559张三轮车数据集：YOLO/VOC双格式目标检测训练实战

简介：数据集包含559张三轮车实景图片，配套Pascal VOC与YOLO两种格式的标注文件，由labelImg手工绘制矩形框完成，类别统一为tricycle，共659个标注框。面向计算机视觉入门学习者和目标检测算法研究人员，尤其适合需要快速准备训练数据、验证模型效果的场景。资源包内共1679个文件，以jpg图像、xml标注和txt标注三类为主，其中VOC格式便于使用传统检测工具，YOLO格式可直接接入Darknet、YOLOv5等训练流程，压缩包约25.22MB，轻量易下载。目前已有642人学习下载。数据集中仅对三轮车单类别进行框标注，标注信息准确合理，可直接用于模型训练、精度对比或数据增强实验，省去自行采集和清洗数据的环节。

1. 559 张三轮车数据集：一份能直接喂给 YOLO 的交通类样本库

搞目标检测的人应该都经历过这种尴尬：教程看懂了，代码也跑通了，却找不到一份合适的数据集把手里的模型跑出第一条正常的 loss 曲线。这份三轮车数据集就是用来干这个的——559 张 jpg，559 张同名 Pascal VOC 的 xml，559 张同名 YOLO 的 txt，单类别 tricycle，用 labelImg 手工画框，总共 659 个标注框。平均每张图里有 1 个出头一点的目标，比那种单张单框的玩具数据集要真实，比动辄上万张的公开大集又好上手得多。它没有预置 train/val 路径清单，需要自己动手划分，正好把“如何训练自己的数据集”这套流程完整走一遍。适合想跑通 yolov8/yolov5 训练闭环的入门者，也适合拿真实交通样本做迁移学习微调的人。数据量不大，但标注格式里的坑一个不少。

2. 双格式交付：VOC 的 xml 与 YOLO 的 txt 怎么对齐

2.1 目录结构与文件命名规律

拿到数据集先别急着训练，先认清手里有什么。文件就三类：tricycle_xyxr_xxx.jpg、tricycle_xyxr_xxx.xml、tricycle_xyxr_xxx.txt，同名不同后缀。命名里的tricycle_xyxr是统一的，后面的数字编号从个位数到五百多都有，应该是采集时按顺序落盘的。这样设计的最大好处是省掉了匹配环节，jpg、xml、txt 三件套靠文件名一一对应，后面的检查脚本也能直接用文件名做主键去比对。

类别上只有 1 个：tricycle，总框数 659，也就是所有标注框都落在这个类上。摘要里特意说明“不包含分割路径的 txt 文件”，意思是没有常见的train.txt、val.txt这种记录图片路径清单的文件——它交付的是干净的标注，划分得自己来。这个设计其实很合理，因为每个项目对训练集/验证集的比例和划分方式要求不一样，预置路径清单反而绑手绑脚。

打开一个 xml 看内部结构，节点就是标准 VOC 字段：annotation根节点，下面挂folder、filename、size、object。object里的name是类别名，bndbox里存的是左上角和右下角的像素坐标。对应 yolo 的 txt 则是每行五个浮点数：class_id x_center y_center width height，其中后四个值全部是相对图片宽高的比例，取值在 0 到 1 之间。这两个体系看着简单，混着用就出事——VOC 给的是绝对像素值，YOLO 给的是相对值，同一个框，在 xml 里写<xmin>512</xmin>，在 txt 里可能就变成0.5333 0.4200 0.1200 0.2500。

2.2 两个格式的坐标换算：手工对一遍更放心

为了确认两份标注描述的是同一个框，常见做法是自己写个小脚本，把两种格式读出来画到同一张图上对比。这步不是浪费时间，新手阶段最容易犯的错就是把x_center当成xmin直接用，结果框全部漂移到左上角。下面这个脚本就是干这个的：

import cv2 import xml.etree.ElementTree as ET def read_voc_box(xml_path): tree = ET.parse(xml_path) root = tree.getroot() boxes = [] for obj in root.findall("object"): name = obj.find("name").text bbox = obj.find("bndbox") xmin = int(float(bbox.find("xmin").text)) ymin = int(float(bbox.find("ymin").text)) xmax = int(float(bbox.find("xmax").text)) ymax = int(float(bbox.find("ymax").text)) boxes.append((name, (xmin, ymin, xmax, ymax))) return boxes def read_yolo_box(txt_path, img_w, img_h): boxes = [] with open(txt_path) as f: for line in f: parts = line.strip().split() cls, cx, cy, bw, bh = (int(parts[0]), float(parts[1]), float(parts[2]), float(parts[3]), float(parts[4])) xmin = int((cx - bw / 2) * img_w) ymin = int((cy - bh / 2) * img_h) xmax = int((cx + bw / 2) * img_w) ymax = int((cy + bh / 2) * img_h) boxes.append((cls, (xmin, ymin, xmax, ymax))) return boxes img_path = "tricycle_xyxr_341.jpg" img = cv2.imread(img_path) h, w = img.shape[:2] for _, box in read_voc_box("tricycle_xyxr_341.xml"): cv2.rectangle(img, (box[0], box[1]), (box[2], box[3]), (0, 255, 0), 2) for _, box in read_yolo_box("tricycle_xyxr_341.txt", w, h): cv2.rectangle(img, (box[0], box[1]), (box[2], box[3]), (0, 0, 255), 2) cv2.imwrite("check_341.jpg", img)

逻辑说明：read_voc_box把 xml 里的object全取出来，坐标原样返回；read_yolo_box则是把归一化的中心点坐标和宽高还原成像素坐标，用的是中心点转左上角的经典公式(cx - bw / 2) * img_w。绿框是 VOC 读出来的，红框是 YOLO 读出来的，如果同一辆三轮车两个框严丝合缝，说明这份 txt 的换算逻辑和 xml 对得上。

参数说明：img_w和img_h必须来自同一张图的真实尺寸，否则框会整体偏移；parts里第一个值转int是类别 id，后面四个转float，如果全部用整数除法，小于 1 的归一化坐标会直接变 0，框全部缩在左上角。我建议抽查至少 10 张不同编号的图，而不是只看一张。

2.3 用前先盘点：文件完整性检查脚本

训练时报“can't open image”或者“no labels found”，十有八九是文件缺失或路径写错，而不是模型的问题。我一般先写一个盘点脚本建立基线，确认三个目录数量一致，且没有配不上对的孤儿文件：

import os from pathlib import Path root = Path("tricycle_dataset") jpg_files = sorted(root.glob("*.jpg")) xml_files = sorted(root.glob("*.xml")) txt_files = sorted(root.glob("*.txt")) print(f"jpg: {len(jpg_files)}, xml: {len(xml_files)}, txt: {len(txt_files)}") name_jpg = {p.stem for p in jpg_files} name_xml = {p.stem for p in xml_files} name_txt = {p.stem for p in txt_files} print("缺xml:", name_jpg - name_xml if name_jpg - name_xml else "无") print("缺txt:", name_jpg - name_txt if name_jpg - name_txt else "无") print("多xml:", name_xml - name_jpg if name_xml - name_jpg else "无") print("多txt:", name_txt - name_jpg if name_txt - name_jpg else "无")

检查逻辑分两层：第一层用glob按后缀把所有文件捞出来排序，打印三个数量，正常都是 559；第二层对文件名取stem做集合差，jpg 缺对应 xml 或 txt 会直接打印出来。反过来，xml 和 txt 比 jpg 多出来的部分，说明原始目录里有残留标注文件，训练前最好清理掉，否则打乱后可能出现同名的旧标注覆盖新标注。

参数说明：root指向数据集根目录，脚本默认文件都在一层目录里，如果后续你把图片和标注分到images/、labels/子目录，把glob("*.jpg")改成glob("images/*.jpg")即可。划分完训练集之后，建议对两个子集各自再跑一遍这个脚本，确保增强、剪切、移动文件后三件套依然完整。这种“分完再查一遍”的习惯能挡住后面至少一半的玄学报错。

3. 手工标注复盘：labelImg 的配置习惯与被忽略的边界

3.1 标注工具的配置与操作习惯

这份数据集的标注工具是 labelImg，一个开源标注工具，被用得非常广。很多刚接触目标检测的人以为数据集是从天而降的，实际上像这种小样本数据集，大部分就是拿 labelImg 一框一框画出来的。把工具的行为摸透，后面用起来才不虚。labelImg 默认在PascalVOC模式，左下角显示 1 的地方就是格式切换按钮，点一下会在PascalVOC和YOLO之间切换。这里有个非常经典的坑：如果你先以 VOC 模式画了一部分，中途切到 YOLO 模式再保存，VOC 模式生成的 xml 还在，但下次打开时标注框会读不到，因为两种模式的坐标存储结构完全不一样。

我一般建议拿到这类双格式数据后，把目录里所有文件都假定为已按 labelImg 的默认规则落盘：xml 和 txt 与图片同名、同目录，类别名读的是classes.txt或predefined_classes.txt，名字顺序直接决定 txt 里 class_id 的顺序。对这个数据集来说只有 tricycle 一个类，所以 txt 里所有行的第一个数字都应该是 0，如果出现 1，十有八九是标注时类别列表顺序出了问题。

标注规则本身不复杂：对属于 tricycle 的目标画一个紧贴车体外轮廓的矩形框，从左上角拉到右下角，尽量别把路沿、行人、阴影包进去。难处理的是两类情况：一是三轮车被其他车或树遮挡，这种我一般按可见部分画框，框紧贴可见边缘；二是远处的小目标，整辆车在图中可能只有二三十个像素高，这种也要标，哪怕最后训练时它很难被检出来，漏掉反而会让模型学到“小的不用管”的错误先验。

3.2 框数分布：659 个框背后的标注密度

摘要里统计了每个类别的框数，tricycle 659 框，559 张图，平均每张 1 18 个框。这个密度说明大部分图是单目标，但也有相当一部分图是两辆、三辆三轮车同框。用框数反推标注场景，可以判断这是真实道路采集数据，不是摆拍，因为真实街景里目标分布就是离散的，偶尔扎堆。

这个平均框数还能帮你判断要不要做数据增强。如果目标检测里平均每张只有 1 个目标，模型在训练时正样本数量就少，mAP 容易波动。常见做法是先用 659 这个数估算正样本总量，再决定离线增强的倍数——比如做 2 倍增强，让每张图平均有 2 个以上的样本参与训练，类别不平衡的焦虑会小很多。但注意增强必须同步修改标注文件，这个问题后面专门讲。

另外，659 个框也可以用来做标注质量抽检的基准：如果你自己重新统计一遍，发现某张 xml 里的框数比图上肉眼可见的三轮车少很多，那大概率是漏标了；如果某个框的宽或者高小于 10 像素，那大概率是误标或者说画得太贴边，这类框在缩放、增强后很容易变成无效标注。

3.3 标注质量自查：越界框、极小框与重复框

拿到数据集之后，别急着训练，先写一个质量抽查脚本，重点查三类问题：越界框、极小框、重复框。越界框是标注时手抖拉出了图片边界，YOLO 训练时会以负坐标报错；极小框是画得太极限，缩放后特征完全丢失；重复框是同一个目标被不小心画了两次，造成 loss 计算时对小目标重复计数。

import glob import xml.etree.ElementTree as ET from PIL import Image for xml_path in glob.glob("tricycle_dataset/*.xml"): img_path = xml_path.replace(".xml", ".jpg") img_w, img_h = Image.open(img_path).size tree = ET.parse(xml_path) root = tree.getroot() for obj in root.findall("object"): name = obj.find("name").text bbox = obj.find("bndbox") xmin = float(bbox.find("xmin").text) ymin = float(bbox.find("ymin").text) xmax = float(bbox.find("xmax").text) ymax = float(bbox.find("ymax").text) if xmin < 0 or ymin < 0 or xmax > img_w or ymax > img_h: print(f"[越界] {img_path} {name} ({xmin:.0f},{ymin:.0f})-({xmax:.0f},{ymax:.0f})") if (xmax - xmin) < 10 or (ymax - ymin) < 10: print(f"[极小] {img_path} {name} w={xmax-xmin:.1f} h={ymax-ymin:.1f}")

逻辑说明：逐张读 xml，把 bndbox 坐标与图片实际宽高做比较，越界的直接打印；再算框的宽和高，小于 10 像素的单独标记。这里的 10 像素是一个经验阈值，在 640 的输入尺寸下，10 像素的框小于一个 stride（下采样 32 倍后只有 0.3 个像素），模型基本学不到东西，属于无效标注。

参数说明：脚本用 PIL 读图片尺寸，比 cv2 轻量；glob 路径和 xml 后缀替换成 jpg 时要注意目录结构，如果图片和标注不在同一层，replace会失效。跑完脚本，正常情况应该只有极少数告警，如果告警超过总量的 5%，说明这份标注需要返工，不能硬训。

4. 常见问题排查：从拿到数据到跑通训练的五次翻车

4.1 路径错位：图片与标注“同名不同命”

现象：yolo 训练刚开始就报found no labels，或者FileNotFoundError: xxx.jpg，但手动打开路径明明有文件。

原因：最常见的是文件被移动过，比如你把图片单独复制到images/子目录，但 xml 和 txt 还留在原来的根目录。YOLO 训练器的查找逻辑默认是按训练集图片路径，在相同目录下找同名的.txt，目录一变就找不到。还有一种情况是 xml 里写的filename字段和磁盘上实际文件名大小写不一致，Linux 下这种问题会直接暴露。

解决：建立标准的images/与labels/目录结构，按文件名做映射，不要依赖 xml 里的 filename。我一般会先把所有文件按 stem 排序，再批量移动到对应目录，移动完成后立刻跑一遍第 2.3 节的完整性检查脚本，确保两边数量一致。从那以后我再也没有因为路径问题半夜起来调。

4.2 类别索引错乱：tricycle 被识别成别的类

现象：训练不报错，loss 也正常下降，但预测时框是准的，类别却显示成莫名其妙的标签，或者只显示 class 0/1 的数字。

原因：data.yaml 里的names顺序和 txt 里 class_id 的语义对不上。比如你在 yaml 里写了names: ["tricycle"]，但某个 txt 里第一行第一列写的是 1，模型就把 id 为 1 的框当成了第二类。VOC 格式因为有name字段所以不会错，YOLO 的 txt 只存数字，类别顺序一旦错了，模型静默地学到错误映射。

解决：这类纯单类数据集，必须保证所有 txt 每行第一个数字都是 0。批量检查一段：grep -c "^1 " *.txt | grep -v ":0"，只要 grep 输出非空，就说明有错乱文件，重新跑一遍标注格式转换即可。检查行首数字这个习惯，我在任何多类别数据集上都会先做，因为这是 yolo 数据里最常见、最隐蔽的黑匣子错误。

4.3 VOC 转 YOLO 坐标除错，框全部漂移

现象：可视化脚本里，YOLO txt 画出来的框和标注对象偏差很大，有的框跑到图片外面，有的框宽高比严重不对。

原因：归一化的时候除了错误的尺寸。最常见的是把x_center除以图片宽度时写成了除以图片高度，或者把width除以了图片宽度、把height也除以了图片宽度。再有一种低级错误是部分边角坐标忘了转 float，整数除法把 0.5 直接干成 0。

解决：坐标换算必须严格按公式：x_center = (xmin + xmax) / 2 / img_w、width = (xmax - xmin) / img_w，高度同理除以img_h。我常用上一章的对比脚本做回归验证，换一张没抽查过的图，绿框红框叠得上才算过。这个步骤枯燥，但它是后续所有训练的地基。

4.4 离线数据增强只增强了图片

现象：做了翻转、平移、缩放增强后，训练 loss 变成 nan，或者验证集 mAP 直接掉到接近 0。

原因：增强是离线做的，只对 jpg 做了处理，生成的新图片没有对应的 txt/xml 标注，或者增强里对图片做了裁切，但标注坐标没跟着一起变换。yolo 在训练时会认为这张增强图“没有目标”，一遍遍把梯度往“无目标”方向推，模型很快就废了。

解决：离线增强必须以“图和标注是同一个变换对象”为前提。翻转时 xmin/xmax 要同步翻转，缩放时坐标和图片尺寸同时乘以系数，裁切还要做坐标裁边。如果不熟悉这套几何变换，我一般建议优先用在线增强（mosaic、mixup 这类由训练框架处理的增强），源码级的同步不容易出错。只有在进度条显示正样本严重不足时，才值得动手做离线增强，并且每生成一张新图都要跑一遍标注越界检查。

4.5 验证集 mAP 为 0，不是模型的锅

现象：训练结束，验证集 mAP 一直显示 0.000，但训练集上的 loss 已经收敛得很好。

原因：十有八九是验证集划分方式出了问题。比如按文件顺序取出最后 20% 当验证集，而采集顺序恰好是按路段排的，验证集全是某一种光照或背景下的难例，模型没见过，mAP 为 0 不意外。另一个常见原因是验证集路径含中文或特殊字符，opencv 读图失败后，标记全部丢弃，评估时所有图片都是“无目标”，mAP 自然为 0。

解决：划分时必须随机打散，用固定 seed 保证可复现，这个我在第 5 章专门讲。路径里不要带中文，项目目录统一用英文字母和数字。你自己可以留一条检查线：验证集里挑 10 张图，手动跑一遍检测，如果模型肉眼可见能框住三轮车，但 mAP 是 0，问题一定出在评估的数据加载上，而不是模型。

5. 三种落地玩法：直接训练、迁移微调与可视化体检

5.1 按帧打散划分：固定 seed，让每次结果可复现

第 4 章说了，按文件顺序划分会翻车，正确做法是随机打散。这里有一个细节容易被忽略：划分的最小单位是“帧”，也就是单张图片，而不是“视频段”或“连续帧批次”。如果采集来源是连续视频抽帧，相邻帧高度相似，把它们全放进训练集、或者全放进验证集，都会让验证结果虚高或虚低。现在这份数据集是独立图片，不涉及这个风险，但顺手把 seed 固定下来仍是好习惯。

import random from pathlib import Path random.seed(42) root = Path("tricycle_dataset") imgs = sorted(root.glob("*.jpg")) random.shuffle(imgs) val_ratio = 0.2 val_cut = int(len(imgs) * val_ratio) val_imgs = imgs[:val_cut] train_imgs = imgs[val_cut:] print(f"train: {len(train_imgs)}, val: {len(val_imgs)}") for img in train_imgs: print(img.name) for img in val_imgs: print(img.name)

逻辑说明：先对所有图片名做排序，保证不同机器上glob返回的顺序一致；再shuffle打乱；取前 20% 当验证集，其余当训练集。打印出的文件名清单可以接着去生成 YOLO 需要的train.txt和val.txt路径列表，也可以直接用脚本去移动文件到子目录。

参数说明：seed=42是固定种子，你可以换任何整数，但只要固定，别人跑同一个脚本就会得到完全一样的划分；val_ratio=0.2在 559 张图上划分出约 112 张验证，样本量足够评估又不至于抢训练量。如果你有强迫症想保证验证集里每一类都有分布，可以用按类别统计的 StratifiedSplit，但单类数据集没必要。

5.2 YOLOv8 训练闭环：data.yaml 与第一条曲线

新一代 yolo 系列把训练配置收敛到了一个 yaml 加一条命令行，对新人友好很多。这份数据集因为只有单类，data.yaml 可以写得非常干净：

path: /home/yourname/tricycle_dataset train: images/train val: images/val names: 0: tricycle

path是数据集根目录的绝对路径，train和val是相对path的图片目录，names的 key 是 class_id，从 0 开始，value 是类别名。这个顺序和第 4.2 节讲的坑直接相关：yaml 里0对应tricycle，所以所有 txt 里第一个数字必须是 0。目录结构要先建好：images/train、images/val放图片，labels/train、labels/val放 txt，两者文件名一一对应。

准备完成后，训练命令是：

yolo detect train data=data.yaml model=yolov8s.pt epochs=100 imgsz=640 batch=16

参数说明：model=yolov8s.pt表示用小规模的 s 权重作为起点，首次跑流程时建议用 s 而不是 x，显存占用低、迭代快；epochs=100在当前数据量下够用了，新手验证流程可以先用epochs=10跑通再拉长；imgsz=640是标准输入尺寸，如果原图普遍超过 1280，可以尝试imgsz=960，但显存和训练时间会上升。第一个 epoch 的 loss 通常比较大，不要慌，先看前 20 个 epoch 有没有稳定下降趋势，而不是盯着 mAP 看。

5.3 迁移学习：用小数据微调，而不是从零训练

559 张图、659 个框，从头训练一个小模型未必不能收敛，但容易过拟合，尤其体现在验证集 mAP 上蹿下跳。更稳的路线是拿在 COCO 上预训练好的权重来 finetune。COCO 里有车、卡车、自行车这类高度类似的目标，模型的底层特征（边缘、纹理、轮子结构）可以直接复用，这也是model=yolov8s.pt这个参数存在的原因——它会自动下载预训练权重。

yolo detect train data=data.yaml model=yolov8s.pt epochs=100 imgsz=640 batch=16 freeze=10

freeze=10表示冻结前 10 层 backbone，让它们在微调时保持 COCO 学到的特征不动。小数据集最容易翻车的就是 backbone 被少量新数据带偏，冻结前几层是常用的后悔药。如果你用的是自己从零训练好的权重，把model参数换成本地权重路径即可，pretrained=True这种写法在旧版 yolo 里常见，新版本直接用model=xxx.pt控制。

我个人的习惯是：先用不冻结的版本跑 30 个 epoch 观察 loss，再对比冻结版本，哪个验证集表现好留哪个。对比是为了确认这个数据集到底是“缺通用特征”还是“缺任务专属特征”，前者冻结有效，后者冻结反而拖后腿。

5.4 可视化体检：把 txt 框画回图片

最后一步体检很朴素：把训练用的 txt 画回原图，肉眼确认标注质量。很多人跳过这步直接训练，然后被 mAP 的忽高忽低折磨。画回图片不需要多复杂的代码，用 opencv 就能批量做：

import glob import cv2 def draw_yolo_boxes(img_path, txt_path, color=(0, 0, 255)): img = cv2.imread(img_path) h, w = img.shape[:2] with open(txt_path) as f: for line in f: parts = line.strip().split() cls, cx, cy, bw, bh = (int(parts[0]), float(parts[1]), float(parts[2]), float(parts[3]), float(parts[4])) x1 = int((cx - bw / 2) * w) y1 = int((cy - bh / 2) * h) x2 = int((cx + bw / 2) * w) y2 = int((cy + bh / 2) * h) cv2.rectangle(img, (x1, y1), (x2, y2), color, 2) cv2.putText(img, f"class:{cls}", (x1, max(0, y1 - 5)), cv2.FONT_HERSHEY_SIMPLEX, 0.6, color, 2) return img img_path = "tricycle_xyxr_179.jpg" txt_path = "tricycle_xyxr_179.txt" result = draw_yolo_boxes(img_path, txt_path) cv2.imwrite("vis_179.jpg", result)

逻辑说明：读图片宽高，解析 txt，把归一化坐标换算回像素坐标，再画矩形框和类别 id。putText里的max(0, y1 - 5)是防止框贴着图片顶部时文字写到画面外去。

参数说明：color=(0, 0, 255)是红色，BGR 顺序，opencv 里别写反；如果要批量检查，把img_path和txt_path换成 glob 遍历即可。抽检时重点看两个地方：一是有没有把石头、树影当成三轮车；二是两辆三轮车挨得很近时，是一个框包住两辆，还是两个框独立。前者说明标注颗粒度不够，后者才是合格的画法。

6. 吃满 559 张：用尺度分布调 anchor，靠置信度门限收口

数据集只有 559 张，想在有限样本里压榨出更好的检测效果，最值得做的一件事是先统计所有真实框的像素宽高分布，再决定要不要调整模型默认的 anchor。YOLO 系列虽然已经能自适应锚框，但默认设置是在 COCO 上统计出来的，COCO 里包含大量大中型目标，而街景里的三轮车通常是有特定尺寸范围的。

import glob import numpy as np from PIL import Image wh = [] for txt in glob.glob("tricycle_dataset/*.txt"): img_path = txt.replace(".txt", ".jpg") iw, ih = Image.open(img_path).size with open(txt) as f: for line in f: parts = line.split() bw = float(parts[3]) * iw bh = float(parts[4]) * ih wh.append([bw, bh]) wh = np.array(wh) print("框宽高均值:", wh.mean(axis=0)) print("宽高比 p10/p50/p90:", np.percentile(wh[:, 0] / wh[:, 1], [10, 50, 90]))

这段脚本遍历所有 txt，把归一化宽高还原成像素宽高，再算宽高比的十分位、中位数和九十分位。如果 p50 在 1.2 到 1.8 之间，说明三轮车多是横向偏宽的目标，默认 anchor 里细长条的比例就浪费了；如果整体框偏小，可以适当把 imgsz 调大，或者在训练时减少输入缩放带来的下采样损失。理解这个分布，比机械地套用 anchor 调参脚本更有用。

训练完成之后，还有最后一个收口动作：调整置信度门限。YOLO 预测时会输出每个框的置信度，默认conf=0.25，在 559 张这类小数据集上，这个门限往往偏低，会带出一堆误检框。跑验证时把门限提到 0.35 或 0.4，同时打印出每个置信度区间里的误检数量，找一个“召回不掉太多、误检又压得住”的点。这个操作不改变模型权重，只改变输出策略，但视觉上对交付结果的影响比调几个 epoch 还明显。

从那以后，我每次拿到新数据集，都会强制先走一遍“文件完整性核对→格式可视化比对→标注质量抽检→随机打散划分→小步训练验证”的流程，再开始正式调参。这套流程看起来又笨又慢，但能挡掉大部分低级翻车，让精力真正花在模型本身。希望这份 559 张的三轮车数据，能帮你把这条路走顺。

本文还有配套的精品资源，点击获取