简介：这套汽车目标检测数据集采用YOLOV5标准目录结构，聚焦单类别car的车辆检测任务。训练集包含1000张图片及对应的1000个txt标签，测试集包含208张图片及208个txt标签，标签为YOLO格式的边界框坐标，图片以jpg为主、png为辅，覆盖道路、停车场、园区等多样化生活场景。数据划分清晰，压缩包共2000个文件，总大小约243MB，主要由1200余个txt标注文件、近800张jpg/png图片、1个类别字典txt和1个可视化py脚本组成。其中可视化脚本无需修改即可运行，随机传入一张图片就能绘制边界框并保存到当前目录，便于快速核对标注效果。这份数据集可直接接入YOLOV5等主流目标检测框架，省去数据收集与格式转换环节，适合目标检测初学者、计算机视觉开发者以及需要车辆识别能力的项目使用，也可作为模型训练、算法对比或教学演示的优质示例。目前已有187人学习下载，是开展车辆检测实践的高性价比选择。

1. 不是有图就能训：YOLOV5 目录格式才是汽车目标检测数据集能跑通的关键

拿到一个「目标检测数据集(YOLOV5目录格式)：汽车目标检测数据集」，多数人的第一反应是"图片在哪、有多少张"，但我负责任地讲，图片反而是这件事里最不值钱的部分。真正决定你能不能在一个晚上把训练跑通、把 mAP 刷到能看的水平的，是目录结构是否严格对齐 YOLOV5 的读取逻辑：images 和 labels 怎么分 train/val、同名 txt 放哪、data.yaml 写什么、类别编号是否错位。这套东西错一个字符，训练不会报错，但指标就是全 0。下文按我平时自建车辆数据集的路子，从公开数据选型、目录搭建、质量体检到踩坑清单，把这条链路完整走一遍。

2. 汽车数据集的选型逻辑：BDD100K、CCPD、UA-DETRAC 与自建怎么选

2.1 先分清四类车载数据的「性格差异」

做汽车目标检测，最常碰到的公开数据是 BDD100K、UA-DETRAC、CCPD 和 KITTI。很多人以为它们只是标注格式不同，换一下脚本就行，实际上它们的差异暴露在三个维度：场景构成、目标尺度、标注噪声。

BDD100K 的优势是全是真实道路场景，包含晴天、雨天、夜晚、遮挡、稀疏和拥挤交通，共 10 万帧，标注了 car、bus、truck、traffic light 等类别。它适合做泛化性要求高的模型，缺点是早期版本标注有小幅错位，边界框偶尔松紧不一。

UA-DETRAC 是纯车辆检测数据集，场景集中在城市道路和收费站，带 8250 个视频的逐帧框标注，单帧车辆数多、遮挡频繁，适合做密集车流检测。它的成像多为监控视角，和行车记录仪视角有一定差异。

CCPD 专攻中国车牌场景，是从停车场监控里截出来的车辆图，类别只有"车"这一个语义，但它对大规模车辆检测预训练非常友好，因为样本量超过 20 万张。它的局限是视角单一，全是停车场斜俯视。

CrowdHuman 不是汽车专用数据，但如果你要做"行人+车辆"的混合场景，它的密集行人标注可以当作难例补充。它的标注框质量很高，类别只有 person，不适合单独训练车辆检测器。

还有一大类思路是直接用 COCO2017 的 person、car、truck、bus 四个类做裁剪。COCO 的边界框标注相对干净，类别名标准化，转换脚本成熟。下表是我常用来给同事说明选型的参考：

我一般建议：先确定你的部署场景，如果是园区门口的车牌识别、小区入口的车辆计数，CCPD 加自建补充；如果是路侧感知或无人车，BDD100K 起步；如果只做车流量统计，UA-DETRAC 的密集帧更划算。

2.2 把 BDD100K 转成 YOLOV5 目录格式：转换脚本与过滤逻辑

选定数据后，最硬的活是把 JSON 转成 YOLO 的 txt。这一步的常见翻车点不是 JSON 解析，而是坐标归一化和类别索引两个地方。下面这个脚本处理 BDD100K 的训练标注，输出结构和 YOLOV5 完全对齐。

import json import os from pathlib import Path # 只保留车辆相关类别，按目标检测数据集(YOLOV5目录格式)的要求输出 txt CATEGORY_MAP = {"car": 0, "truck": 1, "bus": 2} def bdd100k_to_yolo(json_path, img_dir, out_label_dir): with open(json_path, "r", encoding="utf-8") as f: annos = json.load(f) os.makedirs(out_label_dir, exist_ok=True) for item in annos: name = Path(item["name"]).stem # 去掉 .jpg 后缀 img_w = item["width"] img_h = item["height"] lines = [] for obj in item["labels"]: cat = obj["category"] if cat not in CATEGORY_MAP: continue # BDD100K 的 box2d 是 [x1, y1, x2, y2]，注意是整数像素 x1, y1, x2, y2 = obj["box2d"].values() bw = max(x2 - x1, 1) bh = max(y2 - y1, 1) cx = (x1 + x2 / 2) / img_w cy = (y1 + y2 / 2) / img_h w = bw / img_w h = bh / img_h # 做一次夹紧，防止坐标越界导致训练时 OpenCV 读取异常 cx, cy, w, h = [max(0.0, min(v, 1.0)) for v in (cx, cy, w, h)] lines.append(f"{CATEGORY_MAP[cat]} {cx:.6f} {cy:.6f} {w:.6f} {h:.6f}") out_txt = Path(out_label_dir) / f"{name}.txt" out_txt.write_text("\n".join(lines), encoding="utf-8") # 调用示例：请按实际路径修改 bdd100k_to_yolo("bdd100k_labels_train.json", "images/train", "labels/train")

这段代码的关键点有三个。第一，box2d是像素坐标，不除以img_w和img_h就会得到大于 1 的标签，YOLOV5 会在 loss 计算时产生极不稳定的梯度。第二，类别映射必须从 0 开始连续排列，如果你把bus写成 3 而 data.yaml 里只有 3 个类，训练不会报错，但推理时类别名全错位。第三，max(bw, 1)是为了防住某些标注框宽度为 0 的脏数据，这类数据在公开集里不少。

3. 从零搭 YOLOV5 目录格式：目录结构、data.yaml 与训练集划分

3.1 标准目录树：一个空目录引发的连锁报错

YOLOV5 的数据加载逻辑非常「死板」：它只认dataset/ images/train和dataset/ labels/train这种固定路径。你要是多建一层car_images/train但没匹配上，运行时会直接显示train: No labels found，但训练进程不退出，只是每轮都在空跑。这是新手最容易误判成"数据集有问题"的点，实际上是目录映射没写对。

我惯用的目录格式如下，你可以直接照着建：

datasets/vehicle/ ├── vehicle.yaml ├── images/ │ ├── train/ │ │ ├── 000001.jpg │ │ ├── 000002.jpg │ └── val/ │ ├── 000100.jpg └── labels/ ├── train/ │ ├── 000001.txt │ ├── 000002.txt └── val/ ├── 000100.txt

注意三个硬性规则。第一，图片和 txt 必须同名，只允许后缀不同；如果你有一张000001.png，标签就必须是000001.txt。第二，val 是必建目录，即使你暂时不验证，也要留一个空目录加占位文件，否则train.py --data会因找不到 val 而中断。第三，文件名不要用中文和空格，YOLOV5 的多线程 DataLoader 对非 ASCII 字符的兼容性很差，会出现间歇性报错。

用下面这段脚本可以一键建好目录，顺带把已有图片按比例搬进去。

from pathlib import Path import random root = Path("datasets/vehicle") for split in ["train", "val"]: (root / "images" / split).mkdir(parents=True, exist_ok=True) (root / "labels" / split).mkdir(parents=True, exist_ok=True) # 假设原始图片都在 datasets/raw_images 下 raw_imgs = list(Path("datasets/raw_images").glob("*.jpg")) random.seed(42) random.shuffle(raw_imgs) val_cnt = int(len(raw_imgs) * 0.2) for idx, img in enumerate(raw_imgs): if idx < val_cnt: img.rename(root / "images" / "val" / img.name) else: img.rename(root / "images" / "train" / img.name) print(f"train: {len(raw_imgs) - val_cnt} imgs, val: {val_cnt} imgs")

这里random.seed(42)保证每次划分结果一致，这是定位问题的基础。如果你发现某个 epoch 的 validation 指标忽高忽低，先检查是不是划分时没有固定随机种子，导致每次加载的数据分布不一致。

3.2 labels 文件里那 5 个数字，边界条件比你想得多

一个 YOLO 格式 txt 的每一行是class_id cx cy w h，cx cy是归一化中心点，w h是归一化宽高，四者都必须是 0 到 1 之间的小数。很多从 LabelImg 转出来的标签是像素绝对坐标，直接写进 txt 会让模型把 anchor 学成"全图一个大框"。

写一个轻量校验函数，可以在训练前把脏标签找出来：

import numpy as np def check_yolo_label(txt_path): bad_lines = [] with open(txt_path, "r") as f: for ln, line in enumerate(f, 1): parts = line.strip().split() if len(parts) != 5: bad_lines.append((ln, "field count != 5")) continue cls, cx, cy, w, h = map(float, parts) if not (0.0 <= cls <= 2): # 假设只有 0/1/2 三类 bad_lines.append((ln, "class id out of range")) if not all(0.0 < v <= 1.0 for v in (cx, cy, w, h)): bad_lines.append((ln, f"coord out of range: {parts[1:]}")) return bad_lines # 检查整个 labels/train 目录 from pathlib import Path for p in Path("datasets/vehicle/labels/train").glob("*.txt"): issues = check_yolo_label(p) if issues: print(f"{p.name}: {issues[:3]}")

这个脚本在数据量大时尤其值钱。公开数据集经过压缩、切图、二次标注后，很容易产生小数位过长或负值的标签；如果没做这步，训练出来的模型在推理时会把背景当车，因为 loss 在引导它"全图都给框"。

3.3 data.yaml 的路径、类别名与下载路径三个易错点

YOLOV5 的 data.yaml 是唯一牵动训练、验证、推理三端配置的文件，它写错了不会像 Python 那样抛异常，而是悄悄加载空数据集。我的最小模板是：

# datasets/vehicle/vehicle.yaml path: ../datasets/vehicle # 相对于运行 train.py 的目录 train: images/train val: images/val nc: 3 names: 0: car 1: truck 2: bus

三个易错点。第一，path最好不要写绝对路径。绝对路径在你自己机器上没问题，但数据集打包给别人或挪到服务器后，直接就是"找不到路径"的报错，而且排查时会让你误以为是文件被移动了。用相对路径，让 YOLOV5 按照path拼上train和val去读，是最稳的方式。

第二，nc必须和 labels 里实际出现的class_id最大值加一相等。比如你只有 car 和 truck 两个类别，truck 的 id 是 1，那么nc必须大于等于 2；写成 1 不会报错，但 truck 样本全部变成背景。

第三，很多公开数据集附带的 data.yaml 里带download:字段，指向官方下载脚本。如果是在内网或离线环境用自己的数据，请务必删掉这一行，否则训练前 YOLOV5 会尝试访问外网下载数据，卡在等待超时上，看起来像训练进程挂起。

4. 训练前的数据集体检：可视化标注、类别分布与最小训练试跑

4.1 用 OpenCV 直接画框，先肉眼确认 50 张图

训练前我从不直接跑 train.py，而是先做一轮可视化抽检。画框脚本很简单，但能暴露两类问题：一是标签和图片不对应（框画在空地上），二是地物太小或太大导致标注张数失衡。代码逻辑是把 txt 里的归一化坐标乘回图片宽高，再用矩形画出来，存成_check.jpg供人工过目。

import cv2 from pathlib import Path def visualize_label(img_path, txt_path, out_dir): img = cv2.imread(str(img_path)) h, w = img.shape[:2] with open(txt_path, "r") as f: for line in f: cls, cx, cy, bw, bh = map(float, line.split()) x1 = int((cx - bw / 2) * w) y1 = int((cy - bh / 2) * h) x2 = int((cx + bw / 2) * w) y2 = int((cy + bh / 2) * h) color = (0, 255, 0) if cls == 0 else (0, 0, 255) cv2.rectangle(img, (x1, y1), (x2, y2), color, 2) cv2.putText(img, f"cls{int(cls)}", (x1, y1 - 6), cv2.FONT_HERSHEY_SIMPLEX, 0.6, color, 1) out_path = Path(out_dir) / f"{Path(img_path).stem}_check.jpg" cv2.imwrite(str(out_path), img) # 抽查 val 里的前 50 张 val_imgs = sorted(Path("datasets/vehicle/images/val").glob("*.jpg"))[:50] for img_p in val_imgs: txt_p = Path("datasets/vehicle/labels/val") / (img_p.stem + ".txt") if txt_p.exists(): visualize_label(img_p, txt_p, "check_output")

抽检时重点看三类图：含有公交车的大尺寸目标、夜晚车辆的弱光目标、多车重叠的目标。如果这三类里有两类的框明显偏移，就说明标注质量不稳定，不值得直接进训练。人工标注的话，我一般要求框要紧贴车身边缘，留 2 到 3 个像素的余量，不要为了"框得全"而放大很多。

4.2 类别分布统计：别让 99% 都是小车样本

车辆数据集的另外一个暗坑是类别分布极度不均衡。停车场数据里轿车可能占 95%，卡车和公交车各占 2% 和 3%。YOLOV5 的 loss 本身对不均衡有一定容忍度，但极端情况下会学成"只输出 car"的退化模型。写一个类别统计脚本，用每张图的 txt 累计各 class 的出现次数和框面积，可以快速量化不均衡程度。

import numpy as np from collections import Counter from pathlib import Path dist = Counter() area_sum = {0: [], 1: [], 2: []} # car/truck/bus for txt in Path("datasets/vehicle/labels/train").glob("*.txt"): with open(txt) as f: for line in f: cls, cx, cy, w, h = map(float, line.split()) dist[int(cls)] += 1 area_sum[int(cls)].append(w * h) print("class count:", dict(dist)) for cls_id, areas in area_sum.items(): if areas: print(f"cls {cls_id}: mean area={np.mean(areas):.4f}, " f"median={np.median(areas):.4f}, max={np.max(areas):.4f}")

如果某个类别的mean area比其他类小一个数量级，比如 car 的框占图面积只有 0.02 而 truck 有 0.2，则模型对远处小车天然不敏感。缓解方式有两种：一种是后续提到的高分辨率输入或者多尺度训练；另一种是直接按框面积筛选掉过于极端的数据，比方说删掉占图面积小于 0.005 的框，因为它们本身也不可标注。统计脚本输出的数字，就是你决定要不要动数据、怎么动的依据。

4.3 用一个 epoch 试跑，验证数据和代码链路通不通

体检完图片和标签，最后一步是用极小配置跑一次完整训练链路。这一步很多人嫌浪费时间，但我认为它是性价比最高的操作：能同时验证数据集路径、DataLoader 缓存、loss 是否收敛、GPU 显存是否够用。我惯用的命令是：

python train.py \ --data datasets/vehicle/vehicle.yaml \ --weights yolov5s.pt \ --img 640 \ --batch 16 \ --epochs 3 \ --cache disk \ --noval

--weights yolov5s.pt用官方预训练权重，不要用随机初始化，否则 3 个 epoch 什么都看不出来；--cache disk先把图片缓存到磁盘，避免首次训练大量读取小文件时的 I/O 等待；--noval是跳过验证，因为这次只检查链路，不追求验证指标。跑完 3 个 epoch 后看两点：第一，train loss 是否在下降；第二，日志里labels这一行是否为 0，如果labels为 0，说明标签没被加载到，后面跑 100 个 epoch 也是白费。

5. 避坑清单：汽车目标检测数据集制作与训练最容易翻车的 5 个环节

5.1 loss 不降、mAP 全程为 0：标签坐标没归一化

现象：训练日志显示 loss 从 0.09 降到 0.07 就不再动了，所有类别的 mAP 全部是 0；手动推理时框要么全图一个，要么完全落在背景。

原因：这是最经典的坐标翻车。我在 2.2 节强调过，YOLO 格式的cx cy w h必须是 0 到 1 的归一化值。很多人从 LabelImg 导出 XML 后只做了x2 - x1的宽度计算，忘了几img_width和img_height，导致标签里全是 1300、780 这种像素值。YOLOV5 不会对这类数据报错，因为 loss 计算时对超过 1 的宽高也有反应，但网络无法学到稳定的目标尺度。

解决：写一个全量遍历脚本，读回每个 txt，发现任意坐标大于 1 就用对应图片的宽高重新归一化。注意要先读图片尺寸再重写 txt，不能只把坐标截断到 0~1，那样会改变框的位置。修复后重新跑 4.3 节的单 epoch 试跑，看labels是否正常、loss 是否显著下降。

5.2 验证结果中所有车全变成了卡车：类别编号错位

现象：训练的指标看起来不错，mAP50 有 0.85，但推理时车全部被标成 truck，而手动标注明明写的是 car。

原因：类别编号从标注阶段就串了。比如你在第 2.2 节的CATEGORY_MAP里定义"car": 1, "truck": 0，而 data.yaml 的names里写的是0: car, 1: truck，两边的索引没有对齐。YOLOV5 的训练代码只消费标签里的数字，不会反向校验类别名，所以这种错位可以完整地传递到推理端。

解决：做一次一票否決式的抽查脚本，随机取 200 张图片，同时打印 txt 里的类别编号和图像上肉眼看到的车型，人工核对。更省事的方式是在第 4.1 节的可视化代码里，把cls直接显示成类别名而不是编号，这样一旦错位，字面上就穿帮。这个检查建议在数据集首次交付时做，不要拖到模型训完再查。

5.3 夜间车辆基本漏检：数据里只有白天样本

现象：train 数据在白天路况下 val 指标都超过 0.9，一换到夜间监控画面，召回率直接跌到 0.3。

原因：这是数据分布和部署场景不一致的问题，而不是模型问题。很多车辆数据集偏重晴天白天的停车场或高速场景，夜间样本要么少，要么因为低照度被标注人员删掉了。YOLOV5 在训练时虽然有 mosaic 和 HSV 扰动，但色彩空间的变化幅度有限，不能凭空造出"灯光明亮的夜晚车灯特征"。

解决：向 BDD100K 的 night 子集或自建夜间样本补齐训练集的场景比例。我在实际操作中会让夜间样本占训练集 30% 左右，并且额外对夜间图片做一次亮度均衡预处理，但不要在训练和验证时用不同的预处理函数，否则指标失真。补数据后重新统计各类别占比，夜间车灯和反光物体要单独看它们的标注是否紧贴车身，很多标注工具在半暗环境下会把光晕也框进去。

5.4 val 指标高但现场全崩：训练图片分辨率远低于部署分辨率

现象：训练用--img 416，val 指标看着还行，部署时摄像头有 1080 分辨率，结果小目标车辆完全检测不到。

原因：输入分辨率直接决定了模型能看到多小的目标。--img 416时一张 1080p 的图被压缩到 416，远处一辆 60 像素宽的车在压缩后只剩 23 像素，这已经接近 YOLOV5 small 的检测极限。很多车辆数据集里大量远距离目标，它们的归一化框非常小，低分辨率训练会直接忽略。

解决：训练时把输入提到--img 640或--img 1280。注意这会让显存占用翻倍甚至更多，我是先跑 5 个 epoch 的--img 640观察显存，再决定是否使用--img 1280。同时检查目标尺寸分布，如果小于 0.03 的目标占比很高，考虑对图片做切片训练，但切片的边界框要重新计算，不能直接沿用原图的归一化坐标。

5.5 数据集拷贝到新环境，训练报「No labels found」：相对路径和绝对路径混用

现象：在自己电脑上训练一切正常，把datasets/vehicle压缩包发给同事，他解压后运行，训练直接报train: No labels found in .../vehicle/images/train，但目录里明明有文件。

原因：data.yaml 里的path写的是C:\Users\me\datasets\vehicle这类绝对路径，或者压缩时把目录结构裁剪过，导致path指向的位置不存在。YOLOV5 对数据路径的解析是先读 yaml 里的path，再拼接train: images/train，所以只要path无效，后面全废。这不是代码问题，是数据包的可移植性问题。

解决：按 3.3 节的规范，path一律写相对路径，并且打包时把 data.yaml 和 images、labels 放在同一级。如果你经常要把数据集发给别人，建议再写一个verify_dataset.py，在训练前自动检查 images 和 labels 的完整性，列出缺失标签的图片数量和空标签的比例，让接收方一眼看出数据包是否有问题。这也是我最常用的交付习惯。

6. 进阶技巧：用 cutout 和难例回灌，把现有车辆数据扩出 3 倍有效样本

当你的目标检测数据集(YOLOV5目录格式)目录已经规范、训练能跑通后，下一步的核心不再是收集更多图片，而是怎么让每张图贡献更多有效监督信号。我常用的三个手段，按性价比从高到低排列。

第一个是 YOLOV5 自带的copy_paste增强。在data/hyps/hyp.scratch-low.yaml里打开copy_paste: 0.1，训练时每个 batch 有 10% 的概率把一张图的车辆目标复制到另一张图上。这对小目标尤其有效，因为车辆与车辆的相对位置被强行多样化，模型不会再把"车必须出现在路面中央"这种场景 bias 学进去。注意copy_paste对显存和训练时间的影响有限，初学者可以直接开。

第二个是难例回灌。训练完第一个版本后，拿那个模型去跑一批你没有标注过的实拍图，把置信度在 0.2 到 0.5 之间的预测框全部导出，人工快速筛选出真正的车，补标后加入labels/train。这一步能显著提升模型在复杂场景下的召回率，比单纯增加白天样本更管用。我一般把这批补标数据单独放在一个新目录，比如datasets/vehicle_hard/，训练时在 data.yaml 的 train 项里写上[images/train, ../vehicle_hard/images/train]，这样原始数据不会被污染，随时可以回退。

第三个是输入分辨率的分阶段训练。先用--img 640训 200 个 epoch 让模型收敛到大致的特征表达，再用--img 1280接着训 50 个 epoch 微调。这个做法的效果接近换更大的模型，但显存压力小很多。注意切换分辨率后学习率要调低一半，否则前面学到的精确定位信息会被大梯度冲掉。

最后说一个血泪经验：每次在数据集上做增删改之前，我会把当前完整目录压缩归档成vehicle_v1.0_date.zip，训练实验记录也存成同名 yaml。这样模型翻车时，我能快速对比是数据改了还是代码改了，而不是在几百 GB 的目录里做黑匣子排查。这套习惯帮我少走了很多弯路，希望帮到你。

本文还有配套的精品资源，点击获取