简介这份摩托车数据集面向目标检测初学者与需要快速验证模型的研究者提供单类别「motorcycle」的标注样本可直接用于YOLO或Pascal VOC流程的训练与测试。包内共2000个文件以1999个xml标注文件和1个说明txt为主压缩包约648.33MB另含3502张jpg图片及对应的yolo格式txt标注xml与txt一一对应方便在两种主流框架间切换。全部标注由labelImg完成采用矩形框方式共标注8654个摩托车目标框类别数仅为1标注规则统一适合做单类检测的基线实验或数据增强练习。目前已有586人学习下载可作为入门目标检测、验证数据加载与标注解析流程的实用素材。需要说明的是数据集仅提供准确且合理的标注不对训练所得模型或权重文件的精度作任何保证使用者需自行评估效果。1. 摩托车数据集3500张VOCYOLO格式拿到手之后先想清楚三件事你从某个渠道拿到一个压缩包解压后看到Annotations、JPEGImages、ImageSets三个文件夹外加一个labels目录和一份data.yaml这就是典型的摩托车数据集3500张VOCYOLO格式。它同时提供了两套标注VOC 的 XML 和 YOLO 的 TXT意味着你既可以用它跑 YOLOv5/v8/v11 这类检测器也能把它转成 COCO 去喂别的框架。但先别急着train.py我见过太多人拿到数据集直接开跑结果 mAP 卡在 0.3 上不去回头查半天发现是类别名对不上、坐标没归一化、或者训练集里混进了验证集的图。这个数据集的核心价值在于“摩托车”这个单一类别3500 张的规模属于中小型够你从零训一个能用的检测模型也够你做迁移学习后的微调。适合谁做交通场景车辆检测的、做外卖/快递骑手识别的、做园区两轮车管理的以及想拿一个干净单类数据集练手 YOLO 全流程的人。但你要清楚3500 张里如果场景单一、角度重复实际有效样本可能只有一半所以第一步不是训练是审数据。2. 拆开压缩包VOC 与 YOLO 两套标注到底怎么对应2.1 VOC 的 XML 结构与你真正要读的字段VOC 格式每张图对应一个 XML文件名和图片名一致。打开一个 XML你会看到size里有width、height、depthobject里有name和bndbox的xmin、ymin、xmax、ymax。对于单类摩托车数据集name通常就是motorbike或motorcycle但不同来源可能写成Motorbike、motor、bike大小写和拼写不统一是第一个坑。用下面这段脚本快速统计所有 XML 里的类别名和图片尺寸分布跑完你就知道这个数据集干不干净import os import xml.etree.ElementTree as ET from collections import Counter ann_dir Annotations cls_counter Counter() size_counter Counter() bad_files [] for f in os.listdir(ann_dir): if not f.endswith(.xml): continue try: tree ET.parse(os.path.join(ann_dir, f)) root tree.getroot() w int(root.find(size/width).text) h int(root.find(size/height).text) size_counter[(w, h)] 1 for obj in root.findall(object): cls_counter[obj.find(name).text] 1 except Exception as e: bad_files.append((f, str(e))) print(类别分布:, cls_counter) print(尺寸分布 top5:, size_counter.most_common(5)) print(解析失败文件:, bad_files[:10])逻辑说明遍历Annotations下所有 XML用ElementTree解析统计类别名出现次数和图片宽高组合。参数上你只需要改ann_dir指向你的标注目录。跑完重点看两件事类别数是不是只有一种尺寸分布是不是集中在少数几个分辨率。如果类别出现多个说明数据集混入了其他目标训练前必须统一或过滤。2.2 YOLO 的 TXT 格式与归一化坐标的校验YOLO 格式每张图对应一个 TXT每行是class_id x_center y_center width height全部是 0 到 1 之间的归一化值。单类数据集里class_id应该全是 0。很多人拿到 TXT 直接开训不检查坐标是否越界结果训练时 loss 震荡最后模型输出一堆离谱框。下面这段校验脚本检查每个 TXT 的行格式、坐标范围和是否为空import os label_dir labels img_dir JPEGImages issues [] for f in os.listdir(label_dir): if not f.endswith(.txt): continue path os.path.join(label_dir, f) with open(path) as fp: lines [l.strip() for l in fp if l.strip()] if len(lines) 0: issues.append((f, 空标签)) continue for i, line in enumerate(lines): parts line.split() if len(parts) ! 5: issues.append((f, f第{i}行字段数{len(parts)})) continue cid, x, y, w, h parts vals list(map(float, [x, y, w, h])) if any(v 0 or v 1 for v in vals): issues.append((f, f第{i}行坐标越界 {vals})) if float(w) 0 or float(h) 0: issues.append((f, f第{i}行宽高非正)) print(问题总数:, len(issues)) for item in issues[:20]: print(item)逻辑说明逐行读取 TXT检查字段数是否为 5、坐标是否在 [0,1]、宽高是否为正。参数上label_dir和img_dir按你的目录改。如果问题数超过总数的 5%建议直接弃用这批标注重新标而不是硬修因为坐标越界往往意味着标注时框画错了。2.3 两套标注的一致性核对VOC 和 YOLO 理论上描述的是同一批框但实际转换过程中可能因为取整、过滤小框导致不一致。你需要抽查若干张图把 XML 的框转成 YOLO 坐标和 TXT 里的对比误差超过 1 个像素就要警惕。常见做法是写一个转换函数把 VOC 的xmin/ymin/xmax/ymax转成x_center/y_center/w/h并归一化然后和 TXT 逐行比对。这一步不做后面训练出问题你根本分不清是数据错还是模型错。3. 从 VOC 到 YOLO转换脚本、划分策略与 data.yaml 写法3.1 自己写转换脚本还是用现成工具网上有很多 VOC 转 YOLO 的脚本但我一般自己写因为要控制三个细节类别映射、小框过滤、坐标裁剪。现成工具往往默认把所有类别按字母排序生成class_id单类数据集无所谓但多类时容易和你的data.yaml对不上。下面是我常用的转换脚本import os import xml.etree.ElementTree as ET ann_dir Annotations out_dir labels_converted os.makedirs(out_dir, exist_okTrue) # 单类数据集类别名统一映射到 0 cls_map {motorbike: 0, motorcycle: 0, Motorbike: 0, bike: 0} min_box 4 # 小于4像素的框丢弃 for f in os.listdir(ann_dir): if not f.endswith(.xml): continue tree ET.parse(os.path.join(ann_dir, f)) root tree.getroot() w int(root.find(size/width).text) h int(root.find(size/height).text) lines [] for obj in root.findall(object): name obj.find(name).text if name not in cls_map: continue bbox obj.find(bndbox) xmin max(0, float(bbox.find(xmin).text)) ymin max(0, float(bbox.find(ymin).text)) xmax min(w, float(bbox.find(xmax).text)) ymax min(h, float(bbox.find(ymax).text)) bw xmax - xmin bh ymax - ymin if bw min_box or bh min_box: continue xc (xmin xmax) / 2 / w yc (ymin ymax) / 2 / h lines.append(f{cls_map[name]} {xc:.6f} {yc:.6f} {bw/w:.6f} {bh/h:.6f}) out_name f.replace(.xml, .txt) with open(os.path.join(out_dir, out_name), w) as fp: fp.write(\n.join(lines))逻辑说明解析每个 XML读取图片宽高对每个 object 做坐标裁剪防止越界过滤小于min_box的框然后归一化写入 TXT。参数上cls_map要根据你实际 XML 里的name补全min_box一般设 4 到 8太小的小目标在 3500 张规模下学不好反而引入噪声。3.2 训练集/验证集/测试集怎么分才不翻车3500 张的规模我一般按 8:1:1 分即 2800 训练、350 验证、350 测试。但关键不是比例是划分方式。如果你的数据来自连续视频抽帧相邻帧几乎一样随机划分会导致验证集里出现和训练集高度相似的图mAP 虚高。正确做法是按场景或按视频源分组划分同一组只出现在一个集合里。下面这段脚本按文件名前缀分组划分适合文件名带场景标识的情况import os import random from collections import defaultdict img_dir JPEGImages random.seed(42) groups defaultdict(list) for f in os.listdir(img_dir): if not f.lower().endswith((.jpg, .png)): continue prefix f.split(_)[0] # 按你的命名规则调整 groups[prefix].append(f) keys list(groups.keys()) random.shuffle(keys) n len(keys) train_k keys[:int(n*0.8)] val_k keys[int(n*0.8):int(n*0.9)] test_k keys[int(n*0.9):] for name, ks in [(train, train_k), (val, val_k), (test, test_k)]: with open(f{name}.txt, w) as fp: for k in ks: for img in groups[k]: fp.write(os.path.join(img_dir, img) \n)逻辑说明按文件名前缀分组打乱组顺序后按 8:1:1 切分保证同组图片不跨集合。参数上prefix的切分规则要按你实际命名调整random.seed固定后结果可复现。3.3 data.yaml 的字段含义与常见写错YOLO 训练依赖data.yaml字段就四个train、val、test指向三个 txt 文件nc是类别数names是类别名列表。单类数据集nc: 1names: [motorbike]。常见错误是路径写成相对路径但训练时工作目录不对或者nc写了 1 但names里放了两个名字。写完后用python -c import yaml; print(yaml.safe_load(open(data.yaml)))确认能解析。提示names的顺序必须和 TXT 里的class_id对应单类时 id 0 对应 names[0]不要颠倒。4. 用 YOLOv8 跑通第一轮训练命令、参数与显存控制4.1 环境配置与预训练权重选择环境上我一般用 Python 3.10 PyTorch 2.x ultralytics 最新版。安装就一条pip install ultralytics它会自动拉 PyTorch。预训练权重选yolov8n.pt还是yolov8s.pt取决于你的显存和精度要求。3500 张单类yolov8n在 8G 显存上 batch 16 能跑yolov8s建议 batch 8。如果你有 V100 或更大显存直接上yolov8m甚至yolov8l单类任务大模型收敛更快。pip install ultralytics yolo detect train datadata.yaml modelyolov8n.pt epochs100 imgsz640 batch16 device0逻辑说明data指向你的 yamlmodel指定预训练权重epochs先跑 100 看收敛曲线imgsz640 是通用起点batch按显存调device0指定第一块 GPU。如果显存不够报 OOM先把 batch 减半再考虑降 imgsz。4.2 关键训练参数怎么设lr、warmup、augmentYOLOv8 默认超参对单类小数据集基本可用但有三处我通常会改。第一lr0从 0.01 降到 0.005因为 3500 张容易过拟合小学习率更稳。第二warmup_epochs保持 3让模型前几轮慢慢适应。第三mosaic增强在单类场景下很有用但最后 10 轮建议关掉用close_mosaic10让模型在真实分布上收尾。yolo detect train datadata.yaml modelyolov8n.pt epochs100 imgsz640 batch16 \ lr00.005 warmup_epochs3 close_mosaic10 device0逻辑说明lr0控制初始学习率warmup_epochs是预热轮数close_mosaic指定最后多少轮关闭 mosaic。参数调整的依据是看results.csv里train/box_loss和val/box_loss的差距差距持续拉大就是过拟合要降 lr 或加增强。4.3 训练中 BN 崩溃与 loss 不降的排查热词里提到的“yolo训练中bn崩溃”在单类小数据集上确实常见现象是 loss 突然变 NaN或者验证 mAP 直接掉到 0。原因通常是某个 batch 里全是相似样本BN 统计量方差趋近于零。解决办法有三个一是把 batch 调大让每个 batch 样本更分散二是改用yolov8s以上模型通道数多BN 更稳三是在data.yaml里确认没有空标签图片混入训练集空标签会让某些 batch 的框数为零直接搞崩 BN。注意训练前务必过滤掉没有对应 TXT 的图片或者 TXT 为空的图片否则 BN 崩溃只是时间问题。5. 避坑与排查3500张摩托车数据集训练中最容易翻车的五件事5.1 现象mAP 一直卡在 0.3 以下loss 正常下降原因验证集和训练集图片高度相似或者验证集里混入了训练集的图。解决重新按场景分组划分确保同一视频源或同一场景的图只出现在一个集合。检查方法是算训练集和验证集的图片哈希重复的直接剔除。5.2 现象训练到一半 loss 变 NaNBN 崩溃原因batch 内有空标签图片或者 batch size 太小导致 BN 统计量不稳。解决过滤空标签图把 batch 调到 16 以上或者换yolov8s。如果显存不够用梯度累积模拟大 batch。5.3 现象模型只框出摩托车的一部分比如只框车轮原因标注框不完整或者min_box过滤太狠把完整框切掉了。解决回查 XML 里的bndbox是否覆盖整车转换脚本里min_box降到 2重新生成 TXT。5.4 现象推理时框重叠严重NMS 后只剩一个框原因单类数据集里摩托车密集停放默认 NMS 的iou_thres0.7 太高。解决推理时把iou降到 0.5或者训练时用overlap_mask相关参数调整。命令行加iou0.5即可。5.5 现象验证集 mAP 很高但实际场景漏检严重原因数据集场景单一模型过拟合到背景。解决加背景图做负样本或者用copy_paste增强把摩托车贴到不同背景上。YOLOv8 自带copy_paste0.3可以开启。6. 把 3500 张用到极致小数据集上的增强技巧与验证习惯3500 张对单类检测来说不算多想榨出更高 mAP我一般做三件事。第一开启copy_paste和mixup前者把实例抠出来贴到其他图后者做图像混合两者对单类小数据集提升明显。第二用close_mosaic在最后 15 轮关掉 mosaic让模型在真实分布上微调。第三训练完不要只看 mAP把验证集里置信度 0.3 到 0.5 之间的框导出来人工看这批框往往是模型最不确定的能暴露标注问题。yolo detect train datadata.yaml modelyolov8s.pt epochs150 imgsz640 batch8 \ lr00.005 copy_paste0.3 mixup0.1 close_mosaic15 device0逻辑说明copy_paste和mixup是增强系数0.3 和 0.1 是经验值太高会失真。close_mosaic15表示最后 15 轮关闭 mosaic。跑完用yolo detect val modelruns/detect/train/weights/best.pt datadata.yaml看最终指标。验证习惯上我坚持每次训练完导出混淆矩阵和 PR 曲线重点看漏检的图长什么样。如果漏检集中在夜间或逆光说明数据集里这类样本太少要么补数据要么在推理端做图像增强。最后说一句数据集的质量永远比模型结构重要3500 张标得准的图比 10000 张标得糊的图训出来的模型好用得多。希望帮到你。本文还有配套的精品资源点击获取