简介面向目标检测与智慧交通场景这份电动车、摩托车非法加装遮阳篷检测数据集包含846张真实拍摄图像已按Pascal VOC与YOLO两种格式完成标注并划分motor、motor-jz、motor-z三个类别分别对应普通摩托车、加装遮阳篷及遮阳篷状态可用框数总计1033个其中motor-jz框数达939个便于训练违规加装识别模型。压缩包共2000个文件以jpg图片、xml标注文件和txt标签文件为主xml与txt均846个jpg为306张整体大小约41.64MBVOC格式适合使用labelImg等工具二次检查YOLO格式可直接接入主流检测框架训练省去格式转换步骤。资源配有清晰的类别规则读者可复用于电动车管理、交通违法检测等项目的模型微调、精度评估与数据增强。该资源已有244人学习适合具备基础目标检测知识、需要规范标注数据的开发者或研究者。1. 电动车遮阳篷目标检测846 张数据能做什么事电动车摩托车非法加装遮阳篷在城市道路治理里是典型的高频低难度违章。交警、街道办、智慧园区想用摄像头自动抓这个现象难点不在算法多复杂而在有没有一套整理干净、格式统一的目标检测数据集可用。这个标题里的 846 张 VOC YOLO 双格式数据解决的就是这个起点问题单类别、外观简单、背景集中在道路和停车区正好够把一个目标检测模型从零练到能用的程度。适合两类人一类是从没跑通 YOLO 训练流程的入门者拿它当第一个完整项目另一类是已经在做违章识别但缺遮阳篷样本的从业者用它补类别数据或验证预训练效果。846 张对照动辄上万张的数据集不算大但遮阳篷目标大、特征明显小样本下跑通流程和拿到可用先验结果完全没问题。2. 先看懂数据集的“家底”VOC 与 YOLO 的目录结构和标注映射2.1 VOC 格式里有什么XML 标注的字段含义标题里的“VOC 格式”指的是 PASCAL VOC 的标注组织方式这套惯例在目标检测里流行了很多年核心是每个图片对应一个同名的 XML 标注文件。拿到手一般能看到 JPEGImages 放图片Annotations 放 XMLImageSets/Main 里放训练验证划分。打开一个 XML 文件里面记录的是图片名、图片宽高以及每个目标的类别名和真实像素坐标的检测框。annotation folderJPEGImages/folder filenameIMG_0012.jpg/filename size width1920/width height1080/height depth3/depth /size object namesunshade/name bndbox xmin412/xmin ymin318/ymin xmax886/xmax ymax726/ymax /bndbox /object /annotationVOC 的 bndbox 给的是四角像素坐标分别是左上角 xmin、ymin 和右下角 xmax、ymax。使用这个格式时要注意每张图里可能有多个 object也就是多个遮阳篷每个都要单独读出来。如果后续转成 YOLO 格式最关键的一点是 size 里的宽高不能错因为归一化坐标依赖这两个值。我拿到这种数据集时习惯先写一小段代码把 XML 里所有 bndbox 在原图上画出来快速核查标注框是不是贴在篷体边缘而不是把车身或骑手也圈进去。2.2 YOLO 格式归一化坐标与类别索引的换算YOLO 格式的标注文件是每张图一个 txt每行写一个目标格式固定为“类别序号 x_center y_center width height”其中 x_center、y_center 是中心点坐标width、height 是框的宽高四个值全部除以图片宽高做归一化。沿用上面 XML 的例子1920 宽、1080 高的图中框住 xmin412、ymin318、xmax886、ymax726换算式为 x_center((412886)/2)/1920≈0.338y_center((318726)/2)/1080≈0.483w(886-412)/1920≈0.247h(726-318)/1080≈0.378对应 txt 行就是 0 0.338 0.483 0.247 0.378。类别序号 0 来自 data.yaml 里 names 列表的顺序顺序不同序号就不同换模型时这是最容易埋坑的地方。VOC 与 YOLO 两种格式各有利弊VOC 可读性好能用 LabelImg 这类工具继续编辑方便排查错框YOLO 格式文件小Ultralytics YOLOv8 和 YOLOv11 的训练接口直接吃它不需要在训练时转换。绝大多数情况下我不会直接改原始 VOC 文件而是保留它做“底稿”再把派生出来的 YOLO 文件交给训练流程。两者对照如下排查格式问题时直接按这张表对字段。对比项VOC XMLYOLO txt坐标形式像素绝对坐标归一化相对坐标框描述xmin, ymin, xmax, ymaxx_center, y_center, width, height类别标识字符串 name整数序号文件组织每个目标一个 object 节点每个目标一行文本常用编辑器LabelImg 等任意文本编辑器2.3 双格式并存的坑同名文件、划分不一致与空标签同时拿到 VOC 和 YOLO 两套标注千万别假设它们一定完全对齐。最常见的问题是图片文件名两边一致但 XML 和 txt 里的目标数量不一致或者两个格式的类别定义顺序不同。VOC 里叫“sunshade”的目标在 YOLO 这边未必对应序号 0需要打开 data.yaml 或 classes.txt 核对。还有一类问题是数据集里存在空标签图也就是某张图没有任何目标VOC 的 XML 里没有 object 节点YOLO 这边对应的 txt 是零字节空文件YOLO 训练会跳过它但检查脚本如果只按“文件存在”判断结果空文件很容易漏过去。我拿到这种双格式数据的第一件事不是训练而是做一次一致性校验图片数量、XML 数量、txt 数量三方对齐。如果图片是 846 张那么 XML 和 txt 也应该各是 846 个数量对不上就先处理缺失不要带着断档硬训练。另外如果数据集里预置了 ImageSets/Main 的 train.txt、val.txt也要在 YOLO 目录里找到对应的划分文件两边划分不一致会导致同一个遮阳篷在 VOC 流程和 YOLO 流程里分属不同集合评估结果没法横向对比。3. 把 846 张双格式数据跑通 YOLOv8重组目录、校验标签、最小训练命令3.1 标签完整性校验脚本缺 XML 或缺 txt 一目了然在正式训练前先用一段小脚本把图片与标注的对应关系查一遍。脚本不必复杂按文件名前缀匹配即可目标是把缺失项列出来。这也是判断数据集“是否干净”的第一步很多下载来的数据集会在打包复制时丢掉部分标注文件直接训练会让模型在收敛阶段出现诡异的验证指标波动。import os img_dir JPEGImages voc_dir Annotations yolo_dir labels missing_voc [] missing_yolo [] for img in sorted(os.listdir(img_dir)): if not img.lower().endswith((.jpg, .jpeg, .png)): continue name os.path.splitext(img)[0] if not os.path.exists(os.path.join(voc_dir, name .xml)): missing_voc.append(img) if not os.path.exists(os.path.join(yolo_dir, name .txt)): missing_yolo.append(img) print(缺 VOC XML 的图片:, len(missing_voc), missing_voc[:10]) print(缺 YOLO txt 的图片:, len(missing_yolo), missing_yolo[:10])这段脚本背后有两个参数值得关注一是图片扩展名集合只统计 jpg、jpeg、png避免把缩略图或隐藏文件混入二是 missing 列表只打印前十项避免数据集较大时控制台刷屏。实际跑的时候我还建议把“txt 存在但为空”也单独统计读到文件后检查 os.path.getsize 是否为零空文件不报错但没有任何监督信号它对应的图片会被训练流程白白跳过。对 846 张的小数据集来说这一步花几十秒但能省掉训练后在验证集上发现 mAP 偏低却又查不出原因的半天时间。3.2 重组 YOLO 目录并划分 train/val一份可复制的拆分脚本YOLO 训练期望的目录结构不是把所有图片放一个文件夹、所有标注放另一个文件夹而是按照 images/train、images/val、labels/train、labels/val 分层组织同名图片和同名标注必须分别在同一层的 images 和 labels 下。写脚本前先约定一个固定随机种子保证多次运行划分结果一致这一点在复现实验时非常重要否则每次划分不同两次训练的结果就没有可比性。import os, random, shutil random.seed(42) img_dir images_all label_dir labels_all train_img images/train val_img images/val train_lbl labels/train val_lbl labels/val for d in [train_img, val_img, train_lbl, val_lbl]: os.makedirs(d, exist_okTrue) imgs [f for f in os.listdir(img_dir) if f.lower().endswith((.jpg, .jpeg, .png))] random.shuffle(imgs) val_count int(len(imgs) * 0.2) val_set set(imgs[:val_count]) for img in imgs: name os.path.splitext(img)[0] if img in val_set: shutil.copy(os.path.join(img_dir, img), os.path.join(val_img, img)) shutil.copy(os.path.join(label_dir, name .txt), os.path.join(val_lbl, name .txt)) else: shutil.copy(os.path.join(img_dir, img), os.path.join(train_img, img)) shutil.copy(os.path.join(label_dir, name .txt), os.path.join(train_lbl, name .txt)) print(train:, len(imgs) - val_count, val:, val_count)这段脚本里 val 比例我取了 0.2对应 846 张图大约 169 张验证。对小数据集验证比例不建议低于 0.15否则验证集只有一百来张mAP 的波动会非常大稍微调一下置信度阈值指标就上下跳。另一个值得注意的技术点是 val_set 用集合而不是列表in 判断的时间复杂度是 O(1)数据集扩张到几万张时这个效率差异会非常明显。如果之后要加测试集可以改成 val_count 和 test_count 两段切片逻辑不用变。3.3 最小可跑训练命令与超参初值YOLOv8 从 846 张图开始数据目录就绪后训练本身其实只需要一个 yaml 文件和一行命令。yaml 告诉模型去哪里找图、有几个类别、类别叫什么名字。注意 names 的顺序直接决定 YOLO txt 里整数序号的语义这里填错一个顺序前期标注全部作废。# data.yaml train: ./images/train val: ./images/val nc: 1 names: [sunshade]yolo detect train modelyolov8n.pt datadata.yaml epochs100 imgsz640 batch16 device0上面命令里几个参数的取值理由值得交代清楚。model 我用 yolov8nn 是 nano 版本参数量最小、训练最快对 846 张这种小数据先拿它验证流程完全够用不用一上来就用 yolov8l 或 xl。epochs 设 100 是因为数据量小模型在 60 到 80 轮左右通常就收敛设大一点观察曲线更安全。imgsz 取 640 是速度和精度的折中如果图片本身是 1920 宽640 会缩放但遮阳篷属于大目标缩到 640 依然保留足够特征。batch 16 要看显存8GB 显存跑 16 可能吃紧报 CUDA out of memory 就降到 8 或 4。训练结束后看 runs/detect/train 目录下的结果weights/best.pt 是验证集上最优权重weights/last.pt 是最后一轮权重小数据集我强烈建议用 best.pt 做后续推理因为遮阳篷类目简单最后一轮可能已经过拟合best 由验证集选择泛化更稳。训练日志里还要重点看每轮的 box_loss、cls_loss 和验证集的 mAP50、mAP50-95这几项决定了模型是欠拟合还是已经吃透了数据。4. 遮阳篷训练的 5 类翻车现场从 loss 异常到漏检的排查清单4.1 现象一loss 一开始就不降检查 XML 里的脏框和“飞框”用这份数据集训练时最直观的失败信号是 loss 曲线前 20 轮纹丝不动或者掉到某个平台后就再也不降。我排查这种问题从来不看网络结构先直接在图上画标注框。把 XML 里读出的 bndbox 画回原图如果发现大量框画在车棚、树荫、店铺招牌上或者 xmin、ymax 大于图片宽高说明标注文件里混入了脏框这些伪目标会让模型反复震荡。原因多数在两个地方。一是 VOC 转 YOLO 时坐标没做越界裁剪某个框的 xmax 算出来超过图片宽度归一化后变成大于 1 的值模型学到的是“遮阳篷可以超出画面”推理时就会在画面边缘产生一堆虚框。二是部分图片的目标被人为标错比如把电动车后备箱上的塑料箱也框进去了。解决方法是写一个过滤脚本把 bndbox 越界和目标宽高小于图片宽高 3% 的样本全部筛出来人工复核宁可删图也不能带病训练。小数据集的容错率很低脏框占比 1% 的后果会被放大。4.2 现象二mAP50 很高但现场实拍漏检问题多数在输入尺寸和置信度阈值有一种很迷惑的情况验证集上 mAP50 有 0.9 以上模型看起来已经练得很好但拿到真实摄像头画面去跑同一个遮阳篷就是检测不到。这类翻车的根子一般在两点第一点是训练时 imgsz 取的 640 而现场画面是 1920 或者更高模型训练时见到的目标尺寸和推理时见到的差了太多第二点是推理时置信度阈值设得太高比如默认 0.25 用在遮阳篷这种类间差异小的场景上还合适但如果验证集本身就只含正样本模型评估会被高估。解决思路是把 imgsz 提高到 960 甚至 1280 重新训练一版对比 mAP 变化推理时把 conf 从 0.25 往下调到 0.1 到 0.15观察误检数量能不能接受。遮阳篷的漏检成本远高于误检成本街道场景里多框几个误检可以人工复审漏掉一个违章就是一起事故隐患。我一般会在验证时同时打印 conf 低于当前阈值但分数确实较高的“假阴性”这样才能看清模型真实能力。4.3 现象三白天正常、逆光和雨天翻车数据增强比例需要校准电动车遮阳篷的数据集大部分拍摄于晴朗白天光线足、阴影少、篷体轮廓清晰。一旦换到逆光、傍晚或雨天场景模型表现会明显下滑因为训练分布里这些特征太少了。多数人第一反应是把 YOLO 的增强参数全部拉大比如 hsv_h、hsv_s、hsv_v 拉满结果模型反而在正常画面上也出现抖动这是因为增强太强把原本稳定的“篷体颜色”信号破坏了。更合理的做法是定向增强遮阳篷的主要干扰来自光照变化和背景复杂化优先调 hsv_v 加亮度扰动、degrees 加轻微旋转、translate 模拟车辆在不同画面位置而不要动 mosaic 和 mixup 的默认关闭状态。846 张的小数据集用高比例 mosaic 会产生大量拼接出来的奇怪场景模型容易学到“遮阳篷旁边一定有一段马路”这类伪特征泛化到新场景反而更差。4.4 现象四车身和篷体重叠时只出一个框NMS 合并了本应分开的目标另一类高频问题和模型本身无关而是后处理合并策略。一个电动车同时存在车身和遮阳篷时检测器可能输出两个高置信度框一个紧贴篷体一个罩住整车NMS 按 IoU 0.45 去重时把靠中间的那个框保留、边缘的篷框当成重复框删掉了。验证集上这样算 mAP 没有问题因为标注本身只有一个 box但业务上如果后续要做“篷是否遮住车身”的判断就会因为缺了车框而失败。解决方向是在训练标注层面就明确语义这份数据集的标注框到底框什么。如果框的是遮阳篷整体那么 NMS 保留篷框没问题如果业务还要联动车身就需要把类别改为两个并在标注阶段把车身和篷分开标。只改后处理阈值治标不治本因为模型输出的就是单个框。这个坑在目标检测落地时特别隐蔽我见过不止一次团队花了几天调 NMS 参数最后回去改了标注定义才真正解决。4.5 现象五重训复现不出上一版指标随机种子和数据划分顺序的锅用同一份 846 张数据同一个人隔一周重训输出 mAP 却差 3 到 5 个百分点这种情况在找原因前先别怀疑代码大概率是数据划分和增强随机性没锁住。我见过不少数据集的 YOLO 目录里只有全部图片和标签没有预置的 train.txt、val.txt训练脚本每次运行时用 random 重新划分两次划分的验证集不同指标当然对不上。解决方法是把划分后的文件名单固化下来划分脚本执行一次后把 train 和 val 的图片文件名分别保存成 train.txt、val.txt之后的每次训练都从这两个文件读取。同时固定 random.seed 和 pytorch 的 seed保证增强流程可复现。小数据集对数据顺序特别敏感我自己的习惯是把划分结果提交到版本管理里任何一次训练都能精确定位用了哪些图做验证出了指标争议才有据可查。5. 验证与进阶用 100 张新图和一张 ONNX 模型收口5.1 用小批量实拍图验证置信度阈值与误检率训练结束后真正的验收不是看训练集的 mAP而是准备一批模型没见过、最好是从另一个路段或另一个摄像头拍的照片跑一次推理统计误检和漏检。对 846 张的小数据集我强烈建议预留 80 到 100 张完全不进训练流程的实拍图专门用来调最终置信度阈值。from ultralytics import YOLO model YOLO(runs/detect/train/weights/best.pt) results model.predict(sourcetest_imgs, conf0.15, saveTrue) for r in results: boxes r.boxes for i in range(len(boxes)): cls int(boxes.cls[i].item()) conf float(boxes.conf[i].item()) x1, y1, x2, y2 boxes.xyxy[i].tolist() print(fclass{cls} conf{conf:.2f} box({x1:.0f},{y1:.0f},{x2:.0f},{y2:.0f}))控制台打印的每一行代表一个检测结果class 是类别序号conf 是置信度xyxy 是像素坐标。每换一个 conf就对比输出数量和误检框当漏检消失且误检数量可接受时那个阈值就是最终部署值。值得注意的是逐帧打印在照片集上没问题但视频推理时建议只统计不打印否则输出文件会迅速膨胀。5.2 导出 ONNX 并部署到边缘设备的落地经验验证通过后下一步就是把 PyTorch 权重变成能部署的形态。常见做法是导出 ONNX再用 ONNX Runtime 或者转成 OpenVINO、TensorRT 在边缘盒子、工控机、摄像头端侧跑。yolo export modelruns/detect/train/weights/best.pt formatonnx imgsz640导出的 onnx 文件可以直接用 onnxruntime 加载但部署前后必须对比一次推理结果是否和 PyTorch 输出一致特别是归一化方式。YOLO 预处理通常要把像素值除以 255 并转换成 CHW 通道顺序这一步在端侧 C 工程里最容易出错输出框坐标和原图对不上十有八九是预处理与训练时不一致。对小数据集方案来说ONNX 动态轴可以省去为每个分辨率单独导出的麻烦但端侧推理速度会略慢实际取舍要按现场设备试。最后说一个我自己栽过的跟头第一次用这种小数据集做项目验收时我把所有精力都放在提升 mAP 上结果现场试运行发现摄像头角度一换原本漂亮的指标立刻失灵。后来每次拿到这种数据我都先问一句这 846 张图能覆盖几种光线、几个路段、几种车型答案不全就把它当预训练和流程验证而不是直接上生产的全部底气。遮阳篷检测的数据和代码只是开始真正值钱的部分是用小样本快速打通从标注到部署的整条链路这条路走得通后面换任何新违章类别都能快速复制。希望今天这份笔记里的步骤和坑能帮到你少走几步弯路。本文还有配套的精品资源点击获取