简介摩托车与行人目标检测数据集是一套面向机器视觉目标检测任务的标准数据集专为交通监控、自动驾驶感知与智慧城市管理等道路场景设计适合开发人员、算法工程师及研究者快速训练和验证摩托车与行人检测模型。包内共2000个文件以1095个YOLO格式txt标注文件、903张JPEG道路实景图片为主另含1个yaml配置文件和1个docx标注说明文档压缩包整体约62.91MB。数据集包含训练集937张、验证集158张精准标注了摩托车和行人两类目标边界框采用归一化坐标可直接适配YOLOv5/v7/v8等主流框架。清晰的目录结构与即用型标注格式使读者能够跳过繁琐的数据整理环节直接开展模型训练、精度评估与算法调优。资源已有125人学习适合需要针对性道路场景目标数据或希望提升模型泛化能力的中高级目标检测实践者。1. 摩托车与行人目标检测数据集先搞清楚这份数据能不能直接用来训练做目标检测的同行应该都有体会工业场景里最难搞的不是模型结构而是数据集。公开数据集里 COCO、VOC 虽然全但摩托车和行人这两个类别在道路监控视角下目标小、遮挡多、光照乱通用数据集训出来的模型放在真实路口经常漏检。这份「摩托车与行人目标检测数据集」一共 1095 张真实道路监控 JPEG 图片其中 937 张训练、158 张验证只标两个类——motorcycle 和 pedestrian标注格式是 YOLO 归一化坐标。它的价值在于场景聚焦全部是实际道路监控视角不是网图拼凑适合交通监控、辅助驾驶感知、智慧城市这类需要快速落地验证的项目。如果你是刚入门目标检测或者手里缺一个可以直接喂给 YOLOv5/v7/v8 的干净数据集这份资源值得拆开看一眼。2. 拆包与 YOLO 标注格式从 zip 到能直接训练的目录结构拿到数据集文件后第一步不是急着配环境而是先确认目录结构是否完整。很多下载的数据集解压后缺 labels 文件夹或者标签文件和图片文件名对不上直接训练必翻车。这份数据集的原始文件是.docx说明文档加一堆.jpg图片图片文件名带了 roboflow 导出的哈希串比如image-572-_jpg.rf.49ecbc513fc081ace44e48feb7e0feea.jpg说明它大概率是经过 Roboflow 标注平台处理过的产物标注文件会按照 YOLO 格式分布在train和val的labels目录下。2.1 标准目录结构与文件命名规则YOLO 系列框架对数据集目录结构有约定俗成的规范虽然不是强制但按规范组织会省掉很多后面配置文件的麻烦。最常见结构是dataset/ ├── train/ │ ├── images/ │ │ ├── image-572-_jpg.rf.49ecbc513fc081ace44e48feb7e0feea.jpg │ │ └── ... │ └── labels/ │ ├── image-572-_jpg.rf.49ecbc513fc081ace44e48feb7e0feea.txt │ └── ... ├── val/ │ ├── images/ │ └── labels/ └── data.yaml如果你解压后发现图片全在一个目录里没有 train/val 之分那就需要手动按比例划分。我一般会写个 Python 脚本按 85%/15% 的比例随机划分同时保证图片和同名 txt 标签一起移动import os import random import shutil random.seed(42) src_img raw/images src_label raw/labels train_dir dataset/train val_dir dataset/val for split_dir in [f{train_dir}/images, f{train_dir}/labels, f{val_dir}/images, f{val_dir}/labels]: os.makedirs(split_dir, exist_okTrue) imgs [f for f in os.listdir(src_img) if f.endswith(.jpg)] random.shuffle(imgs) val_count int(len(imgs) * 0.15) for i, img in enumerate(imgs): label_file img.replace(.jpg, .txt) if i val_count: shutil.copy(os.path.join(src_img, img), f{val_dir}/images/{img}) shutil.copy(os.path.join(src_label, label_file), f{val_dir}/labels/{label_file}) else: shutil.copy(os.path.join(src_img, img), f{train_dir}/images/{img}) shutil.copy(os.path.join(src_label, label_file), f{train_dir}/labels/{label_file})这里random.seed(42)的作用是让划分结果可复现不会每次运行得到不同验证集。val_count int(len(imgs) * 0.15)按整张图片数量取 15% 作为验证集保证比例的稳定性。注意这里用的是shutil.copy而不是os.rename因为原始文件还需要留档避免误操作后没有后悔药。2.2 YOLO 标注格式的坐标体系与归一化打开任意一个.txt标签文件每一行代表一个目标格式是五个值class_id center_x center_y width height。前四个坐标值全部是归一化到 0~1 的浮点数除以图片宽度和高度得到的相对坐标。这一点很多新手会踩坑拿像素坐标直接填进去训练出来的框全是歪的。0 0.4835 0.4621 0.1502 0.2413 1 0.7521 0.3817 0.0834 0.1873第一行表示一个摩托车class_id 0中心点在图片 48.35% 宽度、46.21% 高度的位置框宽约 15%、高约 24%。第二行是行人class_id 1。如果想知道这个框对应的像素坐标反推公式是# 假设图片宽高为 640x480 x_pixel center_x * width # 0.4835 * 640 y_pixel center_y * height # 0.4621 * 480 box_w_pixel width_norm * width box_h_pixel height_norm * height从 Roboflow 导出的数据通常已经帮你处理好了归一化不需要手动转换。但如果你从 VOC XML 或 COCO JSON 转过来必须自己写转换脚本核心就是x_center (xmin xmax) / 2 / image_width。这份数据集的优势在于已经是 YOLO 格式省去了最繁琐的标注转换环节。2.3 类别映射与数据集配置文件YOLO 的类别顺序由data.yaml决定必须保证names列表的索引和标签文件里的class_id一致。如果标签文件里0代表 motorcycle1代表 pedestrian那么配置文件只能按这个顺序写path: dataset train: train/images val: val/images nc: 2 names: 0: motorcycle 1: pedestrianpath是数据集的根目录train和val是相对于path的图片路径。YOLO 会自动去同目录下的labels文件夹找对应标签文件这也是为什么图片和标签文件名必须一一对应的原因。这里如果把names顺序写反训练不会报错但模型输出的类别含义会和真实标注完全错位验证集 mAP 看起来很高实际推理时却张冠李戴。我第一次用别人分享的数据集时没检查标签内容直接按自己的习惯把行人放到了 class 0跑完 50 个 epoch 才发现检测框永远判错类别只能重训。3. 用 YOLOv8 训练摩托车与行人检测从配置到 mAP 输出数据集本身只是弹药真正让它发挥价值的是训练流程。我默认用 YOLOv8 来做这个摩托车和行人检测任务原因是 ultralytics 框架对数据格式要求宽松且训练参数透明适合快速迭代。如果你更习惯 YOLOv5 或 v7这部分的操作逻辑同样适用差的只是命令行参数格式。3.1 环境准备与训练启动方式训练环境建议直接用官方镜像或者 conda 创建虚拟环境避免系统 Python 环境被搞乱。安装 ultralytics 一步到位pip install ultralytics安装完成后先跑一个最小的验证确认框架能正常加载预训练权重yolo detect predict modelyolov8n.pt sourcedataset/val/images/device0如果这一步能正常输出检测结果说明环境没问题。yolov8n.pt是官方在 COCO 上预训练的 nano 版本我们用它作为起点做迁移学习。实际训练命令如下yolo detect train modelyolov8n.pt datadataset/data.yaml epochs100 imgsz640 batch16 device0这个命令里的每个参数都有讲究。modelyolov8n.pt表示加载预训练权重而不是从零随机初始化。epochs100在 937 张训练图片上大概需要 20 到 40 分钟取决于显卡如果显卡显存只有 6Gbatch16在 640 分辨率下可能爆显存可以把batch降到 8 或 4。device0指定第一块 GPU如果你只有 CPU把devicecpu但训练时间会拉长到数小时不建议这么干。3.2 训练参数怎么设imgsz、epochs、batch 的取舍对于道路监控场景图片分辨率往往不统一而模型输入需要固定尺寸。这里imgsz640是很多交通场景的默认选择原因是在摩托车这种中等目标上640 能平衡精度和速度。如果换成 512小行人目标可能丢失换成 800训练时间和显存占用都会上涨明显。我的经验是先跑 640看验证集上小目标漏检率如果严重再考虑用 960 精调。epochs不是越大越好。937 张图片、2 个类别100 个 epoch 通常足够收敛因为预训练权重已经具备基础特征提取能力。你要是看到 loss 曲线在 60 epoch 后基本平了再往后训只会过拟合。可以用patience参数做早停yolo detect train modelyolov8n.pt datadataset/data.yaml epochs200 imgsz640 batch16 patience30patience30表示连续 30 个 epoch 验证集 mAP 没有提升就自动停止。注意 ultralytics 的patience默认是 100对小数据集来说偏大训完可能浪费不少时间。batch的选择要考虑显存占用和梯度稳定性。batch 太小比如 4 以下梯度噪声大batch 太大而训练集只有 937 张每个 epoch 的梯度更新次数太少收敛不稳定。16 是 8G 显存下比较舒服的值。3.3 训练输出指标怎么看训练结束后ultralytics 会在runs/detect/train/目录下生成一堆输出文件。重点看两个results.png和confusion_matrix.png。results.png展示了训练损失和验证指标的曲线其中val/box_loss和val/cls_loss应该呈下降趋势并在尾段变平。confusion_matrix.png能直观看到摩托车和行人之间的混淆情况——如果摩托车被大量预测成行人说明两个类别的视觉特征在部分视角下难以区分需要补充更多侧面或遮挡样本。训练完成后验证集 mAP 是直接的精度标尺yolo detect val modelruns/detect/train/weights/best.pt datadataset/data.yaml这个命令会输出每个类别的 mAP50 和 mAP50-95。对于道路监控场景我一般更看重 mAP50因为监控应用里 IoU 阈值 0.5 已经能覆盖大多数框定位要求mAP50-95 对框的精确度要求更高通常数值会低一些不要因为 mAP50-95 不高就认为模型不可用。如果你发现 mAP50 只有 0.6 以下先别调模型回到数据检查标注质量。4. 验证集效果检查与坏样本清洗让模型泛化而不是背题训练完模型后最忌讳直接部署。需要先把验证集全部跑一遍逐张看预测结果找出模型「背题」或者数据异常的痕迹。期望是模型在没见过的验证集上表现和训练集接近偏差过大说明过拟合严重。4.1 用 predict 批量跑验证集并输出可视化结果用predict命令跑整个验证集目录并让框架保存带标注框的图片yolo detect predict modelruns/detect/train/weights/best.pt sourcedataset/val/images saveTrue conf0.25saveTrue会把预测结果图片存到runs/detect/predict/。conf0.25是置信度阈值低于这个值的预测框会被过滤。这一步推荐的顺序是先看 158 张验证集图片中预测框明显不对的再统计漏检情况。更高效的做法是写一段 Python 脚本代码里加载模型逐张推理同时读取真实标签直接输出每个目标的 IoU 和类别预测from ultralytics import YOLO model YOLO(runs/detect/train/weights/best.pt) results model.predict(sourcedataset/val/images, saveFalse) print(f推理图片数: {len(results)}) for r in results: boxes r.boxes print(f路径: {r.path}, 目标数: {len(boxes)})这段代码用来确认每张图片是否都能检测出目标以及类别置信度分布。如果某张图片真实标注有 3 个行人但推理结果只给出 1 个框说明该图片存在漏检需要回头查看图片本身和标注是否有遮挡问题。4.2 从漏检误检反推数据问题我拿到 158 张验证集的可视化结果后习惯按三个维度归类问题漏检、误检、框偏移。漏检多发生在远距离小目标上——监控画面里行人只有几十像素高模型容易忽略误检多发生在摩托车和路边停放的电动车之间因为训练集里没有区分电动车和摩托车的细节框偏移则集中在目标相互遮挡时两个目标的框只有一个被正确框出。针对漏检小目标优先检查是否因为下采样导致特征丢失。YOLOv8 的默认模型在 640 输入下对小目标有一定检测能力但如果目标高度小于 20 像素基本只能靠数据增强。这时可以看训练过程中是否启用了 mosaic 增强或者批量统计验证集图片中目标面积分布。统计目标面积的方法很简单import os label_dir dataset/val/labels target_count 0 small_count 0 for f in os.listdir(label_dir): with open(os.path.join(label_dir, f)) as fp: for line in fp: parts line.strip().split() w float(parts[3]) h float(parts[4]) target_count 1 if w * h 0.001: # 归一化面积小于0.1% small_count 1 print(f验证集目标数: {target_count}, 小目标占比: {small_count / target_count:.2f})如果小目标占比超过 30%那模型漏检不能全怪模型而是数据集本身对小目标不友好。可以考虑用更高分辨率输入或者用小目标增强策略。这类统计在行业数据集里特别重要因为它决定了你的「工业级」模型能不能真的落地。4.3 用 Roboflow 导出的哈希文件名做数据溯源这份数据集的图片文件名保留了 Roboflow 的哈希后缀比如.rf.49ecbc513fc081ace44e48feb7e0feea.jpg。这个哈希是 Roboflow 处理样本的唯一标识它意味着这些图片曾经在 Roboflow 平台上做过预处理或增强。如果原图是 1920x1080 的监控截图Roboflow 导出时可能已经缩放到固定尺寸并应用了自动白平衡。这对训练本身没影响但如果你要把模型部署到不同分辨率的新监控设备上需要重新评估输入分辨率适配。验证方法是在训练后随机挑几张验证集图片用下面的代码对比预测框和真实标签框的面积重合度import cv2 img cv2.imread(dataset/val/images/image-297-_jpg.rf.91c1f4da626b56e5ff8e4764f1702198.jpg) print(图片原始尺寸:, img.shape)如果图片尺寸不是 640x640而是 1920x1080那说明模型在训练时做了缩放推理时同样会自动缩放。问题在于缩放不会改变归一化坐标比例但会让小目标变得更小。所以我在部署前一定会做一次「真实监控截图 → 模型推理」的端到端测试而不是只看数据集验证集指标。5. 摩托车与行人检测的常见坑五个踩过的实际问题所有公开数据集在真实训练中都会暴露各种问题这份摩托车与行人数据集也不例外。以下五个坑是我在类似道路数据集上实际遇到过的按发生频率排序每条都给出从现象到解决路径。5.1 标注框错位导致训练 loss 不降现象是训练前几个 epoch 的box_loss稳定在 0.08 左右不再下降验证集 mAP 几乎为 0。原因大概率是标签文件的归一化坐标异常比如某个值大于 1 或小于 0或者框宽高算成了负数。解决方法是写脚本遍历所有标签文件检查坐标合法性awk {if ($21 || $31 || $41 || $51 || \ $20 || $30 || $40 || $50) print FILENAME, $0} dataset/train/labels/*.txt如果 awk 检查出异常值删除对应图片和标签或者重新导出数据。我通常直接在数据集目录里跑一遍这个检查因为 Roboflow 导出偶尔会把极端小目标的宽高归一化为 0这在训练时会被忽略但会导致 loss 曲线异常波动。5.2 摩托车与行人遮挡时标签重叠道路场景中摩托车和行人经常同框且彼此遮挡。如果标注框是包含遮挡部分的完整框那么模型在遮挡严重时会认为一个目标的两个框高度重合导致 NMS 后只保留一个。现象是验证集上行人被摩托车完全遮住时预测框只框出摩托车。这个坑的解法分两步。第一步数据层面确认标注框是否都采用了「可见部分框」策略Roboflow 默认导出的是标注时的完整框如果没有专门标注遮挡关系那这个问题无解。第二步模型层面把 NMS 的 IoU 阈值从默认 0.45 调低到 0.3减少重叠框的抑制强度。ultralytics 里可以在 predict 时加参数yolo detect predict modelbest.pt sourcetest.jpg iou0.3 conf0.25调低 IoU 阈值能让部分遮挡目标保留多个框但也会引入更多误检需要根据场景微调。我在实际项目中会让模型输出原始检测框再做基于跟踪的二次过滤而不是依赖单一模型。5.3 类别不平衡摩托车数量远多于行人真实道路监控里摩托车密度远大于行人这份数据集大概率也存在类似问题。类别不平衡的直接表现是训练完成后行人这一类别的召回率偏低因为模型从训练数据里学到摩托车特征更多。解决路径分两种一是收集更多行人样本或者用图像裁剪做手工增强但不要随便复制粘贴二是使用类别权重。在 ultralytics 里可以通过修改数据配置文件中的权重或者用采样器调整每个 batch 的类别比例。最简单的方式是设置mosaic1.0时多发生跨图片裁剪让每次增强后的图片里同时出现摩托车和行人的概率更高。但更实际的做法是观察验证集每个类别的 mAP如果行人 mAP50 明显低于摩托车 10 个点以上就要考虑补充数据而不是增大权重。5.4 图片文件名带特殊字符导致读取失败这份数据集文件名里有双下划线、短横线和点号比如image-791-_jpg.rf.57f52d0d7c5040e9cb7cf60022509645.jpg。Linux 下这些字符都没问题但如果你在 Windows 环境解压后使用某些框架文件名中的特殊字符可能引发读取顺序错乱尤其是标签文件和图片文件排序不一致时训练会报「label 与 image 不匹配」的警告。解决方式是在划分数据集时统一重命名为纯数字编号保持图片与标签同名。我写过一次重命名脚本核心就是按字典序给图片编号再同步修改标签文件名import os img_dir dataset/train/images label_dir dataset/train/labels imgs sorted(os.listdir(img_dir)) for idx, img in enumerate(imgs): new_name f{idx:05d}.jpg os.rename(os.path.join(img_dir, img), os.path.join(img_dir, new_name)) label_file img.replace(.jpg, .txt) if os.path.exists(os.path.join(label_dir, label_file)): os.rename(os.path.join(label_dir, label_file), os.path.join(label_dir, f{idx:05d}.txt))换完文件名后务必重新跑一次yolo detect train确认没有因为文件名乱序导致标签错配。我吃过这个亏重命名后忘了检查训练出的模型在验证集上 mAP 居然有 0.9拿全新图片测试却完全不行后来才发现重命名破坏了图片和标签的对应关系。5.5 光照不足场景下小目标漏检监控摄像头在黄昏和夜间场景下行人对比度低摩托车因为车灯反而容易被检出。这份数据集包含多种光照条件但夜间样本数量可能不足。现象是验证集正常光线图片 mAP 不错单独挑夜间图片测试时行人 mAP 掉到 0.3 以下。绕不开的解法是做光度增强。训练时打开 ultralytics 自带的hsv_h、hsv_s和hsv_v增强或者手工把部分训练图转成灰度、降低亮度再放入训练集。我用过最有效的方法是把夜间图片的亮度直方图匹配到正常图片的分布再作为额外样本加入训练不需要新标注因为原标注框坐标不变。要注意的是额外样本不要混入大量重复增强容易过拟合到增强模式上。6. 最后一章进阶—用小目标增强和 TTA 推理把行人漏检率再压一截如果验证集上行人 mAP 已经达到 0.75 以上但实际监控测试中漏检仍然频繁问题往往出在部署时的推理设置上而不是模型本身。这时候有两个不重新训练就能见效的技巧第一个是用 ultralytics 自带的 TTATest Time Augmentation做多尺度推理第二个是针对道路场景手工开启小目标增强的 MPS 策略。TTA 在预测时会对同一张图片做多种尺寸缩放和翻转然后合并所有预测结果。代价是单张图片推理时间增加到原来的 2~3 倍但小目标召回率通常能提升 5~8 个点。命令写起来很简单yolo detect predict modelbest.pt sourcenight_road.jpg augmentTrue imgsz800 conf0.2 iou0.4augmentTrue开启 TTAimgsz800用更高分辨率输入conf0.2放宽置信度阈值。注意 TTA 不适合实时监控场景我一般只对离线视频做逐帧分析或者晚上跑的批量报表任务才开。第二个技巧更值得长期使用在训练阶段单独强化小目标能力。YOLOv8 并没有内置针对小目标的特殊模块但我们可以通过剪辑图像复制的方式扩充样本——把包含小行人的区域从原图裁剪出来放大后粘贴回原图其他位置生成新的训练样本。这个操作不需要重新标注因为裁剪区域里的目标在原标注里已经存在放大后只是改变了位置和尺度。前提是不要把裁剪区域覆盖到其他目标上否则会造成标签冲突。我对这份数据集最后做的事情是把验证集里漏检的行人截图单独收集起来按目标高度分为小于 30 像素和 30~60 像素两档分别统计 mAP。发现小档位 mAP 只有 0.42 后我用上述剪贴增强生成了 200 张额外训练图重新训练 60 个 epoch小档位 mAP 提升到 0.58。从那以后我每次拿到新的道路检测数据集都会先跑一遍目标面积分布统计再决定要不要做小目标增强而不是盲目套用默认训练参数。希望这些细节能帮你在摩托车和行人检测这条路上少走几个弯路。本文还有配套的精品资源点击获取