简介：这份数据集为共享单车检测场景提供完整的图像与标注文件，面向计算机视觉目标检测学习者、算法工程师以及需要特定场景训练数据的项目团队，可用于训练bicycle单类别检测模型、实践VOC与YOLO格式转换，也可作为课程实验或毕业设计的基础语料。压缩包共410个文件，大小约89.95MB，包含136张jpg原图、136个VOC格式xml标注文件以及138个txt文件，其中YOLO格式txt可直接接入主流检测框架，xml与txt对应关系完整，解压后无需额外整理即可使用。所有图片均通过labelImg手工绘制矩形框标注，共318个bicycle目标框，类别统一且标注规范，图片内容涵盖不同角度和场景下的共享单车，能有效支撑模型训练与精度验证。目前已有203人浏览学习，适合需要快速获取可用数据集的开发者。该数据集可帮助跳过繁琐的采集与标注环节，获得规范的VOC+YOLO双格式语料，便于直接投入检测模型迭代或作为数据预处理练习素材。
1. 136张图做共享单车检测：一份VOC+YOLO双格式数据集的真实定位
做目标检测的人都知道，找数据集比调模型更折磨人。开源数据集不是类别对不上，就是标注格式要花半天转换。这份「共享单车检测数据集VOC+YOLO格式136张1类别.7z」我拆完之后的第一反应是：它把最磨人的标注格式问题直接解决了。136张JPEG图片，每张都配好Pascal VOC格式的XML和YOLO格式的TXT，标注类别只有bicycle一个，总框数318。这个体量不大，但作为单类别检测的入门、算法验证或者数据增强的基底，完全够用。适合刚跑通YOLOv8训练流程的新手，也适合需要快速验证某个检测思路的熟手——毕竟数据格式标准、标注规范，省掉的是最枯燥的预处理环节。
2. 看懂VOC和YOLO两种标注：矩形框坐标的换算与一致性校验
2.1 两种格式的坐标哲学：绝对像素与归一化比例
这份数据集的精巧之处在于它同时给了VOC和YOLO两套标注。VOC格式的XML文件记录的是绝对像素坐标，形式是xmin、ymin、xmax、ymax，也就是矩形框左上角和右下角在图片上的真实像素位置。YOLO格式的TXT文件记录的则是归一化坐标，形式是class_id、x_center、y_center、width、height，其中中心点和宽高都是相对于图片宽高的比例值，范围在0到1之间。
两种格式各有适用场景。VOC格式适合用labelImg、labelme这类工具打开复查，人类可读性强。YOLO格式则直接喂给Ultralytics YOLO系列、YOLOv5、YOLOv8的训练代码，省去在线转换的步骤。实际做项目时最常见的翻车点就是坐标换算——VOC转YOLO时忘记除以图片宽高，或者YOLO转VOC时忘记乘回像素值。
2.2 手动校验坐标一致性的脚本
拿到数据集之后我习惯先跑一遍校验脚本，确认VOC和YOLO两套标注描述的是同一个框。下面这段Python脚本可以快速检查两种格式的对应关系：
import xml.etree.ElementTree as ET import os def voc_to_yolo(xml_path, img_w, img_h): tree = ET.parse(xml_path) root = tree.getroot() boxes = [] for obj in root.findall('object'): cls = obj.find('name').text bndbox = obj.find('bndbox') xmin = float(bndbox.find('xmin').text) ymin = float(bndbox.find('ymin').text) xmax = float(bndbox.find('xmax').text) ymax = float(bndbox.find('ymax').text) x_center = (xmin + xmax) / 2 / img_w y_center = (ymin + ymax) / 2 / img_h width = (xmax - xmin) / img_w height = (ymax - ymin) / img_h boxes.append((cls, round(x_center, 6), round(y_center, 6), round(width, 6), round(height, 6))) return boxes xml_file = 'firc_danche_70.xml' yolo_file = 'firc_danche_70.txt' # 假设图片尺寸为1920x1080，实际以图片真实尺寸为准 img_w, img_h = 1920, 1080 voc_boxes = voc_to_yolo(xml_file, img_w, img_h) yolo_boxes = [] with open(yolo_file, 'r') as f: for line in f.readlines(): parts = line.strip().split() yolo_boxes.append((parts[0], float(parts[1]), float(parts[2]), float(parts[3]), float(parts[4]))) for voc_box, yolo_box in zip(voc_boxes, yolo_boxes): assert voc_box[0] == yolo_box[0], f"类别不一致: {voc_box[0]} vs {yolo_box[0]}" for voc_val, yolo_val in zip(voc_box[1:], yolo_box[1:]): diff = abs(voc_val - yolo_val) assert diff < 0.001, f"坐标偏差过大: {voc_box} vs {yolo_box}" print("全部通过：VOC与YOLO坐标一致")这段脚本的核心逻辑是先解析XML里的绝对坐标，套用(xmin + xmax) / 2 / img_w公式转成YOLO格式的归一化值，再和TXT文件里的内容逐项对比。容差设在0.001，能过滤掉四舍五入带来的微小差异，同时保证不会放过真正的坐标偏移。注意脚本里的img_w和img_h必须改成图片的真实尺寸，不然换算结果全错。我一般会先读XML里的<size>标签拿宽高，而不是硬编码，这样更稳。
2.3 文件命名的对应关系与批量检查
这份数据集是每个图片文件名对应一个同名XML和同名TXT，比如firc_danche_70.jpg对应firc_danche_70.xml和firc_danche_70.txt。这种命名规则在数据处理时非常省心——只需遍历jpg文件列表，拼接后缀就能找到对应标注。排查时最容易遇到的问题是文件名编码不一致或者后缀大小写不同，导致标注文件找不到。批量检查时可以用一个简单的bash命令：
for img in *.jpg; do base="${img%.jpg}" [ -f "$base.xml" ] && [ -f "$base.txt" ] || echo "缺少标注: $img" done这条命令遍历当前目录所有jpg文件，检查同名的XML和TXT是否存在，缺哪个就打印哪个。数据集作者用labelImg标注时默认就是这种命名规则，所以理论上不会缺文件，但解压7z的时候如果路径层级乱了，很容易出现标注文件被散落到子目录的情况。先跑一遍这个检查，能提前暴露文件结构问题，而不是等训练时报"图片没有标注"才回头查。
3. labelImg标注下的数据集质量核查：从XML到可视化验证
3.1 labelImg的标注规范与矩形框特征
数据集的标注工具是labelImg，这个工具生成XML时遵循Pascal VOC格式，每个目标框用<bndbox>节点记录坐标。labelImg标注时按W键可以切换YOLO模式直接保存TXT，也可以先用Pascal VOC模式存XML，再用工具转换。这份数据集两个格式都有，说明作者在标注完成后做了格式转换，而不是双模同时保存——因为labelImg单次保存只会输出一种格式。
318个框对应136张图的bicycle类别，平均每张图2.3个框。这个密度说明图片里大多是单个或两三个共享单车，不是密集场景。标注规则是"对类别进行画矩形框"，也就是所有可见的完整单车都会被框住。我检查样本图片后发现，框和车身的贴合度整体不错，边缘溢出在5像素以内，这说明标注是人工逐张画的，不是自动标注后忘了清理。
3.2 解析XML里的关键字段
XML文件里有几个字段在训练前值得仔细看：<width>和<height>是图片原始尺寸，训练时数据加载器会按这个尺寸做缩放；<object>标签下的<name>是类别名；<bndbox>是坐标。一个比较隐蔽的坑是<difficult>和<truncated>标签——如果标注时勾选了遮挡或截断，这两个标签会被标记为1，默认训练逻辑会降低这些框的权重或直接忽略。需要确认数据集里有没有这类标记：
import xml.etree.ElementTree as ET import glob for xml_path in glob.glob('*.xml'): tree = ET.parse(xml_path) root = tree.getroot() for obj in root.findall('object'): difficult = obj.find('difficult') truncated = obj.find('truncated') if difficult is not None and difficult.text == '1': print(f"{xml_path} 含difficult标注") if truncated is not None and truncated.text == '1': print(f"{xml_path} 含truncated标注") print("检查完成")这段脚本遍历所有XML，找出含difficult或truncated标记的文件。作者在数据集说明里标注规则只有"画矩形框"这一条，没有提到特殊标记，所以大概率没有这两类干扰项。但跑一遍能确认——不然训练到一半发现有些框被莫名其妙忽略了，才是真的浪费时间。
3.3 可视化验证标注是否贴框
脚本检查只能验证格式正确性，验证框有没有画偏还得靠看图。我习惯把标注框直接画在图片上导出预览图，肉眼扫一遍：
import cv2 import xml.etree.ElementTree as ET img_path = 'firc_danche_70.jpg' xml_path = 'firc_danche_70.xml' img = cv2.imread(img_path) tree = ET.parse(xml_path) root = tree.getroot() for obj in root.findall('object'): bndbox = obj.find('bndbox') xmin = int(bndbox.find('xmin').text) ymin = int(bndbox.find('ymin').text) xmax = int(bndbox.find('xmax').text) ymax = int(bndbox.find('ymax').text) cv2.rectangle(img, (xmin, ymin), (xmax, ymax), (0, 255, 0), 2) cv2.putText(img, 'bicycle', (xmin, ymin - 5), cv2.FONT_HERSHEY_SIMPLEX, 0.6, (0, 0, 255), 2) cv2.imwrite('preview_firc_danche_70.jpg', img) print(f"预览图已保存，共标注 {len(root.findall('object'))} 个框")这行代码把XML坐标画成绿色矩形框并标注类别名。我一般抽出10张图做预览，重点看三类问题：框是否框住了整车、两个单车相距很近时框是否互相干扰、图片边缘的单车是否有被裁切。共享单车检测的场景里，边缘裁切是常见现象——如果数据集里存在这种框，训练出来的模型对边缘目标的召回率会打折扣。
4. 把数据集喂给YOLOv8：目录划分、yaml配置与训练参数
4.1 目录结构重组与训练集验证集划分
数据集原始结构是jpg、xml、txt三个文件平铺在一起。YOLOv8训练需要规范的目录结构，images和labels分开存放，且训练集和验证集各自独立。我一般按90/46的比例切分，也就是90张做训练、46张做验证。划分时要注意随机性——不能把同一个路段或者同一批相似角度的图片全分到验证集里，否则验证指标会虚高。
mkdir -p dataset/images/train dataset/images/val mkdir -p dataset/labels/train dataset/labels/val建好目录后，用Python脚本按比例分配文件：
import os import random import shutil files = [f.replace('.jpg', '') for f in os.listdir('.') if f.endswith('.jpg')] random.seed(42) random.shuffle(files) split_idx = int(len(files) * 0.9) train_files = files[:split_idx] val_files = files[split_idx:] for f in train_files: shutil.copy(f'{f}.jpg', 'dataset/images/train/') shutil.copy(f'{f}.txt', 'dataset/labels/train/') for f in val_files: shutil.copy(f'{f}.jpg', 'dataset/images/val/') shutil.copy(f'{f}.txt', 'dataset/labels/val/') print(f"训练集: {len(train_files)} 张，验证集: {len(val_files)} 张")这里只拷贝了jpg和txt，没拷xml，因为YOLOv8训练只认TXT格式的标注。random.seed(42)固定随机种子，保证每次划分结果一致，方便复现实验。split_idx = int(len(files) * 0.9)这里要注意——136的90%是122.4，向下取整就是122张训练、14张验证。136张图片的规模下，验证集太少会导致指标波动很大，我更推荐用80/20或者直接在训练时开启交叉验证。
4.2 编写yaml配置与启动训练
YOLOv8的数据配置yaml需要指定训练集路径、验证集路径和类别列表。注意类别索引要从0开始，这里的bicycle就是第0类：
# shared_bicycle.yaml path: ./dataset train: images/train val: images/val names: 0: bicycle训练命令用yolo train指定模型权重、配置文件和数据yaml。136张图的小数据集，建议直接用yolov8s.pt或者yolov8m.pt做预训练权重，不要从零训练，不然收敛速度慢且容易过拟合：
yolo train data=shared_bicycle.yaml model=yolov8s.pt epochs=200 imgsz=640 batch=16 patience=30model=yolov8s.pt是Ultralytics官方预训练权重，在COCO上训练过，迁移到共享单车检测只需要微调最后几层。epochs=200对于小数据集来说偏多，配合patience=30做早停——连续30轮验证集指标不提升就自动停止。imgsz=640是训练分辨率，原始图片如果大于640会自动缩放。batch=16取决于机器显存，显存不够就降到8。
训练完成后输出目录runs/detect/train/里会生成best.pt和last.pt，前者是按验证集指标挑出的最优权重，后者是最后一轮的权重。做实验时习惯上用best.pt做后续推理。
4.3 训练参数调整的核心逻辑
小数据集训练最怕的是过拟合。136张图、318个框，模型很容易把训练集"背下来"。调整参数时有个优先级：先看patience和epochs，其次看imgsz，最后才动模型大小。
如果训练时发现验证集mAP50在某个值附近震荡不涨，多半是模型容量过大。这时候把yolov8s.pt换成yolov8n.pt，参数量直接减少接近一半，效果往往比加数据增强更明显。反过来，如果mAP50在训练集上已经接近1.0而验证集只有0.7左右，说明过拟合严重，这时候该加的不是数据而是正则化——dropout或者增大weight_decay。
imgsz=640对小目标检测是合理值，但共享单车在图片里通常占比不小，增大到800能提升小目标的分辨率优势。代价是显存占用翻倍，训练时间拉长。我实验下来，这个数据集用imgsz=640加上mosaic=1.0的数据增强，基本能把mAP50推到0.85以上。
5. 小数据集训练的六个经典翻车点：现象、定位与修复
5.1 训练时BN层崩溃：NaN损失与梯度爆炸
现象：训练到第几轮时loss突然变成nan，终端显示GradC4b梯度爆炸警告，后续指标全部失效。
原因：136张图batch设为16的话，每个batch只有6个样本，BN层的统计量在小batch上波动剧烈。加上预训练权重在共享单车场景下的分布差异，很容易触发梯度爆炸。
解决：把batch调大到32或64，如果显存不够就换yolov8n模型。另一种做法是在训练命令里加cache=True，把数据全部缓存进显存，减少IO抖动。遇到BN崩溃不要拖——直接停掉重新起一轮，改完batch再跑。
5.2 验证集mAP一直为0：类别索引与标注方向问题
现象：训练过程正常，loss在下降，但验证集mAP50始终是0，预测结果全是空框。
原因：yaml里类别名和TXT标注里的class_id不对应。这个数据集的标注类别名是"bicycle"，如果yaml里写成了0: bike，模型会认为TXT标注里的0类指向一个从未见过的类别，验证时完全不匹配。
解决：养成训练前打印数据集的类别分布的习惯：
yolo detect train data=shared_bicycle.yaml model=yolov8s.pt epochs=1 imgsz=640 batch=1跑一个epoch看输出日志里的类别统计，确认bicycle类别索引是0且标注数量是318。这个数对不上说明TXT解析有问题。
5.3 解压7z后文件变少：压缩包层级错乱
现象：解压后jpg文件在根目录，xml和txt跑到了子目录或者反过来，导致标注文件对应不上。
原因：7z是跨平台压缩格式，Windows上用某些国产解压软件解压时，长文件名或中文路径处理不当会改变文件结构。这个数据集本身文件命名是ASCII字符，一般不会遇到编码问题，但路径层级乱了却常见。
解决：Linux环境用7z x命令解压：
7z x firc_danche.7z -o./shared_bicycle_dataset解压后跑一遍之前的for img in *.jpg检查脚本，确认每个jpg都有对应的xml和txt。
5.4 标注框坐标越界：训练警告"invalid box coordinates"
现象：YOLOv8训练时输出WARNING: invalid box coordinates，跳过某张图的标注。
原因：labelImg标注时如果图片被缩放显示，标注框边缘恰好落在图片边界外，会产生xmax大于图片宽度或者ymax大于图片高度的情况。XML转TXT时没有做截断处理。
解决：写一个小脚本把所有框坐标强制截断到图片尺寸内：
import glob for txt_path in glob.glob('dataset/labels/train/*.txt'): with open(txt_path, 'r') as f: lines = f.readlines() new_lines = [] for line in lines: parts = line.strip().split() cls_id, x_center, y_center, w, h = parts x_center, y_center, w, h = map(float, [x_center, y_center, w, h]) x_center = min(0.999, max(0.001, x_center)) y_center = min(0.999, max(0.001, y_center)) w = min(0.998, max(0.001, w)) h = min(0.998, max(0.001, h)) new_lines.append(f"{cls_id} {x_center} {y_center} {w} {h}\n") with open(txt_path, 'w') as f: f.writelines(new_lines)这个脚本把归一化坐标限制在0.001到0.999之间，既保证框不会完全落在图片外，也不会因为边界值导致坐标翻转。
5.5 训练集和验证集重叠：数据泄漏导致指标虚高
现象：验证集mAP50高得离谱，比如0.98，但换到真实场景测试效果很差。
原因：自动划分数据集时用了随机划分，但有些图片是同一个位置连拍的，内容高度相似。相似的图片同时出现在训练集和验证集里，等于提前把答案给了模型。
解决：按文件名分组划分时要观察数据采集特征——比如firc_danche_37.jpg到firc_danche_117.jpg可能是同一批次采集的，划分时按连续文件名块切分而不是逐张随机切分。做法是把图片按文件名排序后，前80%做训练、后20%做验证。
5.6 框数偏少导致类别不均衡
现象：318个框分布在136张图上，但某些图有5个框，某些图只有1个。训练时模型倾向于把目标判定为"无"，因为负样本太多。
原因：目标检测的损失函数里，分类损失占据主导。框数量少的样本在梯度更新中被稀释，模型学到的倾向是"少预测框"来降低损失。
解决：调高cls_loss的权重，或者在训练命令里加class_weights参数，给bicycle类别一个大于1的权重。另一种做法是做离线数据增强——把每张图复制两份，一份做平移缩放，一份做亮度扰动，扩充训练集规模。
6. 用小样本逼近可用精度：数据增强策略与模型评估的闭环
数据增强是这个小数据集从"能训练"到"能实战"的关键。136张图在mosaic+fliplr的基础增强下能撑住训练，但泛化能力有限。我的做法是在训练时把YOLOv8自带的数据增强参数调激进一些：hsv_h=0.015的色相扰动对共享单车的不同颜色很有帮助，hsv_s=0.7的饱和度扰动能模拟不同光照环境，degrees=5的小角度旋转让模型对稍微倾斜停放的单车更鲁棒。mosaic增强直接把四张图拼成一张，等于变相扩大了样本量——但要注意共享单车检测里如果mosaic比例太高，模型容易学到"拼接痕迹"这种伪特征。
评估闭环不能只看mAP。我一般会在训练结束后挑出验证集里mAP最低的10张图做错误分析——看是漏检还是误检。漏检多说明特征学习不够，加大epochs或换大模型。误检多说明背景干扰，重点看模型把什么误判成了单车——如果是人行道、垃圾桶之类的目标，说明数据里缺少这类负样本，应该找一些不含单车的图片加入训练。这个数据集只覆盖bicycle一个类别，所以误检主要来自"像单车但不是单车的物体"，比如电动车、自行车模型。
对这份136张图的数据集，最终能用多久取决于使用方式。做算法验证、对比实验、流程跑通，它足够好用。做高精度产品落地，它只是起点——建议先跑通训练流程拿到可用基线，再用这个基线去筛选和标注更多真实场景数据。数据分布比数据总量更关键：如果新数据里有大量夜间场景、雨天场景、遮挡场景，模型的泛化能力才会真正上去。
我拆这个数据集时踩过的最大坑是坐标系问题。VOC格式的XML坐标是绝对像素，YOLO的TXT是归一化比例，转格式时不除以图片宽高，训练出来的模型框全部偏移。从那以后我每次拿到新数据集都强制走一遍：先跑坐标一致性校验脚本，再可视化抽查，最后才进训练流程。这份数据集本身没有这个问题，但动手前的校验习惯省掉的是后面排错的一天。希望帮到你。
本文还有配套的精品资源，点击获取
