恶劣天气下的YOLO目标检测数据集：让行人车辆在风雪沙尘中更可见

简介：面向目标检测算法训练与恶劣天气场景研究的行人车辆数据集，涵盖了雾天、大雪、沙尘暴、薄雾等不同天气下的道路图像，共标注7类目标（car、bus、person、truck等），使用YOLO格式txt标注，能直接喂给YOLOv5、YOLOv8等主流检测框架训练，也可作为本科毕设、课程设计或算法改进实验的验证数据。资源共2000个文件，主体为972张jpg原图和1027个txt标注文件，另附1个py可视化脚本，压缩包整体约133.76MB；数据已经按训练集与测试集划分，运行show脚本可随机展示图片及对应标注框，便于快速检查标签质量与样本分布。目前已有157人学习下载。与常规晴天数据集相比，这份数据包聚焦低可见度场景，类别覆盖行人、轿车、客车、卡车等常见道路目标，能够帮助读者积累雨雪沙尘天气下的标注规范与模型调参经验，也可为后续做恶劣环境检测算法优化提供可靠基准。

1. 恶劣天气下的目标检测：一份让行人车辆「看得见」的 YOLO 数据集

一个在晴天数据集上 mAP 能跑到 0.87 的 YOLO 模型，遇到暴雪天气可能直接掉到 0.5——不是网络结构不行，是它没见过雪天里的行人长什么样。恶劣天气目标检测项目最缺的往往不是更花哨的网络，而是带高质量标注的恶劣天气图像数据。这份资源提供约 1000 张已标注图片，覆盖暴雪、薄雾、沙尘、大雾四类道路场景，全部按 YOLO 标注格式做好标签，类别包含 car、bus、person、truck 等 7 个道路目标，并已完成训练集与测试集划分。它天然适合正在做 YOLOv5/v8 检测却被天气泛化问题卡住的人，也适合需要真实天气数据做改进实验、组合数据增强的开发者。拿到手可以直接丢进训练管道，省掉最脏最累的洗数据环节。

2. 数据全景：从文件名到标注格式，1000 张图里藏着什么

数据集的质量直接决定模型上线后会不会翻车。这份资源我拆开看过，先说结论：它的文件名本身就是天气标签。snow_storm-347.jpg是暴雪，mist-101.jpg是薄雾，sand_storm-184.jpg是沙尘，foggy-040.jpg是大雾。这意味着你不需要额外写分类脚本，光靠文件名前缀就能把测试集按天气场景拆分，做分组评估非常方便。

2.1 天气场景构成：四种恶劣条件的图像特征

四种天气对图像的影响结构完全不同。暴雪在画面里形成大块高光区域，地面和车顶被积雪覆盖，目标和背景的对比度被压得很低，远处行人几乎融入雪面；薄雾是全局对比度下降，目标轮廓还在但细节丢失；沙尘暴最特殊，整张画面偏黄偏暗，白平衡被彻底打乱，颜色信息失真严重，连 bus 的红色标识都可能变成土黄色；大雾则把远处的目标「吞」掉，近处目标边缘也变得模糊。

真实的雪不是高斯噪声，而是成块的高光白色区域；沙尘不是简单的亮度变化，而是全局色偏。模型在混合天气数据上训练，比在单一晴天数据上训练学到的特征鲁棒得多——这正是这份数据必须存在的理由：网上随手扒来的晴天数据集，永远补不上雪天的高光噪声和沙尘的色偏结构。

2.2 类别与标注格式：classes 文件与归一化坐标

数据一共标注了 7 个类别，明确包含 car、bus、person、truck，其余类别的完整名单以你拿到的 classes 文件为准。拿到数据第一件事就是打开 classes.txt 核对类别顺序：YOLO 的类别编号是写死在 txt 标签第一列的，classes.txt 第 0 行对应 id 0，所有 car 的标签第一列都必须是 0。这个顺序一旦错位，训练出来的模型会把所有类别名张冠李戴。

每个图片同名 txt 里的标注行格式固定为五列：

0 0.512345 0.448912 0.210234 0.318765 2 0.710521 0.230192 0.123456 0.245678 3 0.392488 0.618945 0.189723 0.250123

第一列是类别 id，后面四个数是归一化坐标，分别代表 bbox 中心点的 x、y 和宽、高。这些值全部除以了原图尺寸，范围在 0 到 1 之间。反算像素坐标的公式很简单：x_pixel = x_center * img_width，y_pixel = y_center * img_height，宽高同理。归一化的好处在于图片最终要 resize 到 640 或者 960，坐标在缩放后依然有效，不需要重新换算——这是 YOLO 系标注格式的通用约定。

另外建议可视化时留意雾天和暴雪天气下的大目标框：如果框普遍比目标小半圈，说明标注边界和真实目标边缘存在系统性偏差，这类脏标签会在训练时把边框回归带偏，后面避坑章节会专门讲怎么处理。

2.3 目录结构：训练测试划分与 show 脚本的位置

这份数据已经做好训练集和测试集划分，常见目录布局如下：

weather_dataset/ ├── classes.txt ├── images/ │ ├── train/ │ │ ├── snow_storm-347.jpg │ │ ├── mist-101.jpg │ │ └── ... │ └── test/ │ ├── sand_storm-184.jpg │ └── ... ├── labels/ │ ├── train/ │ │ ├── snow_storm-347.txt │ │ └── ... │ └── test/ │ └── ... └── show.py

labels 目录下的每个 txt 与 images 下同名 jpg 一一对应，这是 YOLO 数据的基本约定。如果你拿到的包里有 val 目录就直接用，没有的话建议从训练集里按天气比例抽 10% 出来做验证集，只在 test 上选最优权重容易过拟合。show.py 脚本做的事情是遍历 images 找 jpg，去 labels 找同名 txt，把框和类名画回图上，核心代码下一章直接展开讲。

拿到手后的标准动作是三步：先打开 classes.txt 核准类别，再跑 show.py 看标注质量，最后用脚本统计每个类别的样本数量。前两步两分钟就能做完，能帮你判断这批数据值不值得投入训练时间。

3. 快速跑通：环境、可视化脚本与 YOLOv5 训练首跑

这一章完成从零到训练起来的全过程。先搭好 Python 环境，跑通可视化确认数据没问题，再组织成 YAML 配置丢给 YOLOv5 训练。整个过程不涉及改模型结构，属于「先把管道跑通」的基准操作。

3.1 环境准备：Python 版本与依赖清单

可视化只需要三个库：opencv-python、matplotlib、numpy，加上读取 YAML 配置用的 pyyaml。如果要训练，再补 torch 和 torchvision。建议用 conda 建一个独立环境，避免污染其他项目。

conda create -n yolo-weather python=3.8 -y conda activate yolo-weather pip install opencv-python matplotlib numpy pyyaml # 训练才需要 torch，装 CPU 版跑可视化也不需要 pip install torch torchvision

Python 3.8 对 YOLOv5 和 YOLOv8 都兼容，属于最不容易出版本冲突的选择。如果你有 NVIDIA 显卡且装了 CUDA，torch 会自动启用 GPU 加速；显存低于 6G 的话建议先用 CPU 跑完 show 脚本，把数据质量确认好再考虑训练，否则训练中显存溢出会浪费很多时间排查。torch 安装失败最常见的原因是 CUDA 版本和 wheel 包不匹配，官方源按默认装一般不会出问题。

3.2 可视化原图与标签：show 脚本的核心逻辑

show.py 脚本是这个数据集自带的，核心逻辑用 OpenCV 把标签画回原图，逐张按回车翻页查看。下面是等价实现，也方便你按自己的需求改：

import cv2 from pathlib import Path img_dir = Path("images/train") # 先看训练集，确认后再看 test label_dir = Path("labels/train") class_file = Path("classes.txt") with open(class_file, "r", encoding="utf-8") as f: names = [line.strip() for line in f if line.strip()] for img_path in sorted(img_dir.glob("*.jpg")): label_path = label_dir / (img_path.stem + ".txt") img = cv2.imread(str(img_path)) if img is None: print("跳过无法读取的图片:", img_path) continue h, w = img.shape[:2] if label_path.exists(): for line in label_path.read_text(encoding="utf-8").splitlines(): parts = line.strip().split() if len(parts) != 5: continue cls_id, x_c, y_c, bw, bh = map(float, parts) cx, cy = int(x_c * w), int(y_c * h) bw_p, bh_p = int(bw * w), int(bh * h) x1, y1 = cx - bw_p // 2, cy - bh_p // 2 x2, y2 = x1 + bw_p, y1 + bh_p color = (0, 255, 0) cv2.rectangle(img, (x1, y1), (x2, y2), color, 2) cv2.putText(img, names[int(cls_id)], (x1, y1 - 5), cv2.FONT_HERSHEY_SIMPLEX, 0.6, color, 2) cv2.imshow("weather-label-check", img) if cv2.waitKey(0) & 0xFF == ord("q"): break cv2.destroyAllWindows()

这段脚本的关键点有几个：img_path.stem取文件名不带后缀，用来拼同名 txt；shape[:2]拿的是原始图像的高和宽，后续像素坐标换算全部以它为准；标签每行用split()而不是split(" ")，是为了兼容多个空格或制表符分隔。按 q 键退出，按任意其他键看下一张。

跑完可视化后重点看三类图：暴雪里远处的 person 有没有被标出来、沙尘图里 bus 的框是不是偏了、雾天边缘模糊的 truck 框是否贴近目标边缘。这一步发现的标注质量问题，越早处理对训练越有利。

3.3 组织数据并启动训练：一条 YOLOv5 训练命令

可视化确认没问题后，需要写一个 data.yaml 告诉 YOLOv5 数据在哪、有几类。注意 names 的顺序必须和 classes.txt 完全一致，这里给出一个示例结构，实际类别以你的 classes.txt 为准：

path: ../weather_dataset train: images/train val: images/train # 没有 val 时先拿 train 顶一下，正式训练建议单独分 test: images/test nc: 7 names: 0: car 1: bus 2: person 3: truck 4: motorcycle 5: bicycle 6: rider

cd yolov5 python train.py --img 640 --batch 16 --epochs 100 \ --data ../weather_dataset/weather.yaml \ --weights yolov5s.pt --name weather-exp1

--img 640是输入网络的边长，640 是显存和效果之间的平衡点；--batch 16在 8G 显存左右比较稳，显存不够就降到 8 而不是降分辨率；--weights yolov5s.pt用 COCO 预训练权重做初始化。1000 张数据从零训练很容易过拟合，但用预训练权重起步时，模型已经知道车和人的基本形态，只需要学「雪天里的车长什么样」，这是迁移学习的标准用法，也是这个数据量下最不容易翻车的选择。

配套的 YOLOv5 改进实战笔记里有大量针对 backbone 和训练策略的调法，和这份数据配合着看会更快上手。跑完第一个 100 epochs 后别急着下结论，先看 val 的 mAP 曲线和 PR 曲线，再决定是加 epochs 还是换更大输入尺寸。

4. 核心实现拆解：标签解析、预处理增强与训练配置的完整链路

数据管道跑通只是第一步，真正决定模型上限的是标签解析的正确性、天气场景的预处理策略和训练参数的选择。这一章把数据到模型的完整链路拆开讲。

4.1 解析 YOLO 标注：从 txt 到像素坐标的换算

无论是训练还是评估，第一步都是把归一化坐标还原成像素坐标。下面这个函数可以复用到项目的任何环节：

def load_label(txt_path, img_w, img_h): """解析 YOLO txt 标签，返回绝对像素坐标框""" boxes = [] with open(txt_path, "r", encoding="utf-8") as f: for line in f: parts = line.strip().split() if len(parts) < 5: continue cls_id = int(parts[0]) x_c, y_c = float(parts[1]), float(parts[2]) bw, bh = float(parts[3]), float(parts[4]) # 中心点坐标转左上角和右下角坐标 x1 = (x_c - bw / 2) * img_w y1 = (y_c - bh / 2) * img_h x2 = (x_c + bw / 2) * img_w y2 = (y_c + bh / 2) * img_h boxes.append((cls_id, x1, y1, x2, y2)) return boxes

换算逻辑很直接：bbox 的存储格式是中心点和宽高，先减半宽得到左边界，再加半宽得到右边界，最后乘以图像宽高还原成像素坐标。返回的(x1, y1, x2, y2)是绝对坐标框，画图、裁剪、算 IoU 都基于这个格式。

这段代码刻意没做越界裁剪，因为越界本身就是信号。如果解析出来的框有负数坐标或者超过图像宽高，说明标签里有脏数据；如果这种越界框占了 5% 以上，就要重新考虑这批数据的可信度。解析时用split()而不是split(" ")能兼容制表符和连续空格，避免因为格式细节报错。

4.2 数据加载与预处理：针对天气噪声的增强策略

通用目标检测的数据增强是随机裁剪、翻转、HSV 扰动，但天气数据的预处理应该针对天气噪声的结构来做。雾天图像对比度低，用 CLAHE（对比度受限自适应直方图均衡）提升局部对比度很有效；沙尘图偏色严重，灰度世界白平衡能把黄色调拉回来。下面两个函数是我处理天气数据时常用的：

import cv2 import numpy as np def clahe_rgb(img, clip=2.0): """雾天/薄雾增强：CLAHE 提升局部对比度""" lab = cv2.cvtColor(img, cv2.COLOR_BGR2LAB) l, a, b = cv2.split(lab) clahe = cv2.createCLAHE(clipLimit=clip, tileGridSize=(8, 8)) l = clahe.apply(l) lab = cv2.merge((l, a, b)) return cv2.cvtColor(lab, cv2.COLOR_LAB2BGR) def gray_world_white_balance(img): """沙尘图增强：灰度世界白平衡校正色偏""" b, g, r = cv2.split(img) mean_b, mean_g, mean_r = b.mean(), g.mean(), r.mean() gray = (mean_b + mean_g + mean_r) / 3 b = np.clip(b * (gray / max(mean_b, 1e-5)), 0, 255).astype(np.uint8) g = np.clip(g * (gray / max(mean_g, 1e-5)), 0, 255).astype(np.uint8) r = np.clip(r * (gray / max(mean_r, 1e-5)), 0, 255).astype(np.uint8) return cv2.merge((b, g, r))

CLAHE 的两个参数值得说明：clipLimit 是裁剪限制，值越大对比度增强越强，2.0 左右比较安全，超过 3.0 容易把阴影噪声也放大；tileGridSize 是分块大小，(8,8) 表示把图像分成 8x8 的小块分别做直方图均衡，能避免全局均衡造成的过度曝光。灰度世界白平衡的假设是画面的平均颜色趋向中性灰，所以把每个通道的平均值拉平——这个假设在沙尘场景下基本成立，但对大面积单色路面可能失效，用之前先看一眼效果。

预处理变换不要太激进，否则会把阴影误判成目标。更重要的原则是：增强变换应该在训练时随机应用，让模型看到不同强度的天气退化，而不是只在推理时做一次固定预处理。YOLOv5 自带的 mosaic 增强对天气数据尤其有效——它把雪天、雾天、沙尘天的目标拼到同一张训练图上，缓解不同天气样本量不均带来的偏见。

4.3 训练配置：模型、输入尺寸与类不平衡的调法

天气场景里小目标占比高，被困在雪地里的行人可能只有几十个像素。这种情况下输入尺寸比 backbone 网络的选择更影响最终效果，参考配置如下：

我一般先用 640 跑 100 epochs 做基线，记录 val mAP，再开一个 960 的训练微调 30 epochs，看 mAP 提升幅度是否值得增加的训练时间。天气数据样本只有 1000 张，训练时间不会太长，多跑几个配置对比成本可控。

类别不平衡是这类道路数据的高频问题：person 的标注数量可能只有 car 的五分之一，模型训练时会天然偏向高频类别，结果就是车检得不错、人漏检严重。处理办法有两个：一是在 YOLOv5 的 hyp 超参数里调cls_pw，把它从默认的 1.0 改成类别数量的反比，增大少样本类别在分类损失里的权重；二是在数据层面把 person 的样本复制几份混进训练集，等价于做类别加权。第一个方法更干净，血泪经验是两种都试一下，在 val 集上对比 person 类别的 mAP 再决定留哪个。

5. 避坑指南：恶劣天气数据最容易踩的 5 个坑

天气数据的坑比普通数据集多一个维度——图像本身被天气「污染」，标注质量、颜色分布、场景划分都会出问题。以下是实际使用中最常见的 5 个坑，每条都按「现象 → 原因 → 解决」给出处理方案。

5.1 雾天边界框「差半截」

跑 show 可视化时会发现：雾天背景下远处的车，标注框明显比目标小一圈，框的边界落在目标的轮廓内部，没有贴住边缘。原因不难理解，雾中目标边缘不可见，标注员只能凭经验补框，不同人补出来的尺度不统一，甚至同一个人在不同雾浓度下也会画偏。

这个坑不解决会直接影响边框回归的质量，模型学到的框尺寸系统性地偏小。解决思路是宁缺毋滥：写个脚本按「框面积占整图比例小于 0.001 且文件名前缀为 foggy」把可疑目标筛出来，人工逐张确认，模棱两可的直接从训练集中剔除。1000 张数据的体量经不起脏标签的污染，删掉几十个问题框对样本量的影响很小，但对 mAP 的改善很明显。

5.2 类别严重不均衡：person 远少于 car

训练完看 val 结果，car 的 mAP 到 0.9，person 只有 0.3，甚至更低。根因是样本数量差距超过 5 倍，模型把 person 当成稀有类，学了但没学好，代价函数里 person 的分类误差占比太小。这种情况下继续加 epochs 也没用，损失函数根本不会把采样频率低的类别当回事。

解决路径有两条：改cls_pw增大 person 的损失权重，或者对 person 样本做过采样，把含 person 的图片复制两份放进训练集。复制样本是最直接的手段，虽然会带来一定的过拟合风险，但在 1000 张数据量下收益大于风险。改完重新训练，盯着 person 类别的 mAP 看是否抬升，别只看整体 mAP 的平均值。

5.3 沙尘图整体偏色导致漏检和误检

沙尘场景下模型表现不稳定：truck 经常检不出来，bus 被误检成 car。原因是沙尘图的黄褐色调把目标的颜色信息淹没了，模型在训练时把「黄色调」当成了背景特征，目标本身的边缘和纹理反而被忽略。

解决思路是在数据增强里加入色调扰动，模拟沙尘天的颜色偏移，让模型学会忽略色偏的影响。HSV 增强里的 H（色调）和 S（饱和度）扰动范围可以比晴天数据调大一些，比如 H 扰动从默认的 ±0.015 加到 ±0.03。同时可以配合上一章的灰度世界白平衡做预处理，双管齐下，注意增强力度别大到把暗色目标洗成全黑。

5.4 同源帧进了测试集，评估结果虚高

这是最隐蔽的一个坑。现象是训练 mAP 0.85、测试 mAP 0.82，看起来表现不错，但模型一上线到真实雪天路段就崩到 0.5。原因是同一段路连续拍摄的帧图像高度相似，随机划分数据集时，测试集里出现了大量和训练集几乎同源的图片，评估结果虚高。

正确做法是按天气场景分组划分，而不是随机打散文件。这份数据的文件名前缀天然提供了分组依据：把snow_storm-、mist-、sand_storm-、foggy-四种前缀的图片整组划分，保证同一天气场景的所有帧只出现在训练集或测试集的一侧。如果数据量允许，还可以按拍摄时段分组，进一步降低相关性。

5.5 Windows 上跑通、Linux 上翻车的路径分隔符

在 Windows 本地跑 show 脚本一切正常，把数据打包上传到 Linux 服务器训练，报 FileNotFoundError，找不到图片文件。原因是索引文件或脚本里写了反斜杠路径，Windows 认、Linux 不认，换到服务器就变成无效路径。

解决方式是统一用 pathlib 处理路径，一行代码搞定：路径字符串用str(Path(p).resolve())转成绝对路径，或者用.as_posix()把分隔符统一转成正斜杠。养成这个习惯后，换机器再也不会因为路径问题浪费半小时排查。这是我每次换环境都会踩的坑，也建议大家拿到任何数据集，先把所有路径操作改成 pathlib 再开始跑。

6. 改造落地：按天气分组评估与数据增强的实战路径

拿到这份数据，最常见的三个改造方向：扩展类别、混入晴天数据增强、按天气分组评估。扩展类别的做法是改 classes.txt 追加新类名，同步更新 weather.yaml 里的 nc 和 names，再用半自动标注工具补新类别的框——注意新类别的编号只能追加在末尾，不能插在中间，否则所有已有标签的类别 id 全部错位，这是 YOLO 格式最容易忽略的连环坑。

如果你的项目本来就有大量晴天道路数据，把这份天气数据当作「增强样本」以 1:2 的比例混入训练，比单独训练天气模型更稳。模型先在大规模晴天数据上学会目标的基本形态，再用天气数据微调适应退化场景，泛化能力会好不少。这也是最省力的改造路径，不用改动任何网络结构，只调 data.yaml 里的训练集路径。

最后是我的核心建议：按天气分组评估，而不是看整体 mAP。写一个脚本按文件名前缀把 test 集拆成 snow_storm、mist、sand_storm、foggy 四组，逐组跑 val 统计 mAP，结果往往能颠覆你对模型的判断。出现过一次让我印象很深的事：整体 mAP 看起来有 0.78，按天气拆分后发现雪天只有 0.41，其他三组都在 0.8 以上——问题被平均值完美掩盖了。从那以后我每次训练天气模型，评估阶段都强制走一遍分组统计流程，先看各组分数再决定改预处理方向和增强策略。希望帮到你。

本文还有配套的精品资源，点击获取