简介面向卡车俯视图目标检测的标注数据集核心用途是训练车框车厢识别模型满足深度学习目标检测任务的标注数据需求。包内包含3358个文件jpg原图1679张、xml标签1679个两者一一对应xml采用VOC格式内含目标类别与边界框坐标可直接接入YOLO、Faster R-CNN等主流检测框架。压缩包整体约197.39MB大小适中便于下载、迁移与存储。图像均为卡车俯视视角重点覆盖车框及车厢边界能直观反映车辆轮廓与尺寸关系适合停车场监控、物流园区车辆识别等应用场景下的模型训练与算法验证图片与标签文件一一对应目录结构清晰便于数据管理与按需划分训练集、验证集。目前已有1793人浏览学习对需要快速获得带标注车辆数据的研究者或开发者可直接用于模型微调与效果对比。1. 卡车俯视图数据集1679张图能训出什么样的车框检测模型在园区道闸、矿山卸料口和港口调度这些场景里摄像头经常装在杆子上往下拍画面上卡车呈现出俯视图。很多人以为用路测数据集的模型就能直接跑结果发现漏检严重——因为俯视图下卡车没有“侧面轮廓”只有车顶或货箱宽高比、透视形变和路测完全不同。这份卡车俯视图数据集共1679张人工标注好的车框bounding box已随图给出正好用来解决这类场景的车框检测。1679张不算多但配合预训练权重和合理的训练拆分完全可以在集装箱卡车、渣土车、半挂车等常见车型上达到可用的准确率。它适合的目标人群也明确做车辆计数、违章抓拍、停车位检测或园区安防研发的工程师需要一个干净、视角统一、标注格式清晰的数据集来冷启动。拿到这份zip第一件事不要急着跑训练而是先解压、统计、确认标注格式与质量。下面从数据集剖析开始。2. 数据集结构与预处理先看清1679张图里有什么再谈训练2.1 典型目录结构与标注格式识别这份zip解压后常见的组织方式是images/放jpg或pngannotations/放同名的xml或txt。我先说一种最普遍的情况图像是RGB的俯视画面标注文件是PASCAL VOC格式的xml里面每个object标签下有bndbox坐标分别对应xmin、ymin、xmax、ymax。class name一般是truck或更细的类别。如果只有一个类别那就是truck如果包含car、person等需要先确认。也有另一种可能标注直接是YOLO格式的txt每行格式为class_id x_center y_center width height坐标都除以图像宽高做了归一化。这两种格式对应不同的训练流程。这里给出一个探查目录结构的命令在Linux/macOS终端下执行unzip 卡车俯视图数据集.zip -d truck_data cd truck_data find . -type f | head -20 ls -lR | awk {print $1, $2, $9} | head -10第一条命令解压到truck_data目录第二条列出前20个文件名快速看目录层级第三条列出权限和大小。之后用下面这段Python统计标注格式。2.2 用脚本统计类别、尺寸和标注分布我一般会先跑一个统计脚本确认图片尺寸是否统一、每个类别的框数量、以及框的尺寸分布是否异常。下面这个脚本同时统计xml和txt两种常见格式import os, glob import xml.etree.ElementTree as ET from collections import Counter data_dir truck_data image_dir os.path.join(data_dir, images) ann_dir os.path.join(data_dir, annotations) # 统计图片尺寸 image_sizes Counter() for img in glob.glob(os.path.join(image_dir, *)): ext img.split(.)[-1].lower() if ext in [jpg, jpeg, png]: from PIL import Image w, h Image.open(img).size image_sizes[(w, h)] 1 print(图片尺寸分布:, image_sizes.most_common(5)) # 统计标注文件类型 ann_files glob.glob(os.path.join(ann_dir, *.xml)) print(XML标注文件数量:, len(ann_files)) for ann in ann_files[:5]: tree ET.parse(ann) objs tree.findall(object) print(os.path.basename(ann), 目标数:, len(objs), 类别:, [o.findtext(name) for o in objs])这段代码用PIL读取图片尺寸并存进Counter再解析前几个XML看目标数和类别。如果XML文件数量不等于图片数量说明有漏标如果图片尺寸不统一后面在YOLO里需要开启letterbox处理或者统一缩放到一个尺寸否则训练时batch组装可能失败。标注格式文件后缀每行/每标签内容典型框架PASCAL VOC.xml多行object含name和bndboxFaster R-CNN, SSDYOLO.txtclass_id cx cy w h归一化YOLO系列COCO JSON.jsonimages/annotations数组Detectron2, MMDetection2.3 划分训练集与验证集的策略小数据集更要小心划分。1679张如果随机拆车型分布可能不均匀。我建议先按输入文件列表打乱再按9:1拆分保存为train.txt和val.txt。注意不要用随机种子不同导致每次结果不一致。import os, random image_paths glob.glob(os.path.join(image_dir, *)) image_paths [p for p in image_paths if p.lower().endswith((.jpg, .png, .jpeg))] random.seed(42) random.shuffle(image_paths) split_idx int(len(image_paths) * 0.9) train_paths image_paths[:split_idx] val_paths image_paths[split_idx:] with open(train.txt, w) as f: f.write(\n.join(train_paths)) with open(val.txt, w) as f: f.write(\n.join(val_paths)) print(训练集, len(train_paths), 验证集, len(val_paths))这里种子设为42保证可复现。比例9:1是稳妥选择如果你的验证集很小可以调整到8:2但训练集会少140张左右。我建议保持90%训练因为模型是预训练权重继续微调验证集只需要统计指标。2.4 数据增强要不要做怎么做俯视图数据的增强跟路测不同。旋转增强90度、180度、270度对俯视图是安全的因为车框本身是矩形但要注意标注坐标也要跟着旋转不要用不含标注的增强库。颜色抖动、亮度对比度调整也有帮助因为不同时间的光照差异大。马赛克增强Mosaic在YOLOv8里默认开启对小数据集很划算但俯视图下如果卡车太大Mosaic裁剪后目标可能只露一半需要评估。另一个关键是水平翻转——俯视卡车有对称性吗有但车头朝向不同标签不同时翻转会导致语义变化。如果你的数据集没有方向属性只是检测车框位置翻转没问题如果还要输出朝向就需要谨慎。3. 标注格式转换与可视化校验车框标注到底准不准3.1 常见标注格式与转换规则如果你手里的数据集是VOC格式而你想用YOLOv8训练就得先转成YOLO txt。转换公式是x_center (xmin xmax) / 2 / img_widthy_center (ymin ymax) / 2 / img_heightwidth (xmax - xmin) / img_widthheight (ymax - ymin) / img_height注意坐标必须归一化到0-1之间类别编号从0开始。下面这段代码把VOC转成YOLO格式import os, xml.etree.ElementTree as ET from glob import glob def voc_to_yolo(xml_file, out_file, img_w, img_h, class_names): tree ET.parse(xml_file) root tree.getroot() lines [] for obj in root.findall(object): name obj.findtext(name) if name not in class_names: continue class_id class_names.index(name) bndbox obj.find(bndbox) xmin float(bndbox.findtext(xmin)) ymin float(bndbox.findtext(ymin)) xmax float(bndbox.findtext(xmax)) ymax float(bndbox.findtext(ymax)) cx (xmin xmax) / 2.0 / img_w cy (ymin ymax) / 2.0 / img_h w (xmax - xmin) / img_w h (ymax - ymin) / img_h lines.append(f{class_id} {cx:.6f} {cy:.6f} {w:.6f} {h:.6f}) with open(out_file, w) as f: f.write(\n.join(lines)) # 用法示例 img_w, img_h 1920, 1080 # 按实际图片尺寸改 class_names [truck] xml_file annotations/0001.xml voc_to_yolo(xml_file, labels/0001.txt, img_w, img_h, class_names)这段代码里的img_w和img_h需要来自对应的图片。实操中建议在转换循环里用PIL读取图片尺寸避免硬编码错误。转换后要检查每个txt是否有超出图幅的坐标如负值或大于1出现这类情况说明原标注本身画出了bndbox。3.2 用OpenCV画框检查标注质量我习惯转换后立刻画几张图把自己当成标注检查员。下面这个脚本读取原始标注并在图上画矩形可以直观看到标注框是否正确贴合车框。import cv2 import numpy as np def draw_yolo_labels(image_path, label_path, output_path): img cv2.imread(image_path) h, w, _ img.shape with open(label_path, r) as f: lines f.readlines() for line in lines: parts line.strip().split() if len(parts) 5: continue cls_id int(parts[0]) cx float(parts[1]) * w cy float(parts[2]) * h bw float(parts[3]) * w bh float(parts[4]) * h x1 int(cx - bw/2) y1 int(cy - bh/2) x2 int(cx bw/2) y2 int(cy bh/2) color (0, 255, 0) if cls_id 0 else (0, 0, 255) cv2.rectangle(img, (x1, y1), (x2, y2), color, 2) cv2.imwrite(output_path, img) draw_yolo_labels(images/0001.jpg, labels/0001.txt, check_0001.jpg)这个脚本把归一化坐标乘以宽高还原成像素坐标然后画出矩形。如果看到框偏离车导致框了一部分背景说明标注质量不足需要酌情商讨是否清洗掉低质量样本。车框检测对边界精度有一定容忍度但如果偏移严重训练会出现抖动。3.3 使用CVAT或Labelme做二次标注的适用场景如果发现部分车框没标全你有两个选择直接用现有标注训练、后面渐进清洗或者补齐标注。小数据集补漏标用手动工具比写脚本更快。CVATComputer Vision Annotation Tool或Labelme都可以其中CVAT支持导入YOLO格式、再导出YOLO格式二次检查时可以直接在web界面逐张看。Labelme更轻量适合单机几十张图的任务。但这些工具配置起来有学习成本需要先确认自己的需求量级。如果只是漏标了少数几张可以先用已有数据训练之后用模型预测结果做伪标注再人工校正。这就是半自动标注流程也是目标检测流程里的常见做法。4. 用YOLOv8在1679张俯视图上训练车框检测模型4.1 环境安装与数据集yaml配置YOLOv8现在用ultralytics包安装很简单pip install ultralytics训练前需要准备一个数据集yaml文件用于告诉训练器图像目录、标签目录和类别名。下面是一个最小配置# truck_topview.yaml path: /home/user/truck_data train: images/train val: images/val names: 0: truck注意这里的path是全路径train和val可以是相对path的目录。如果你的标注文件在labels/train下和图像目录名不同需要调整比如train标签目录写在参数里YOLOv8会自动查找与图像目录同级的labels目录这里保持统一即可。4.2 训练命令和关键参数训练一行命令就能跑yolo detect train datatruck_topview.yaml modelyolov8s.pt epochs100 imgsz640 batch16 device0data指定yaml文件。model指定基础权重这里用yolov8s也可以在coco上预训练的模型文件。epochs建议先设100如果验证集指标提前饱和可以早停。imgsz是输入图像尺寸俯视图里卡车目标往往较大640即可如果有很多小卡车可试试896。batch按显存调整默认会自动选择。下面给出一个更完整的参数表参数推荐值说明modelyolov8n/s/m权衡速度和精度1679张建议用sepochs100-150数据量小过长可能过拟合imgsz640或896根据目标大小提升分辨率batch8-32显存不够就减小配合梯度累积optimizerauto默认SGD或AdamWseed42固定随机种子patience20验证集连续20轮不提升就停止4.3 训练过程监控与结果评估训练结束后会在runs/detect/train下生成results.png和best.pt。results.png包含loss曲线和mAP曲线。对1679张训练集常见趋势是边界框loss在前50轮快速下降后面变缓。重点关注验证集上的mAP50和mAP50-95指标。mAP50超过0.9说明模型在简单场景已经稳定mAP50-95在0.7以上说明框定位足够精准。还可以用validate命令单独评估yolo detect val datatruck_topview.yaml modelruns/detect/train/best.pt这条命令会输出各类别的精确率、召回率和平均精度并保存混淆矩阵到结果文件夹。如果卡车类别的召回率低于准确率很多说明漏检多于误检需要检查数据有没有特殊姿态没覆盖。5. 俯视卡车检测的进阶技巧与两个实测坑5.1 小目标与极端宽高比调anchor和输入尺寸俯视图里的卡车通常占据画面中心大部分但也可能远处只占几十像素。锚框anchor由深度学习框架自动学习但你可以通过调整输入图像尺寸来改变小目标特征。如果很多车框高度小于原图的5%建议imgsz提高到1024并开启tile或使用SAHI切图推理。SAHI能对大图切块检测后合并结果是俯视场景常用方案。5.2 验证集结果与置信度分布分析训练完成后我总会在验证集上跑一次预测然后统计置信度分布。下面这段代码输出每张图所有预测框的置信度和数量from ultralytics import YOLO model YOLO(runs/detect/train/best.pt) results model.val(datatruck_topview.yaml, save_jsonTrue) # 统计conf分布 conf_list [] for r in results: if r.boxes is not None: conf_list.extend(r.boxes.conf.tolist()) print(conf ranges:, min(conf_list), max(conf_list))如果大量置信度在0.9以上说明模型很自信可以直接部署如果集中在0.6-0.8部署时阈值就不能设得太高建议设0.5。同时检查是否有重复框用NMS调整阈值可减少误检。5.3 导出ONNX并验证推理最后可以把模型导出成ONNX方便用Jetson或RK3588这类边缘设备部署yolo export modelbest.pt formatonnx imgsz640导出后用onnxruntime跑一次单张推理比较yaml配置图像的输入预处理是否和训练一致。最容易出的坑是训练时用letterbox填充导出库不会自动加需要你在推理代码里补上同样的灰色填充。把letterbox的填充值写进推理预处理这样导出ONNX后不会出现坐标漂移。本文还有配套的精品资源点击获取
卡车俯视图数据集解析：用YOLOv8训练车框检测模型
简介面向卡车俯视图目标检测的标注数据集核心用途是训练车框车厢识别模型满足深度学习目标检测任务的标注数据需求。包内包含3358个文件jpg原图1679张、xml标签1679个两者一一对应xml采用VOC格式内含目标类别与边界框坐标可直接接入YOLO、Faster R-CNN等主流检测框架。压缩包整体约197.39MB大小适中便于下载、迁移与存储。图像均为卡车俯视视角重点覆盖车框及车厢边界能直观反映车辆轮廓与尺寸关系适合停车场监控、物流园区车辆识别等应用场景下的模型训练与算法验证图片与标签文件一一对应目录结构清晰便于数据管理与按需划分训练集、验证集。目前已有1793人浏览学习对需要快速获得带标注车辆数据的研究者或开发者可直接用于模型微调与效果对比。1. 卡车俯视图数据集1679张图能训出什么样的车框检测模型在园区道闸、矿山卸料口和港口调度这些场景里摄像头经常装在杆子上往下拍画面上卡车呈现出俯视图。很多人以为用路测数据集的模型就能直接跑结果发现漏检严重——因为俯视图下卡车没有“侧面轮廓”只有车顶或货箱宽高比、透视形变和路测完全不同。这份卡车俯视图数据集共1679张人工标注好的车框bounding box已随图给出正好用来解决这类场景的车框检测。1679张不算多但配合预训练权重和合理的训练拆分完全可以在集装箱卡车、渣土车、半挂车等常见车型上达到可用的准确率。它适合的目标人群也明确做车辆计数、违章抓拍、停车位检测或园区安防研发的工程师需要一个干净、视角统一、标注格式清晰的数据集来冷启动。拿到这份zip第一件事不要急着跑训练而是先解压、统计、确认标注格式与质量。下面从数据集剖析开始。2. 数据集结构与预处理先看清1679张图里有什么再谈训练2.1 典型目录结构与标注格式识别这份zip解压后常见的组织方式是images/放jpg或pngannotations/放同名的xml或txt。我先说一种最普遍的情况图像是RGB的俯视画面标注文件是PASCAL VOC格式的xml里面每个object标签下有bndbox坐标分别对应xmin、ymin、xmax、ymax。class name一般是truck或更细的类别。如果只有一个类别那就是truck如果包含car、person等需要先确认。也有另一种可能标注直接是YOLO格式的txt每行格式为class_id x_center y_center width height坐标都除以图像宽高做了归一化。这两种格式对应不同的训练流程。这里给出一个探查目录结构的命令在Linux/macOS终端下执行unzip 卡车俯视图数据集.zip -d truck_data cd truck_data find . -type f | head -20 ls -lR | awk {print $1, $2, $9} | head -10第一条命令解压到truck_data目录第二条列出前20个文件名快速看目录层级第三条列出权限和大小。之后用下面这段Python统计标注格式。2.2 用脚本统计类别、尺寸和标注分布我一般会先跑一个统计脚本确认图片尺寸是否统一、每个类别的框数量、以及框的尺寸分布是否异常。下面这个脚本同时统计xml和txt两种常见格式import os, glob import xml.etree.ElementTree as ET from collections import Counter data_dir truck_data image_dir os.path.join(data_dir, images) ann_dir os.path.join(data_dir, annotations) # 统计图片尺寸 image_sizes Counter() for img in glob.glob(os.path.join(image_dir, *)): ext img.split(.)[-1].lower() if ext in [jpg, jpeg, png]: from PIL import Image w, h Image.open(img).size image_sizes[(w, h)] 1 print(图片尺寸分布:, image_sizes.most_common(5)) # 统计标注文件类型 ann_files glob.glob(os.path.join(ann_dir, *.xml)) print(XML标注文件数量:, len(ann_files)) for ann in ann_files[:5]: tree ET.parse(ann) objs tree.findall(object) print(os.path.basename(ann), 目标数:, len(objs), 类别:, [o.findtext(name) for o in objs])这段代码用PIL读取图片尺寸并存进Counter再解析前几个XML看目标数和类别。如果XML文件数量不等于图片数量说明有漏标如果图片尺寸不统一后面在YOLO里需要开启letterbox处理或者统一缩放到一个尺寸否则训练时batch组装可能失败。标注格式文件后缀每行/每标签内容典型框架PASCAL VOC.xml多行object含name和bndboxFaster R-CNN, SSDYOLO.txtclass_id cx cy w h归一化YOLO系列COCO JSON.jsonimages/annotations数组Detectron2, MMDetection2.3 划分训练集与验证集的策略小数据集更要小心划分。1679张如果随机拆车型分布可能不均匀。我建议先按输入文件列表打乱再按9:1拆分保存为train.txt和val.txt。注意不要用随机种子不同导致每次结果不一致。import os, random image_paths glob.glob(os.path.join(image_dir, *)) image_paths [p for p in image_paths if p.lower().endswith((.jpg, .png, .jpeg))] random.seed(42) random.shuffle(image_paths) split_idx int(len(image_paths) * 0.9) train_paths image_paths[:split_idx] val_paths image_paths[split_idx:] with open(train.txt, w) as f: f.write(\n.join(train_paths)) with open(val.txt, w) as f: f.write(\n.join(val_paths)) print(训练集, len(train_paths), 验证集, len(val_paths))这里种子设为42保证可复现。比例9:1是稳妥选择如果你的验证集很小可以调整到8:2但训练集会少140张左右。我建议保持90%训练因为模型是预训练权重继续微调验证集只需要统计指标。2.4 数据增强要不要做怎么做俯视图数据的增强跟路测不同。旋转增强90度、180度、270度对俯视图是安全的因为车框本身是矩形但要注意标注坐标也要跟着旋转不要用不含标注的增强库。颜色抖动、亮度对比度调整也有帮助因为不同时间的光照差异大。马赛克增强Mosaic在YOLOv8里默认开启对小数据集很划算但俯视图下如果卡车太大Mosaic裁剪后目标可能只露一半需要评估。另一个关键是水平翻转——俯视卡车有对称性吗有但车头朝向不同标签不同时翻转会导致语义变化。如果你的数据集没有方向属性只是检测车框位置翻转没问题如果还要输出朝向就需要谨慎。3. 标注格式转换与可视化校验车框标注到底准不准3.1 常见标注格式与转换规则如果你手里的数据集是VOC格式而你想用YOLOv8训练就得先转成YOLO txt。转换公式是x_center (xmin xmax) / 2 / img_widthy_center (ymin ymax) / 2 / img_heightwidth (xmax - xmin) / img_widthheight (ymax - ymin) / img_height注意坐标必须归一化到0-1之间类别编号从0开始。下面这段代码把VOC转成YOLO格式import os, xml.etree.ElementTree as ET from glob import glob def voc_to_yolo(xml_file, out_file, img_w, img_h, class_names): tree ET.parse(xml_file) root tree.getroot() lines [] for obj in root.findall(object): name obj.findtext(name) if name not in class_names: continue class_id class_names.index(name) bndbox obj.find(bndbox) xmin float(bndbox.findtext(xmin)) ymin float(bndbox.findtext(ymin)) xmax float(bndbox.findtext(xmax)) ymax float(bndbox.findtext(ymax)) cx (xmin xmax) / 2.0 / img_w cy (ymin ymax) / 2.0 / img_h w (xmax - xmin) / img_w h (ymax - ymin) / img_h lines.append(f{class_id} {cx:.6f} {cy:.6f} {w:.6f} {h:.6f}) with open(out_file, w) as f: f.write(\n.join(lines)) # 用法示例 img_w, img_h 1920, 1080 # 按实际图片尺寸改 class_names [truck] xml_file annotations/0001.xml voc_to_yolo(xml_file, labels/0001.txt, img_w, img_h, class_names)这段代码里的img_w和img_h需要来自对应的图片。实操中建议在转换循环里用PIL读取图片尺寸避免硬编码错误。转换后要检查每个txt是否有超出图幅的坐标如负值或大于1出现这类情况说明原标注本身画出了bndbox。3.2 用OpenCV画框检查标注质量我习惯转换后立刻画几张图把自己当成标注检查员。下面这个脚本读取原始标注并在图上画矩形可以直观看到标注框是否正确贴合车框。import cv2 import numpy as np def draw_yolo_labels(image_path, label_path, output_path): img cv2.imread(image_path) h, w, _ img.shape with open(label_path, r) as f: lines f.readlines() for line in lines: parts line.strip().split() if len(parts) 5: continue cls_id int(parts[0]) cx float(parts[1]) * w cy float(parts[2]) * h bw float(parts[3]) * w bh float(parts[4]) * h x1 int(cx - bw/2) y1 int(cy - bh/2) x2 int(cx bw/2) y2 int(cy bh/2) color (0, 255, 0) if cls_id 0 else (0, 0, 255) cv2.rectangle(img, (x1, y1), (x2, y2), color, 2) cv2.imwrite(output_path, img) draw_yolo_labels(images/0001.jpg, labels/0001.txt, check_0001.jpg)这个脚本把归一化坐标乘以宽高还原成像素坐标然后画出矩形。如果看到框偏离车导致框了一部分背景说明标注质量不足需要酌情商讨是否清洗掉低质量样本。车框检测对边界精度有一定容忍度但如果偏移严重训练会出现抖动。3.3 使用CVAT或Labelme做二次标注的适用场景如果发现部分车框没标全你有两个选择直接用现有标注训练、后面渐进清洗或者补齐标注。小数据集补漏标用手动工具比写脚本更快。CVATComputer Vision Annotation Tool或Labelme都可以其中CVAT支持导入YOLO格式、再导出YOLO格式二次检查时可以直接在web界面逐张看。Labelme更轻量适合单机几十张图的任务。但这些工具配置起来有学习成本需要先确认自己的需求量级。如果只是漏标了少数几张可以先用已有数据训练之后用模型预测结果做伪标注再人工校正。这就是半自动标注流程也是目标检测流程里的常见做法。4. 用YOLOv8在1679张俯视图上训练车框检测模型4.1 环境安装与数据集yaml配置YOLOv8现在用ultralytics包安装很简单pip install ultralytics训练前需要准备一个数据集yaml文件用于告诉训练器图像目录、标签目录和类别名。下面是一个最小配置# truck_topview.yaml path: /home/user/truck_data train: images/train val: images/val names: 0: truck注意这里的path是全路径train和val可以是相对path的目录。如果你的标注文件在labels/train下和图像目录名不同需要调整比如train标签目录写在参数里YOLOv8会自动查找与图像目录同级的labels目录这里保持统一即可。4.2 训练命令和关键参数训练一行命令就能跑yolo detect train datatruck_topview.yaml modelyolov8s.pt epochs100 imgsz640 batch16 device0data指定yaml文件。model指定基础权重这里用yolov8s也可以在coco上预训练的模型文件。epochs建议先设100如果验证集指标提前饱和可以早停。imgsz是输入图像尺寸俯视图里卡车目标往往较大640即可如果有很多小卡车可试试896。batch按显存调整默认会自动选择。下面给出一个更完整的参数表参数推荐值说明modelyolov8n/s/m权衡速度和精度1679张建议用sepochs100-150数据量小过长可能过拟合imgsz640或896根据目标大小提升分辨率batch8-32显存不够就减小配合梯度累积optimizerauto默认SGD或AdamWseed42固定随机种子patience20验证集连续20轮不提升就停止4.3 训练过程监控与结果评估训练结束后会在runs/detect/train下生成results.png和best.pt。results.png包含loss曲线和mAP曲线。对1679张训练集常见趋势是边界框loss在前50轮快速下降后面变缓。重点关注验证集上的mAP50和mAP50-95指标。mAP50超过0.9说明模型在简单场景已经稳定mAP50-95在0.7以上说明框定位足够精准。还可以用validate命令单独评估yolo detect val datatruck_topview.yaml modelruns/detect/train/best.pt这条命令会输出各类别的精确率、召回率和平均精度并保存混淆矩阵到结果文件夹。如果卡车类别的召回率低于准确率很多说明漏检多于误检需要检查数据有没有特殊姿态没覆盖。5. 俯视卡车检测的进阶技巧与两个实测坑5.1 小目标与极端宽高比调anchor和输入尺寸俯视图里的卡车通常占据画面中心大部分但也可能远处只占几十像素。锚框anchor由深度学习框架自动学习但你可以通过调整输入图像尺寸来改变小目标特征。如果很多车框高度小于原图的5%建议imgsz提高到1024并开启tile或使用SAHI切图推理。SAHI能对大图切块检测后合并结果是俯视场景常用方案。5.2 验证集结果与置信度分布分析训练完成后我总会在验证集上跑一次预测然后统计置信度分布。下面这段代码输出每张图所有预测框的置信度和数量from ultralytics import YOLO model YOLO(runs/detect/train/best.pt) results model.val(datatruck_topview.yaml, save_jsonTrue) # 统计conf分布 conf_list [] for r in results: if r.boxes is not None: conf_list.extend(r.boxes.conf.tolist()) print(conf ranges:, min(conf_list), max(conf_list))如果大量置信度在0.9以上说明模型很自信可以直接部署如果集中在0.6-0.8部署时阈值就不能设得太高建议设0.5。同时检查是否有重复框用NMS调整阈值可减少误检。5.3 导出ONNX并验证推理最后可以把模型导出成ONNX方便用Jetson或RK3588这类边缘设备部署yolo export modelbest.pt formatonnx imgsz640导出后用onnxruntime跑一次单张推理比较yaml配置图像的输入预处理是否和训练一致。最容易出的坑是训练时用letterbox填充导出库不会自动加需要你在推理代码里补上同样的灰色填充。把letterbox的填充值写进推理预处理这样导出ONNX后不会出现坐标漂移。本文还有配套的精品资源点击获取
