简介:面向目标检测与智慧交通场景的数据集,聚焦电动车/摩托车非法加装遮阳篷的识别任务,包含motor、motor-jz、motor-z三类标注,共846张图片、1033个标注框。压缩包共2000个文件,以jpg图片、VOC格式xml标签和YOLO格式txt标签为主,整体大小41.64MB,可直接投入YOLO系列或Faster R-CNN等模型训练。已有244人学习下载,适合算法工程师、科研人员及竞赛团队用于真实违规场景的模型调优与效果验证。数据图片与标注一一对应,且同时提供Pascal VOC与YOLO两种格式,省去人工转换成本,便于快速开展非法加装遮阳篷检测项目。
1. 目标检测数据集新选择:846 张非法加装遮阳篷,双格式直接进训练
做交通场景目标检测的人,最缺的往往不是算法,而是对口的训练数据。这套电动车摩托车非法加装遮阳篷数据集共 846 张图片,每一张都带 VOC 与 YOLO 两套标注,解压后可以直接进 YOLO 训练流程。它能解决一个很具体的需求:识别电动自行车、摩托车上后期加装的遮阳篷、雨篷这类违规物件,这也是交警巡查、社区安防和城市管理里最常见的一类检测目标。适合刚入门目标检测、想拿真实场景数据跑通全流程的新手,也适合做交通安全监管项目的熟手拿来当预训练底料或验证集。这篇笔记从目录结构、格式转换、训练参数到常见坑位,一条线走完。
2. 数据集内容拆解:目录结构、标注字段与两套格式的选型逻辑
2.1 解压后先对一遍目录结构
我拿到这类双格式数据集,第一步不是急着配环境,而是先花两分钟确认目录。VOC 和 YOLO 的目录习惯差异不小,常见的组织方式是压缩包里同时放两套标注,解压后大致是这个形态:
vehicle_umbrella/ ├── annotations/ # VOC 格式的 XML 标注 │ ├── 0001.xml │ └── ... ├── images/ # 原始图片 │ ├── 0001.jpg │ └── ... ├── labels/ # YOLO 格式的 TXT 标注 │ ├── 0001.txt │ └── ... ├── classes.txt # 类别清单,一行一个类 ├── train.txt # 训练集图片路径清单 └── val.txt # 验证集图片路径清单VOC 那半部分,JPEGImages 放原图,Annotations 放同名 XML,ImageSets/Main 下一般会有 train.txt、val.txt 这类划分清单。YOLO 那半部分简单得多,images 和 labels 同级,同名图片和文本一一对应,classes.txt 决定 class_id 的顺序——这个顺序从头到尾不能变,变了就是事故。所以拿到手先打开 classes.txt,确认到底标了几个类别、名称是什么。单类数据集最怕的不是类别少,而是 labels 里的 class_id 和 classes.txt 的顺序对不上。我自己习惯把 classes.txt 第一行当成 0,第二行当成 1,逐个对着 labels 里的数字过一遍,确认没串位再往下走。
注意这里有个容易看漏的点:train.txt 和 val.txt 里写的路径,是以压缩包根目录为基准,还是以 images 目录为基准,不同来源的数据集写法不一样。脚本处理的时候先读一个文件看看,如果路径带了 images/ 前缀,后面做数据划分时要记得统一处理。
2.2 VOC 与 YOLO 两套标注的字段差异
VOC 的 XML 里,每个 object 节点带 name 和 bndbox,bndbox 内是 xmin、ymin、xmax、ymax 四个像素绝对值;YOLO 的 TXT 里,一行一个目标,格式是 class_id x_center y_center width height,后四个值都是相对图片宽高的归一化比例。两套体系差异集中在三个地方:坐标参考系、类别标识方式、存储粒度。为了看得更明白,我列了一个对比表:
| 对比项 | VOC 标注 | YOLO 标注 |
|---|---|---|
| 存储形式 | XML,一个文件装一张图的所有目标 | TXT,每行一个目标 |
| 坐标体系 | 像素绝对值 xmin/ymin/xmax/ymax | 归一化中心点加宽高 |
| 类别标识 | object 节点内的 name 字符串 | class_id 数字,依赖 classes.txt 顺序 |
| 可视化 | labelImg 直接打开 | 需要指定类名文件,或转回 VOC 再开 |
| 训练接入 | 需要先转换 | YOLO 系列原生读取 |
字段层面还有一个细节:VOC 的 XML 里 size 节点记录了图片的真实宽高,这个值既是转换 YOLO 格式时的分母,也是判断标注有没有越界的依据。如果某张图的 bndbox 出现了 xmax 大于 size.width,说明标注当时就出了问题,趁早筛掉,别让这种脏数据混进训练集。YOLO 的 TXT 里所有坐标都是 0 到 1 之间的浮点数,一旦出现负值或大于 1 的值,大概率是转换脚本写错了,这类数据会直接把损失函数搞乱。
2.3 选型逻辑:什么时候用 VOC,什么时候直接上 YOLO
选哪套格式取决于下游要干什么。如果后续要把数据转成 COCO 格式,或者要接入 Detectron2、mmdetection 这类框架,VOC 的 XML 解析起来信息更完整,XML 里除了 bndbox 还能存 truncated、occluded、difficult 这些附加属性,对复杂标注场景更友好。如果是要立刻跑 ultralytics 的 YOLOv8、YOLO11 系列,YOLO 格式是原生态,直接把 labels 目录指给训练脚本就能跑,省掉转换这一层。
这份数据同时给了两套,其实是想让你两头都不耽误。但正因为如此更得小心,训练时 labels 目录和 images 目录必须一一对应,图片没有对应的 TXT 文件会报错,TXT 和图片同名但内容为空倒是合法的,代表这张图没有目标。还有一个常见的坑:有人图省事,拿着 VOC 的 train.txt 去训练,结果发现脚本找不到图片,因为那张清单里写的是相对路径,得先重写成你自己的绝对路径。我一般会写一段小脚本统一处理路径,而不是手动改清单。
3. 把 VOC 转成 YOLO 格式:转换脚本与四个边界坑
3.1 双格式数据集还要不要自己转换
这份数据本身已经带 YOLO 标注,理论上拿到手直接就能训,不需要转。但我还是建议把转换逻辑完整走一遍,原因有两个:一是你之后大概率还会遇到只有 VOC 标注的开源数据集,社区里老数据不少,转格式是绕不过去的坎;二是转换脚本本身就是对 bbox 坐标体系最直接的校验方式,能把「归一化」这件事彻底吃透。下面这个脚本我在本地跑过很多次,适用于 labelImg 产出的标准 VOC XML,也兼容大多数标注工具导出的格式。
3.2 voc2yolo 转换脚本与参数说明
# voc2yolo.py # 作用:把 VOC 格式的 XML 标注转成 YOLO 需要的 TXT 标注 # 用法:python voc2yolo.py --xml_dir annotations --out_dir labels import argparse import xml.etree.ElementTree as ET from pathlib import Path # 类别映射:只能出现这里定义过的类,其他类会被跳过 # 顺序必须和 classes.txt 完全一致,0 对应第一行,1 对应第二行 CLASS_MAPPING = { "sunshade": 0, } def convert_one(xml_path: Path, out_dir: Path): tree = ET.parse(xml_path) root = tree.getroot() # 注意:宽度高度以 XML 里的 size 节点为准,不要用 PIL 重新读图 size = root.find("size") img_w = int(size.find("width").text) img_h = int(size.find("height").text) out_txt = out_dir / (xml_path.stem + ".txt") lines = [] for obj in root.iter("object"): name = obj.find("name").text if name not in CLASS_MAPPING: continue 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) # 处理部分工具会给出的反向坐标,即 xmin > xmax xmin, xmax = min(xmin, xmax), max(xmin, xmax) ymin, ymax = min(ymin, ymax), max(ymax, ymax) # 归一化中心点加宽高:四个值都要除以对应边长 x_center = (xmin + xmax) / 2 / img_w y_center = (ymin + ymax) / 2 / img_h w = (xmax - xmin) / img_w h = (ymax - ymin) / img_h lines.append(f"{CLASS_MAPPING[name]} {x_center:.6f} {y_center:.6f} {w:.6f} {h:.6f}") # 空标注也必须导出空文件,否则 YOLO 训练时对不上号 out_txt.write_text("\n".join(lines) + "\n" if lines else "") if __name__ == "__main__": parser = argparse.ArgumentParser() parser.add_argument("--xml_dir", type=Path, default=Path("annotations")) parser.add_argument("--out_dir", type=Path, default=Path("labels")) args = parser.parse_args() args.out_dir.mkdir(parents=True, exist_ok=True) for xml_path in sorted(args.xml_dir.glob("*.xml")): convert_one(xml_path, args.out_dir) print("转换完成,生成文件数:", len(list(args.out_dir.glob("*.txt"))))脚本逻辑不复杂:先解析 XML 的 size 节点拿宽高,再遍历所有 object,把 bndbox 四个值取出来,按中心点加宽高的公式归一化,最后写 TXT 文件。参数上,--xml_dir 指向 VOC 标注目录,--out_dir 是输出目录,--img_dir 在这个脚本里不需要,因为宽高直接从 XML 里取。CLASS_MAPPING 必须是唯一权威映射,不要用 enumerate 之类动态生成逻辑,否则类别顺序一乱,整个训练就废了。
提示:跑之前先确认 classes.txt 的类别顺序,再把 CLASS_MAPPING 改成和它一致。这里示例里用了 "sunshade" 作为类别名,实际以压缩包内 classes.txt 的内容为准。
归一化坐标保留 6 位小数就够,再多对训练没有意义。分辨率为 1920 的图,1 个像素换算成归一化值是 0.0005 左右,6 位小数已经能表达亚像素级的精度。
3.3 转换必踩的四个边界坑
第一个坑:归一化分母用错。现象是转出来的框整体偏移,目标中心点和标注框对不上。原因是有人图省事,用 PIL 读图片尺寸做分母,但标注工具的 size 节点和 PIL 读到的宽高在某些场景下不一致,典型的是 JPEG 的 EXIF 旋转信息导致宽高互换。解决办法是统一从 XML 的 size 节点取宽高,不再二次读图。
第二个坑:类别 id 错位。现象是训练能跑、损失也在降,但混淆矩阵一塌糊涂。原因是转换脚本里用 os.listdir 的遍历顺序当 class_id 的索引,而 listdir 返回顺序是不保证稳定的。解决办法是显式写死类别映射字典,用类名做 key,id 做 value,顺序以 classes.txt 为准。
第三个坑:反向坐标。现象是转出来的 w 或 h 为负值,检测框直接消失。原因是部分标注工具在导出时会把 xmin 和 xmax 写反,尤其手工编辑过 XML 的数据更容易出现。解决办法是计算前先做一次 min/max 交换,把坐标归正,宁可多写两行代码,不要赌数据全是对的。
第四个坑:空标注文件缺失。现象是训练时出现 FileNotFoundError,或数据集样本数量对不上。原因是 YOLO 读取数据时按图片索引找同名 TXT,有些标注工具对无目标的图不生成 XML,导致转换后缺文件。解决办法是脚本里对无目标的 XML 也生成同名空 TXT,这一步不能省。
4. YOLO 训练避坑与参数实战:小数据集也能训出可用检测器
4.1 模型选型:为什么小数据集先上轻量模型
846 张的单类数据集,体量不算大,模型首选轻量级。Ultralytics 全家桶里,YOLOv8n 和 YOLO11n 都是 nano 级别,参数量只有几百万,单类目标检测完全够用,显存占用小,训练速度快。不要一上来就跑 yolo11x 这类大模型,训练时间翻好几倍,在单类小数据集上的收益基本看不出来,反而更容易过拟合。如果机器只有 CPU,n 系列也能勉强撑住训练,只是时间会长一些,但总比跑不动强。
模型选型之外,另一个容易忽略的是数据划分方式。同一个视频里抽帧出来的图高度相似,直接随机划分 train 和 val,会导致验证集虚高——模型很可能只是记住了场景,而不是学会了检测目标。我一般会先按场景或时间戳把图片分桶,再按桶来划分训练集和验证集,这样验证集才能反映真实分布。这份数据集来源未知,但你自己处理同类数据时,记得先把这层做好。
4.2 数据划分、yaml 配置与训练命令
拿到数据后先把目录整理成 YOLO 训练的规范结构。把 images 和 labels 分别拆成 train、val 两个子目录,比例按 8:2 左右划分。拆完后目录结构是这样的:
vehicle_umbrella/ ├── images/ │ ├── train/ │ └── val/ ├── labels/ │ ├── train/ │ └── val/ └── vehicle_umbrella.yaml然后写数据配置文件。这一步决定了训练脚本能不能找到你的图片和标注:
# vehicle_umbrella.yaml path: /data/vehicle_umbrella # 改成你自己的绝对路径,不要用相对路径 train: images/train val: images/val names: 0: sunshade # 以压缩包 classes.txt 实际内容为准训练命令直接用 ultralytics 的命令行入口,参数我拆开写,方便逐个理解:
yolo detect train \ data=vehicle_umbrella.yaml \ model=yolo11n.pt \ epochs=100 \ imgsz=640 \ batch=16 \ patience=20 \ device=0 \ amp=True \ project=runs \ name=shade_exp各参数的含义是这样的:model 用 yolo11n.pt,首次训练会自动下载预训练权重,这个权重来自 COCO,迁移到遮阳篷检测上能省不少训练时间;epochs 设置 100,单类数据集不用贪多,50 到 100 之间通常就够了;imgsz 设 640,这是速度和精度的平衡点,显存不够可以降到 416;batch 大小取决于显存,16G 显存跑 batch 16 问题不大,8G 就跑 8;patience 是早停参数,验证集指标连续多少轮不涨就停止训练,小数据集可以设大一点到 20,防止验证集抖动导致的误停。
提示:第一次跑训练之前,先看一眼 labels 目录里有没有空 TXT 文件。如果某个 TXT 不存在而图片存在,训练会直接报错,这个问题在第 3 章里强调过。
4.3 关键参数怎么调不翻车
小数据集调参,最怕的是来回乱改。我一般先把固定参数定下来,再动训练参数。下面这几个参数是踩过坑之后总结的参考范围:
| 参数 | 参考值 | 调参方向 |
|---|---|---|
| imgsz | 640 | 小目标多就提到 768 或 896,显存不够就降到 416 |
| batch | 8 到 32 | 显存不够优先降 batch,比降 imgsz 对精度影响小 |
| epochs | 80 到 150 | 单类 100 够用,观察 loss 曲线再决定加不加 |
| patience | 15 到 30 | 小数据集验证波动大,设太小会提前停 |
| lr0 | 0.01 默认 | 过热就降到 0.005,收敛慢就回升到 0.02 |
| mosaic | 1.0 默认 | 最后 10 个 epoch 可以关掉,让模型学真实分布 |
| amp | True | 显存紧张时能省 3 成左右显存,精度损失可忽略 |
关掉 mosaic 这个操作,很多人不知道。mosaic 在训练前中期能增强模型泛化能力,但最后几个 epoch 它会让模型始终看到拼接图,和真实场景有偏差。我一般会通过 ultralytics 的配置项把 mosaic 在最后 10 到 15 个 epoch 置为 0,验证集 mAP 会有可见提升。
4.4 常见问题排查记录
第一个:训练结束后没有 best.pt,只有 last.pt。现象是 runs 目录下找不到 best 权重,或者 best 出现在前几个 epoch。原因是 patience 设得太小,验证集指标正常波动就触发了早停。解决方法是把 patience 调大到 20 以上,或者干脆设成 0 关掉早停,训练完再手动选权重。
第二个:验证集 mAP 正常,实际场景漏检一堆。现象是 val 上跑出来 0.8 的 mAP,拿到真实街景里一测,各种漏。原因是训练集和验证集太相似,随机划分导致同场景图片两边都有。解决方法是按场景分桶划分,validation 里只放模型没见过的场景,宁可 mAP 低一点,数据才真实。
第三个:CUDA error 或训练悄悄退回 CPU。现象是启动训练时报 out of memory,或者日志里 device 变成了 cpu。原因是 torch 版本和 CUDA 驱动不匹配,或者 batch 设得太大。解决方法是先跑nvidia-smi看驱动支持的最高 CUDA 版本,再用 conda 装对应版本的 torch;显存不够就把 batch 降到 8,别硬撑。
第四个:loss 一直降,但检测框偏移严重。现象是训练过程正常,预测时框和真实目标明显错位。原因多半是标注坐标出了问题,某些图片归一化坐标算错了。解决方法是随机抽 20 张图,把标注框画回图上,肉眼过一遍,这招比任何指标都直观,直接能定位到问题图片。
第五个:白天识别正常,傍晚就开始瞎检。现象是夜间或逆光场景误检率暴增。原因是数据集里暗光图片占比不足,模型没学到这个分布。解决方法是先统计图片亮度分布,确认一下数据集覆盖,如果缺太多光照场景,跑一个简单的曝光增强做数据扩充,比调参有用得多。
5. 验证与复用技巧:用难例挖掘补齐单类数据集的短板
训练完的权重不要急着收工,先跑一遍完整的验证流程,把模型的行为摸清楚。用这条命令能一次性产出混淆矩阵、PR 曲线和几张带预测框的样本图:
yolo detect val \ model=runs/shade_exp/weights/best.pt \ data=vehicle_umbrella.yaml \ plots=Trueplots=True 会在 runs 目录下生成 confusion_matrix.png 和 PR_curve.png。单类数据集看 PR 曲线不如看混淆矩阵有用,混淆矩阵里的 False Negative 才是漏检的重灾区——遮阳篷被背景淹没、被车身遮挡、或者角度太刁钻,这些模型没检出来的框,才是补数据的线索。
更实用的做法是难例挖掘。把 val 集里预测置信度在 0.3 到 0.7 之间的图片全部导出,人工扫一遍。置信度低不代表模型一定错了,但低置信度说明模型对这个样本的特征表达很犹豫。这些图里有相当一部分是遮挡、逆光、形变这类困难样本,把它们挑出来加进训练集,比随机补几十张普通图有效得多。单类数据集的短板就在于类内差异可能很大——同样是遮阳篷,三轮车上的和两轮车上的外形完全不同,模型很容易只学会其中一种,难例挖掘专治这个问题。
数据增强上,小数据集先别上花活。mosaic、HSV 扰动、随机透视这三样够用了,重点是把增强概率控制在合理范围,不要在训练后期让模型一直看变形图。如果你的目标偏向小目标,可以额外关注针对小目标的损失改进,但在 846 张的基础规模上,先把数据划分和难例补充做扎实,收益会明显得多。
我有一回为了省时间跳过混淆矩阵,只看整体 mAP 就草率收工。后来发现模型把车尾绑的行李当成遮阳篷,PR 曲线看起来还行,是因为正样本本来就少,误检被摊薄了。从那以后我每次拿到小数据集,都强制走一遍「按场景分桶划分 + 训练 + 混淆矩阵 + 置信度 0.3 到 0.7 难例抽取」这个流程,全部过完才开始调参。这套流程也推荐你用在这份数据上,希望帮到你。
本文还有配套的精品资源,点击获取