车辆颜色图像分类：从10,000张标注数据到PyTorch训练避坑指南

简介：面向车辆外观识别与图像分类任务，数据集中覆盖白、黑、灰、银、红、蓝、棕等15个常见车辆颜色类别，并已划分训练集与测试集，适合用于CNN分类模型训练、车辆颜色识别算法验证以及图像分类教学实践。压缩包共约2000个文件，以1998张jpg图像为主体，另附json类别标注文件与show.py可视化脚本，包体约575.27MB，可借助json查看完整的类别映射与标签设置。目前已有358人学习下载。资源目录按训练集、测试集分类存放，结构清晰；运行show脚本可随机展示样本图像，便于快速检查各类别的样本分布与标注质量，也能用于迁移学习或类别不均衡分析，适合直接接入常见分类项目或作为车辆颜色识别任务的有力数据补充。

1. 车辆颜色图像分类：为什么 10,000 张已标注数据依然会翻车

我去年帮一个停车场项目做车辆颜色图像分类，训练集精度刷到 97%，以为稳了，结果换了个入口摄像头的数据，准确率直接掉到 82%。排查下来问题不在模型，而在数据标注和分布的细节上。这份约 10,000 张、已标注的车辆颜色图像分类数据集，恰好适合用来做这类通用数据集的 baseline 验证：它把颜色分类里最常见的标注方式、类别分布和训练流程都暴露出来了。适合两类人：一是做车辆识别系统、需要先跑通分类管线的工程师；二是想搞懂图像分类数据集怎么组织、怎么喂给模型、怎么评估的入门者。你可以把它当成一个不算复杂、但足够真实的练手样本，先把颜色分类这件事跑明白，再迁移到自己的业务场景。

2. 先读懂数据集：目录结构、颜色类别与划分方式的三项必备认知

2.1 文件组织方式与标注的真实形态

拿到数据集第一步不是急着训练，而是先搞清楚文件怎么组织的。车辆颜色分类数据集的常见做法是“分类文件夹 + 清单 CSV”两条线并行：图像按颜色分目录存放，同时有一个 labels.csv 把每张图的名字、颜色名和标签编码汇总在一起。

为什么我强调看 labels.csv 而不是只看文件夹名？因为有些版本的标注藏在图像文件名里，比如black_000123.jpg，而有些则用一串数字 ID 命名，真值只在 CSV 里。以 CSV 为主链路是稳妥做法，常见格式是每行三列：img_name, color, label_id，其中label_id从 0 开始递增。拿到手先跑一个完整性检查，把缺失、空值、类别数量一次看全。

import pandas as pd df = pd.read_csv("labels.csv") print(df.head()) print(df["color"].value_counts()) print(df.isna().sum())

这段代码的value_counts()直接输出每个颜色的样本数，能一眼看出类别分布是否均匀；isna().sum()检查 CSV 里有没有空行或缺失标签。我一般还会加一步assert df["img_name"].nunique() == len(df)，确保没有重复图片，因为重复样本会同时污染训练集和验证集，让评估分数虚高。

2.2 颜色类别体系与分布不均的真相

这类车辆颜色数据集的颜色类别通常覆盖 12 类左右，映射关系可以这样定义：

注意 silver 和 gray 是分开的两类，但实际拍摄里两者的区分度很低，这几乎是所有车辆颜色数据集的通病，也是后面训练时准确率上不去的重灾区。我见过的大多数此类数据集分布都不均匀：黑色、白色、灰色三类往往占掉一半以上，黄色、紫色、粉色这种小众颜色可能每类只有几百张。这种头重脚轻的分布直接决定了不能只用准确率做唯一指标，必须要看各类别的召回率，否则一个“全预测黑色”的模型也能拿到不错的总分。

类别映射建议用英文小写加整数 ID，别直接用中文或带空格的名字做目录名。中文路径在部分图像读取库里会出编码问题，而带空格的目录名会在 shell 脚本拼接路径时制造一堆转义麻烦。这个映射表最好是项目里唯一的真值来源，训练脚本和评估脚本都从它导入，避免各处维护一份不一致的列表。

2.3 这个数据集能做什么、不能做什么

特别提醒一句，如果你是想拿它跑 YOLOv8 训练自己的数据集，需要的是每个目标一个边界框的 txt 标注文件，而不是这种图像级分类标签。拿分类数据集直接喂给检测网络，等于把数据集的定位搞错了，训练脚本会在标注解析阶段直接翻车。这类资源适合做的是分类任务的前期验证，先把颜色识别管线跑通，再决定要不要补标注做检测。

3. 从零搭建分类管线：PyTorch 数据加载与增强的完整写法

3.1 自定义 Dataset：把 CSV 标签变成可迭代的数据流

from torch.utils.data import Dataset import pandas as pd from PIL import Image import os class VehicleColorDataset(Dataset): def __init__(self, csv_path, img_dir, transform=None): self.df = pd.read_csv(csv_path) self.img_dir = img_dir self.transform = transform def __len__(self): return len(self.df) def __getitem__(self, idx): row = self.df.iloc[idx] img_path = os.path.join(self.img_dir, row["img_name"]) image = Image.open(img_path).convert("RGB") label = int(row["label_id"]) if self.transform: image = self.transform(image) return image, label

这段代码的核心是__getitem__：按索引取一行 CSV，拼出图像路径，读图并转成 RGB，再把标签转成整数返回。convert("RGB")这一步很多人会漏，但车辆图像里确实存在灰度保存或带 alpha 通道的样本，不统一转换会在后续送入网络时报错。transform从外部传入，这样训练和推理可以复用同一个 Dataset 类，只换预处理策略。int(row["label_id"])确保返回的是 Python 整数而不是 numpy int64，避免后续喂给交叉熵损失时出现类型告警。

3.2 训练集与验证集切分：分层是底线

from sklearn.model_selection import train_test_split df = pd.read_csv("labels.csv") train_df, val_df = train_test_split( df, test_size=0.1, stratify=df["label_id"], random_state=42, shuffle=True ) train_df.to_csv("train_split.csv", index=False) val_df.to_csv("val_split.csv", index=False)

这里stratify=df["label_id"]是按类别比例分层抽样，保证黑色车占 30%，那训练集和验证集里也都约占 30%，否则小众颜色可能只出现在训练集或只出现在验证集里，评估结果毫无参考价值。test_size=0.1表示切 10% 出来做验证。random_state=42固定随机种子，保证每次重跑切分结果一致，这对后续调参时做公平对比很重要。切分后把两份 CSV 落盘，训练脚本直接读这两个文件，避免每次启动都重新切一次导致实验不可复现。

我一般还会在随机切分的基础上加一步：按车辆 ID 分组。因为同一个 ID 下的多张图来自同一辆车，把它们同时放进训练集和验证集，模型学到的是“记住这辆车”而非“理解颜色”。随机切分在学术 benchmark 上没问题，但迁移到真实摄像头场景时，验证集和训练集的相似度会虚高，这也是很多颜色分类模型上线后掉点的核心原因之一。

3.3 数据增强：颜色任务的增强组合要克制

from torchvision import transforms train_transform = transforms.Compose([ transforms.RandomResizedCrop(224, scale=(0.75, 1.0)), transforms.ColorJitter( brightness=0.3, contrast=0.3, saturation=0.3, hue=0.0 ), transforms.RandomHorizontalFlip(p=0.5), transforms.ToTensor(), transforms.Normalize( mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225] ) ]) val_transform = transforms.Compose([ transforms.Resize(256), transforms.CenterCrop(224), transforms.ToTensor(), transforms.Normalize( mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225] ) ])

这里最重要的一个参数是hue=0.0。颜色分类任务里，色调偏移会让红色变成橙色、蓝色变成紫色，等于把标注里的真值语义直接破坏掉。亮度、对比度、饱和度三个维度可以适度扰动，用来模拟白天、黄昏、逆光下的拍摄差异，但 hue 必须关掉。RandomResizedCrop(scale=(0.75, 1.0))做了轻度裁剪缩放，模拟远近景变化，同时不会把车身局部裁掉太多。验证集用Resize(256) + CenterCrop(224)，保持和训练输入尺寸一致但不引入随机性，这是评估的公平底线。Normalize 的 mean 和 std 使用 ImageNet 统计值，适配加载预训练权重的 ResNet 系列模型。

4. 模型选型与训练参数：用 ResNet-18 收敛的四个关键设置

4.1 颜色是全局低频特征，不需要太深的网络

车身颜色的判别依赖大面积区域的颜色均值响应，而不是局部纹理和边缘细节。色调统计本质上是图像的低频信息，因此 ResNet-18 这一层级的网络在这个任务上完全够用，ResNet-50 带来的收益很小，反而更容易在小数据集上过拟合。

真要说两者的差别，主要出现在银/灰这种需要上下文信息的类别上，ResNet-50 凭借更大的感受野能抢回一点准确率，但训练时间会拉长不少。我的一般做法是用 ResNet-18 先跑通，再看混淆矩阵决定要不要换大模型，而不是直接上最大的网络。10,000 张图、12 类的分类规模，ResNet-18 是这个资源场景下性价比最高的起点。

4.2 训练循环与超参数：AdamW + Cosine 的稳定组合

import torch import torch.nn as nn from torchvision import models from torch.optim import AdamW from torch.optim.lr_scheduler import CosineAnnealingLR model = models.resnet18(weights=models.ResNet18_Weights.IMAGENET1K_V1) num_classes = 12 model.fc = nn.Linear(model.fc.in_features, num_classes) criterion = nn.CrossEntropyLoss() optimizer = AdamW(model.parameters(), lr=1e-3, weight_decay=1e-4) scheduler = CosineAnnealingLR(optimizer, T_max=30) for epoch in range(30): model.train() for images, labels in train_loader: images, labels = images.cuda(), labels.cuda() outputs = model(images) loss = criterion(outputs, labels) optimizer.zero_grad() loss.backward() optimizer.step() scheduler.step() val_accuracy = evaluate(model, val_loader) print(f"epoch {epoch} | loss {loss.item():.4f} | val_acc {val_accuracy:.4f}")

这段代码里有三个值得注意的设置。第一，model.fc = nn.Linear(model.fc.in_features, num_classes)把 ImageNet 预训练的分类头替换成 12 类输出头，前面的卷积层权重全部保留作为迁移起点，这样加载预训练权重后不需要从零学习底层特征。第二，lr=1e-3对迁移学习来说是一个中等偏稳的学习率，配合weight_decay=1e-4做 L2 正则，能有效压制新初始化的全连接层的过拟合。第三，CosineAnnealingLR(optimizer, T_max=30)让学习率在 30 个 epoch 内从初始值余弦下降到接近 0，训练后期可以做更精细的收敛。

batch size 我建议设 64。这个数值在单张 2080Ti 或 3060 上都能跑得动，配合输入尺寸 224，单 step 的显存占用在 2GB 以内。如果显存紧张可以降到 32，但学习率最好同步降到 5e-4，否则梯度更新步长偏大，前期 loss 会抖动。

4.3 早停机制：别让验证集告诉你已经过拟合

class EarlyStopping: def __init__(self, patience=5, min_delta=0.001): self.patience = patience self.min_delta = min_delta self.counter = 0 self.best_score = None self.should_stop = False def __call__(self, val_acc): if self.best_score is None: self.best_score = val_acc return if val_acc < self.best_score + self.min_delta: self.counter += 1 if self.counter >= self.patience: self.should_stop = True else: self.best_score = val_acc self.counter = 0

patience=5的意思很简单：连续 5 个 epoch 验证精度没有超过历史最好值加min_delta就停。min_delta=0.001是让“进步”至少超过千分之一才算数，避免验证精度在 0.001 内抖动时反复判定为新高。早停配合 cosine 调度有个细节要留意：如果触发了早停，调度器本身还没走完，此时保存模型的时机很重要。我一般会在验证精度创新高时单独复制一份best_model_state，停训后用这个备份恢复，而不是直接用最后一个 epoch 的权重，因为最后一个 epoch 很可能已经过拟合了。

5. 常见问题与避坑：准确率上不去的五条真实原因

5.1 深蓝被错分到黑色

现象：混淆矩阵里深蓝色样本大量落入黑色列，单类召回率只有 60% 出头，整体准确率被拖低 2~3 个点。

原因：低光照或逆光场景下，深蓝车身的 RGB 均值与黑色车非常接近，卷积网络学的是颜色分布统计，当两个分布高度重叠时就分不开。如果数据增强里开了 hue 扰动，蓝色还会被进一步偏移到暗色区域，加剧混叠。

解决：把增强里的 hue 参数设为 0，增加 brightness 扰动模拟不同光照；同时在训练时对深色系样本做针对性采样。还有一个思路是训练两阶段模型：第一阶段先区分深色系和浅色系，第二阶段在深色系内部细分蓝与黑。实践证明第二阶段只需要把深蓝和黑的样本拿出来微调，不必重新训练整个网络。

5.2 验证集一换就掉点

现象：在自带验证集上准确率 95%，换一个来源的测试数据掉到 85% 以下，模型像突然“失灵”了。

原因：随机切分验证集时，同一辆车不同角度的照片可能同时出现在训练和验证集里，模型记住的是车辆个体而不是颜色规律。一旦数据来源变化，记忆失效，泛化能力现出原形。

解决：按拍摄时间、地点或车辆 ID 分组切分，保证验证集与训练集没有同一辆车。常见做法是先按文件名前缀聚合车辆 ID，再用GroupShuffleSplit对车辆 ID 做切分，而不是对单张图做切分。如果数据集没有提供车辆 ID 字段，可以按拍摄时间戳分组兜底，时间上不重叠的两段数据本身就近似两个数据源。

5.3 银、灰、白三个近亲色互相串

现象：这三类在验证集上两两混淆严重，模型输出置信度还都很高，经常是“银车被判成灰，灰车被判成白”。

原因：银色和灰色在普通 JPEG 压缩后，纹理细节被抹掉，特征几乎一致；白色车在阴影里拍出来和灰色更接近。这类边界情况靠网络结构很难根治。

解决：在预处理阶段加白平衡校正，常用做法是灰度世界假设——把 RGB 三个通道的均值归一化到同一水平。推理时对 softmax 输出加一个仲裁逻辑：

prob = torch.softmax(logits, dim=1) silver_prob = prob[:, 3].item() gray_prob = prob[:, 2].item() if abs(silver_prob - gray_prob) < 0.05: # 用灰度均值做二选一仲裁 gray_value = image.convert("L").resize((1, 1)).getpixel((0, 0)) pred = 3 if gray_value > 128 else 2

这段代码的核心是：当银色和灰色的 softmax 概率差小于 0.05 时，模型自己也没把握，此时退回灰度统计做兜底。灰度值偏高判银、偏低判灰，能把这一对近亲色的串类率降下来不少。

5.4 ColorJitter 的 hue 把颜色语义改坏

现象：用了默认参数的数据增强后，训练损失正常下降，但验证时对红色和橙色的判断完全错乱，红色车大量被判成橙色。

原因：transforms.ColorJitter(hue=0.1)会让同一张红色车图在训练中时而呈现橙色、时而偏紫，模型学不到“红色是红色”这个不变的语义。损失还在降，但模型学的是数据增强的噪声，不是颜色规律。

解决：hue=0.0，饱和度扰动控制在 0.3 以内。这也是图像分类里少见的“增强过度反而毁任务”的案例，颜色分类的增强必须模拟光照变化，而不是改变色相。这个坑调参时最容易忽略，因为训练指标看起来一切正常，只有做错题分析时才发现是增强把标注语义搞乱了。

5.5 类别不平衡把小众颜色吞掉

现象：整体准确率 94%，但黄色、紫色、粉色召回率不到 50%，而且这几类的 loss 始终降不下去。

原因：数据集中黑、白、灰占比过半，交叉熵损失被头部类别主导，尾部类别梯度贡献太小，模型倾向于把所有不确定样本都归到高频类别。

解决：用WeightedRandomSampler按类别频率的反比抽样，让模型每个 epoch 见到的小众颜色样本量更均衡。

from torch.utils.data import WeightedRandomSampler labels = train_df["label_id"].values class_counts = np.bincount(labels) weights = 1.0 / class_counts[labels] sampler = WeightedRandomSampler(weights, num_samples=len(labels), replacement=True) train_loader = DataLoader(train_dataset, batch_size=64, sampler=sampler)

这里的class_counts[labels]给每张图分配一个权重，样本量越大的类别权重越低。replacement=True表示允许重复采样，num_samples=len(labels)保持每轮迭代步数不变，但小众颜色被抽到的概率显著提升。如果还想更激进，可以换成 focal loss，把gamma设成 2.0，让模型主动关注难分类样本。

6. 进阶验证：混淆矩阵与迁移学习是上线前的最后一道关口

6.1 混淆矩阵可视化脚本

from sklearn.metrics import confusion_matrix import matplotlib.pyplot as plt cm = confusion_matrix(all_labels, all_preds) plt.figure(figsize=(10, 10)) plt.imshow(cm, cmap="Blues") plt.colorbar() plt.xticks(range(12), class_names, rotation=45) plt.yticks(range(12), class_names) plt.xlabel("Predicted") plt.ylabel("True") plt.show()

分类任务只盯一个准确率等于把黑匣子留到最后。混淆矩阵能直接告诉你串类发生在哪一对颜色上，是光照问题、类别不平衡问题，还是类别定义本身就有重叠。我拿到训练好的模型第一件事永远是看这张图，而不是看总分数。

6.2 迁移学习比从零训练更稳

model = models.resnet18(weights=models.ResNet18_Weights.IMAGENET1K_V1) model.fc = nn.Linear(model.fc.in_features, 12) for param in model.parameters(): param.requires_grad = False for param in model.fc.parameters(): param.requires_grad = True

先冻结全部卷积层，只训练新分类头，用 1e-3 的学习率跑 10 个 epoch，再解冻最后一组残差块继续微调。这个两段式做法比直接完整微调更稳，尤其适合 10,000 张这种中等规模数据集。冻结阶段让分类头先适应颜色特征空间，解冻阶段再用小学习率修一下高层语义，比从零训练收敛快，最终精度也更高。

上线前我还会做最后一件事：对 softmax 输出设置拒绝阈值。如果最高置信度低于 0.8，就输出 unknown，让系统承认“不确定”，而不是硬给一个可能错误的颜色。这个习惯帮我挡掉了很多线下测试发现不了的边界误判。从那以后，我每次做图像分类项目，都强制自己走一遍“看分布、分层切分、关 hue、出混淆矩阵、设拒绝阈值”这条固定流程，踩过的坑基本都堵上了。希望帮到你。

本文还有配套的精品资源，点击获取