我每次开训前都强制走一遍「统计加可视化」，再也没出现过训到一半发现标签错位的情况。
这份数据集的双格式标签和现成配置，省掉了最枯燥的整理环节，但数据质量最终还得自己把关。希望这份拆解能帮你少走几个弯路，顺利把车辆检测模型跑起来。
本文还有配套的精品资源，点击获取
