路面坑洼大小识别数据集：YOLO/COCO/VOC三格式与92.6%训练实战

坑洼检测这几年在道路养护圈子里讨论度很高。我之前做过一段时间道路病害识别方向的活儿，最深的感触是：数据比模型难搞。路面目标跟常规的目标检测完全不一样，坑洼没有固定形状、边界模糊、光照一变就认不出来，一套规范标注的数据集比调参金贵得多。最近刚好整理完这套带标注的路面坑洼大小识别数据集，模型训练出来的识别率能到92.6%，并且同时支持yolo、coco json、pascal voc xml三种主流训练格式，正好把从数据设计到训练落地的完整过程拆开讲讲，给正在做道路巡检、路面破损检测、自动驾驶感知的朋友一个参考。

这篇内容适合三类人看：一是算法工程师，想找一套拿来就能训的高质量路面数据；二是准备自建数据的团队，想搞明白标注规范怎么定，模型才能真正学会“坑洼大小”这个维度；三是刚入门目标检测的学习者，想找一个贴近真实场景、能直接用起来的项目练手。

1. 项目定位：这套数据集到底解决什么问题

1.1 先拆标题：四个关键信息

先把题目拆开看。“带标注的路面坑洼大小识别数据集”这句话里，其实包含四层信息：目标对象、任务形态、交付形态、性能指标。

目标对象是路面坑洼，而不是裂缝、车辙或者桥头跳车，聚焦在坑洼这类最常见的路面破损上。同时数据里也保留了井盖、树影、水渍、油污这类“非坑洼”干扰项，用来帮模型学会区分真假目标。任务形态是“检测+大小识别”，既要知道坑洼在哪里，又要判断它属于哪个尺寸等级。交付形态是带标注的数据集，标注不只是画框，还包含等级标签、遮挡标记、边界可见度说明。性能指标是92.6%的识别率，这是基线模型在对应测试集上的综合结果，具体怎么理解，后面会单独展开。

我在项目里用过不少坑洼检测相关的开源数据，大多数只标注“有没有坑”，没法回答“坑多大”。这个信息在养护场景里很关键：小坑可以纳入例行修补计划，中坑需要安排近期修复，大坑可能直接影响行车安全，必须尽快处理。如果算法只输出一个框，养护人员还要回到图像上再人工判一次等级，等于检测白做了一半。所以这套数据把“大小识别”作为核心任务设计，目的就是让模型输出直接对接到工单系统。

1.2 为什么把“大小”设计成模型类别

尺寸等级的判断有两种实现路径：一种是后处理，用检测框的宽高或对角线长度换算等级；另一种是把等级做成目标类别，让模型端到端学出来。这套数据选的是第二种。

后处理方案看起来简单，但实际操作会遇到一个很烦的问题：检测框的边缘天然有抖动。如果目标的真实尺寸刚好在分级边界附近，框宽几个像素的偏差，算出来的等级就会跳变。同一个坑洼，两次检测可能一次判成“中坑”、一次判成“大坑”，在业务系统里表现为同一位置一会儿中一会儿大，非常不稳定。而把等级设计成分类目标之后，模型学的是“这一类坑洼的整体视觉特征”，对框尺寸的微小抖动没这么敏感，判断稳定性会好很多。

代价是标注成本明显增加。标注员不仅要框准目标，还要正确判断等级，而且等级判断依赖拍摄高度和镜头参数，必须配套换算表。否则同一物理尺寸在不同图像里的像素尺寸不一致，标出来的等级就乱套了。这也是市面上同类数据稀缺的根本原因。

1.3 数据构成与场景覆盖

这套数据的图像来源覆盖了常见的道路场景：城市沥青路、县道、高速公路服务区、停车场、乡村水泥路。天气和光照也尽量拉开差异，晴天直射、阴天散射、雨后积水、路灯夜景、桥下阴影区都有覆盖。特别注意保留了带水渍和井盖的样本，这类东西最容易和坑洼混淆，留在数据里反而能提升模型的抗干扰能力。

采集设备不是单一相机，有车载运动相机、手机、巡检车上的定点相机，分辨率以1080p为主，也掺了一部分720p的老数据。因为拍摄角度和高度不统一，同一物理尺寸的坑洼在图像里的像素尺寸波动很大。之前看过一些数据集动辄标注上万张，但拍摄条件太单一，模型换个路段就不行了，所以场景多样性比总数重要得多。

尺寸等级分为三级：小坑、中坑、大坑。分级标准是通过标定板反推的物理尺寸，拍摄高度固定时，1080p画面下大约每像素对应0.2厘米，30厘米就是150像素，60厘米就是300像素。具体换算系数以数据包附带的说明文档为准，这里先把思路讲清楚：分辨率越高，小坑的像素区域越完整，训练时对小坑的召回也越好。

1.4 适合哪些落地场景

从实际项目经验来看，这类数据集直接对口的场景有三个。

第一个是道路日常巡检。巡检车或者巡检无人机沿路采集图像，后端模型自动识别坑洼并按大小分类，系统直接生成修复工单，小坑合并派单，大坑加急处理。第二个是自动驾驶的安全预警。车辆前方出现明显深坑时，提前提示绕行或者减速，避免轮胎损坏或底盘刮擦。第三个是市政基础设施普查。结合地理信息，把每个坑的位置和等级标注到地图上，形成一张病害分布图，养护部门按等级安排资金和工期。

如果是做科研或者课程项目，这套数据同样适用。它同时提供三种格式，可以拿来对比不同框架之间的标注格式差异，也可以当作目标检测入门的练习数据。类别只有三个，复杂度适中，又有真实场景的难度，比在标准分类数据集上做实验更有工程感。

2. 数据标注规范：模型能不能学到“大小”全看这里

2.1 坑洼目标的边界标准

标注坑洼比标注行人、车辆费劲得多，核心原因是边界不清晰。一个坑洼的边缘往往伴随裂缝、磨损、松散颗粒，很难说哪个像素是真正的边界。这套数据的标注规范里定了三条硬性规则，写得很清楚。

第一，只框“明显下陷区域”，不包括周围过渡带。过渡带看起来也在变化，但模型如果学了过渡带，框就会飘，训练时loss降不下去，推理时框也会忽大忽小。第二，坑内有积水时，按“可见的下陷轮廓”标，不按水面积标。水的反光区域通常比真实坑洼大，按水面积标注会把尺寸虚高，导致等级判断偏大。第三，多个坑距离很近但中间没有明显断裂时，合并标一个框；有明显断裂或高度差时，分开标。

这条规则看起来简单，实际标注时分歧最大。两轮人工复核里很多意见冲突都出在这条上：有人说这明明是三个小坑，有人说连起来就是一个大坑。最后统一口径：断裂指的是坑底可见完整路面、两侧高度差超过2厘米的情况。规则不写细，标注真值就会漂移，模型学到的回归目标就是乱的。

2.2 大小等级怎么定义才靠谱

等级定义是这套数据集的差异化核心。建议不要直接用“小中大”这种模糊词，标注手册里必须给精确的物理口径。

参考定义如下：坑洼短边小于30厘米是小坑，30到60厘米是中坑，大于60厘米是大坑。这里用短边而不是对角线，原因在于坑洼形状不规则，用对角线判断长条形坑洼容易虚高。短边更接近“危险程度”的物理直觉，轮胎陷入深度和坑宽直接相关，超过一定宽度就必须减速绕行。

标注时还需要一个辅助判据：图像面积占比。当两个坑在画面里大小相近但拍摄距离不同时，标注员容易懵，这时候要回到物理口径查表，而不是凭感觉。我在复核时见过不少“凭感觉标”的样本，例如一个近距离小坑和一个远距离大坑在画面里像素尺寸差不多，如果标注员没有看采集参数，很容易把等级标反。所以数据包里的每张图像都记录了可选的拍摄高度，标注时只需要对照换算表查一下。

2.3 质检流程比标注更重要

数据质量不是标注员单方面决定的，发布前的质检流程比标注本身更关键。

这套数据的质检分了三道。第一道是自动化校验，程序检查每个标注框是否越界、类别是否在合法集合里、坐标格式是否正常。这一步能查出低级的坐标错误，比如框跑到图像外面、宽高为负、类别ID越界。第二道是人审，把图像放大到原始尺寸逐张查看，重点看等级是否标错、框是否贴边。第三道是交叉验证，两轮独立标注的结果对齐后计算一致率，把分歧样本抽出来重新定标。

这套流程下来，大约5%的样本会被剔除或者修正。过程很慢，但没有质检的数据集不能直接拿来训练。之前遇到过一些项目训练时频繁报错、效果始终上不去，往源头一查，标注质量问题和格式文件问题一大堆，最后只能返工重标，代价远大于一开始认真做质检。

3. YOLO、COCO JSON、PASCAL VOC XML三种格式详解

3.1 三种格式的区别

数据集同时提供三种标注格式，是为了让不同工具链的人拿到手就能用。很多刚入门的人容易在格式上栽跟头，先讲清楚区别。

YOLO格式是txt文件，每张图像对应一个同名的txt文件，每一行对应一个目标框。行的内容是：类别ID、归一化中心x、归一化中心y、归一化宽度、归一化高度。归一化是指把坐标值和宽高都除以图像的宽高，所以所有数值都在0到1之间。这个格式轻量、读取快，是YOLO系列训练的标准配套格式。

COCO JSON是一个单独的JSON文件，包含images、annotations、categories三个主要部分。annotations里的bbox字段表示[x, y, width, height]，用的是绝对像素值，类别通过category_id关联。这种格式结构性最强，生态完善，评测指标mAP的计算、可视化工具的支持几乎都基于这个格式。

PASCAL VOC XML是每张图像对应一个XML文件，目标框用xmin、ymin、xmax、ymax表示左上角和右下角坐标。这是最老牌的格式，很多传统标注工具早期默认输出的就是这种XML。

三者的核心差异就是坐标表示方式不同：YOLO存归一化中心点加宽高，COCO存绝对左上角加宽高，VOC存绝对左上角加右下角。本质表达的框完全相同，只是“说法”不一样。

3.2 格式转换的实操方法

如果拿到的数据只有其中一种格式，想换一种也不需要从头标。最省事的方式是直接用现成的标注工具或在线转换服务，一般都有导入导出功能。更稳妥的做法是写本地脚本，因为数据量大的时候在线服务上传下载也费时间。

COCO转YOLO的核心逻辑：读取bbox的[x, y, width, height]，换算成中心点坐标[cx, cy, width, height]，再除以图像宽高做归一化。这里有两个必修的坑。一是COCO的category_id从1开始，YOLO的类别ID从0开始，转换时要记得减1，否则所有类别整体错位，模型训练出来预测的标签全是对不上的。二是COCO的image字段里的路径可能和本地实际路径不一致，要按图像文件名重新映射，不然训练时报找不到文件。

PASCAL VOC转YOLO更直接：解析XML取object节点下的bndbox，把xmin、ymin、xmax、ymax换算成中心点和宽高，再归一化写入txt。这个场景在迁移旧数据时很常见。

格式转换后一定要做可视化校验，把标注框画回图像上抽查几十张。坐标转换的数学很简单，但图像尺寸取错、类别偏移这种问题不画出来是看不出来的，抽查是最直接可靠的兜底方案。

3.3 训练时选哪个格式

选哪种格式主要取决于你用的框架。YOLO系列官方训练流程就用YOLO格式，目录组织最简单。做评测对比的，优先COCO格式，mAP计算、PR曲线的工具链都成熟。兼容老工具链的，VOC格式也支持得很好。

经验之谈：拿到数据后不要只准备一种格式，最好把三种都留着。团队里有人用YOLO跑基线，有人用老工具做可视化，有人要做COCO格式的对比实验，各取所需就省得反复转换。这套数据集本身自带三种格式，也是这个考虑，拿回去直接就能开工。

4. 92.6%识别率是怎么来的：完整训练管线复盘

4.1 先搞清楚这个指标是什么

92.6%这个数字，通常指mAP@0.5，也就是在IoU阈值0.5下所有类别的平均精度。IoU是模型预测框和真实标注框的重叠程度，0.5意味着预测框和真值有50%以上的重叠就算一次正确检测。这个阈值下目标是“能找到”，允许一定框定位误差，所以数字会比较高。

需要提醒的是，mAP@0.5:0.95会比92.6%低不少，这是正常的。0.5:0.95表示从0.5到0.95每间隔0.05取一个IoU阈值，再算平均精度，对框的精确程度要求严格得多。同一个模型两个指标一起看：前者衡量“目标找没找到”，后者衡量“框得准不准”。如果只盯着92.6%这个数字，不看阈值定义，很容易对自己的模型产生过高的预期。

这个92.6%是在严格的测试集上评测出来的。测试集和训练集做了图像来源隔离，同一条路段不会同时出现在两边；接近重复的连续帧也做了去重，防止模型靠记忆相近帧拿到虚高的数字。

4.2 模型选型和训练超参配置

实际测试下来，在同等数据条件下，几个主流YOLO版本之间的差距并没有网上说的那么夸张，真正拉开差距的还是数据质量、增强策略和超参数。

以中等规模的YOLO模型为例，输入分辨率640，训练200轮，batch size设置在显存能承受的最大值附近，初始学习率0.01，采用余弦退火调度，加载预训练权重做迁移学习。这套配置在坑洼数据上表现稳定，收敛快，最终mAP@0.5稳过90%。

如果你用更轻量的模型，输入分辨率保持640，200轮训练，也能达到80以上的mAP，推理速度更快，适合边缘设备部署。如果追求更高的框定位精度，可以把输入分辨率提到960甚至1280，对小坑洼的检测尤其有帮助，但对显存的要求同步提高。我的建议是先用中等模型跑通流程，再根据性能瓶颈决定要不要换大模型。

4.3 数据增强带来的提升点

在坑洼检测这个场景里，数据增强的作用非常明显，接近一半的效果提升都来自增强策略。

坑洼的视觉特征受光照影响极大，同一个坑，晴天直射和阴天散射看起来就像两个东西。所以训练里重点开了色调饱和度随机扰动、随机亮度调整、马赛克增强、混合增强和翻转。上下翻转和左右翻转对路面检测都安全，坑洼不会因为翻转变成“天上物体”。

有一项增强建议保留但降低概率：随机透视。透视变换的缩放会产生类似不同视角的样本，但概率过高会让小坑在变换中严重变形，反而损害小目标检测。实际配置里概率调到0.1左右比较合适。

还有一个小细节：验证集和测试集不能开增强，评价指标才干净。训练时增强打开，评估时增强关闭，这个区分不做，线上效果一定比测试结果差。

4.4 可直接复现的训练配置

分享一套实际跑通的配置，你可以直接参考。数据目录结构按以下方式整理：

pothole_dataset/ ├── images/ │ ├── train/ │ └── val/ └── labels/ ├── train/ └── val/

数据配置文件这样写：

path: /data/pothole_dataset train: images/train val: images/val nc: 3 names: 0: pothole_small 1: pothole_medium 2: pothole_large

训练命令对应如下：

yolo detect train \ model=yolov8m.pt \ data=pothole.yaml \ epochs=200 \ imgsz=640 \ batch=16 \ lr0=0.01 \ cosate=True \ patience=30 \ cache=True

跑完以后，测试集上mAP@0.5大约在92.6%附近。推理一张1080p图的时间在消费级显卡上低于10毫秒，能够满足实时巡检场景。

5. 数据集到手后的实操流程

5.1 先用可视化脚本确认数据没问题

拿到数据集后不要直接开训练，先做一步验证。我习惯先写一段小脚本，把任意一张图像和它的标注框画出来，人工确认三个点：框是否贴合坑洼轮廓、类别标签是否和视觉印象一致、坐标是否越界。

这一步能在十分钟内发现格式转换遗留的坐标错位、类别偏移、图像路径错误等问题。跳过这一步直接训练的，往往训练到一半发现loss异常，回头排查才意识到是数据加载就出错了。

5.2 按格式拆分训练集验证集

数据包默认已经按划分好的目录组织好，训练集和验证集是分开的。需要注意别重复划分，很多框架会在数据集yaml里自动划分数据，如果目录已经划分过，再划分一次会造成交集，测试结果虚高。

建议的做法：直接使用数据包自带的目录结构，在yaml里指定train和val路径即可。如果自己想重新划分，务必按“路段隔离”来分，而不是按“图像随机分”。同一个路段的图像光照、纹理高度相似，随机分会让模型见过同一路段的不同帧，评测结果会偏乐观。

5.3 评估结果怎么读

训练结束后，输出目录里会有results.csv、混淆矩阵、预测样本图等文件。重点看三个东西。

第一个是PR曲线，precision和recall的平衡点决定了业务上怎么选置信度阈值。坑洼检测里漏检比误检更危险，所以通常会选择低置信度阈值换取高召回，代价是误检增加，这时可以加后处理规则。第二个是混淆矩阵，看三个尺寸等级之间是否有大量互相误判。如果小坑大量被识别成中坑，说明等级边界定义在视觉特征上区分度不够，需要检查标注时是否严格执行了物理口径换算。第三个是验证集上的逐类AP，小坑的AP一般最低，这是小目标检测的通病，可以针对性地用小坑样本微调或提高输入分辨率。

6. 常见问题与排查技巧

6.1 高频问题速查表

整理了一份常见问题速查表，覆盖数据使用和训练阶段遇到最多的情况。

6.2 踩过的几个实坑

第一个坑：类别互斥没处理好。早期版本曾把同一个坑同时标注成“中坑”和“大坑”，因为两个标注员各标各的，合并时没有做冲突检测，导致模型在这个类别对上的梯度方向冲突，训练时loss降不下去。现在质检的第一关自动化校验就会跑类别互斥检查，避免类似问题。

第二个坑：转化格式后忘了更新图像尺寸。YOLO格式是归一化坐标，本身不依赖图像尺寸；但转成COCO或者VOC时需要绝对像素坐标，如果脚本读取的是yaml里写的规格参数而不是原图真实的分辨率，标注框就会整体偏移。这个问题的排查成本很高，模型训练出来效果不差但框总是偏一点，最后才发现是转换时图像尺寸取错了。

第三个坑：验证时开了增强。跑测试时忘了关掉augment开关，测试集的结果被增强策略“拔高”了，当时觉得效果不错，后来部署上线发现完全不是那么回事。从那以后，我每次评估都在配置里强制关闭增强，把验证结果和训练日志分开看。

6.3 部署阶段的小建议

模型训练好以后，部署时还有一个小建议：把置信度阈值和等级后处理规则分离。如果在模型层面直接输出三个等级，只需要在业务逻辑里维护一个“最低可行动等级”配置，比如今天路面养护资源紧张，只处理大坑，那就把大坑的置信度过滤调低，其他等级调高。这样调整不需要重新训练模型，改配置就能上线新策略，在养护团队里这样操作过，前后端配合起来非常灵活。

另外，坑洼检测模型在不同路段之间会有一定的泛化差异。如果实际巡检路线和数据集采集的环境差别很大，建议先小路测采集一段视频，做一遍离线推理统计，看等级分布是否符合预期，再决定是否需要在业务数据上做一次轻量的微调。数据永远是最重要的，模型结构反而是最后才值得优化的东西。

这套数据集给我的最大感受是：坑洼检测这类任务，真正的门槛不在模型结构，而在数据规范。一个目标怎么定义边界，等级怎么划分，格式怎么统一，每一个细节都会在训练结果里放大。如果你正准备做类似的方向，先把数据规范和质检流程立起来，比选一个更先进的小模型有用得多。