简介534张欧盟车牌图像数据集面向计算机视觉学习者、算法工程师及智能交通项目开发者主要解决车牌检测与识别任务中真实欧洲场景数据匮乏的问题可直接用于模型训练、验证与算法调优。包内图像取自行车记录视频截帧涵盖日间、夜间、不同光照、道路类型及多国车牌样式场景差异明显每张JPG均配套VOTT标注生成的VOC格式XML文件标签为车牌边界框便于接入YOLO、SSD、Faster R-CNN等主流框架省去自行标注的时间成本。数据集共1070个文件包含534张图像、534个XML标注文件另有说明文档压缩包大小约428MB。目前已有184人学习下载适合作为目标检测入门练习或欧洲车牌识别专项数据集使用。标注信息完整、文件名保留视频来源可追溯原始截帧时刻便于按需筛选场景开展针对性训练与精度评测。1. 理解这份欧盟车牌数据集的定位VOC格式、VOTT标注与训练场景的匹配做车牌识别LPR/ANPR的人大多会卡在数据这一关自己拍图维护成本高公开数据集又多以国内蓝牌或美国各州车牌为主欧盟车牌的公开资源反而少见。这套534张欧盟车牌图像数据集的特别之处在于标签不是散列的CSV而是Pascal VOC格式的XML标注工具用的是微软VOTT。对需要快速验证检测模型、或者想摸清VOC标签结构的人来说它既能直接喂给检测框架也可以作为理解VOC语义与标注工具输出关系的样本。下面从标签格式、解析方式、格式转换到训练配置逐步展开尽量让这份数据在手里能直接产出模型而不是躺在磁盘里吃灰。2. VOC标签格式解析与VOTT标注的导出链路VOC格式是老牌目标检测标准虽然不是当下最热门的存储方式但几乎每个检测框架都保留了对它的读取能力。理解VOC先看目录和XML结构理解VOTT看它的导出行为。两者放在一起才能知道这份数据集里哪些部分是VOTT生成的默认值哪些是标注者真正手工画框决定的。2.1 VOC数据集的目录结构与XML字段对照一套规范的Pascal VOC检测数据一般包含三个目录VOCdevkit/ ├── Annotations/ # 每个图像一个XML ├── JPEGImages/ # 原始图像 └── ImageSets/Main/ # train.txt / val.txt / trainval.txtVOTT导出VOC时的常见做法是只输出JPEGImages和Annotations两个目录ImageSets经常缺失需要训练前自行划分。XML内部的关键字段如下这里以一份典型的车牌标注为例annotation folderJPEGImages/folder filenameimg_0001.jpg/filename sourcedatabaseUnknown/database/source size width1920/width height1080/height depth3/depth /size segmented0/segmented object namelicense_plate/name poseUnspecified/pose truncated0/truncated difficult0/difficult bndbox xmin520/xmin ymin760/ymin xmax1240/xmax ymax860/ymax /bndbox /object /annotationXML的根节点是annotationsize里记录图像宽、高、通道数object可以出现多次表示一张图里有多个车牌。bndbox四个值都是像素坐标xmin/ymin是左上角xmax/ymax是右下角VOTT导出的坐标默认是整数且按左上、右下闭区间处理。下面把这些字段按用途归类方便写解析脚本时对照字段类型用途常见问题filenamestr图像文件名与JPEGImages下不一致导致训练报错size/widthint图像宽度与真实图不符会导致坐标归一化错乱object/namestr类别名各文件拼写不一致会产生多类bndbox/xminint框左边界极小值出现在图外时需要排查bndbox/ymaxint框下边界超过height基本是标注越界truncatedint是否截断VOTT默认填0不建议依赖difficultint是否难例多数训练脚本会忽略相比现在流行的COCO大JSON结构VOC的XML对人类更友好VOTT这类工具导出成本低改动单个字段也不容易破坏整体结构。缺点是缺少统一索引文件534张图还好上万张图时大量小XML会让文件系统压力变大这也是后面要转YOLO或COCO的动机之一。2.2 VOTT为什么能导出VOC标注逻辑与注意事项VOTTVisual Object Tagging Tool是微软开源的跨平台标注工具基于Electron构建支持对图像和视频逐帧标注。它的内部建模是Region TagRegion保存多边形或矩形坐标Tag保存类别名。导出VOC时VOTT会把每个Region取外接矩形写入bndboxTag写入name其余如pose、truncated、difficult填充默认值。这意味着用VOTT标圆形或不规则目标时导出后会退化为轴对齐矩形框但对车牌这类本就近似矩形的目标绰绰有余。需要说明的是VOTT目前已被微软归档不再有新功能更新但这不影响它作为理解导出机制的参照也不影响已有数据集的标签可读性。目前仍在维护的替代工具包括CVAT、X-AnyLabeling和LabelImg它们对VOC的兼容性各有侧重CVAT导出的VOC带ImageSetsLabelImg的XML几乎和VOC原版一致X-AnyLabeling更适合视频抽帧后的连续标注。选哪个工具不重要重要的是VOC标签的语义在所有工具间是互通的。2.3 拿到这个数据集后先确认三件套是否齐全534张图的数据集不大但容易出现目录残缺。解压后先快速确认三个点JPEGImages里是否有534张图像Annotations里是否有对应的534个XML图像扩展名是.jpg还是.png这会影响后续脚本的拼接方式。VOTT导出时偶尔会出现标签文件名带_tags后缀的情况比如img_0001_tags.json这是VOTT的中间产物不是VOC标准文件可以直接忽略或删除。提示如果Annotations里出现与图像不同名的XML优先以图像文件名为准做交集不要让多余标注残留影响训练集统计。3. 用Python解析并可视化欧盟车牌VOC标签进入可复现环节。常见做法是用Python的xml.etree.ElementTree解析VOC再配合OpenCV画框验证。整个流程分三步校验、可视化、统计。3.1 解压后的第一件事校验图像与XML一一对应我一般先跑这个脚本检查数据集的完整性import os from glob import glob img_dir JPEGImages xml_dir Annotations imgs {os.path.splitext(os.path.basename(p))[0] for p in glob(os.path.join(img_dir, *))} xmls {os.path.splitext(os.path.basename(p))[0] for p in glob(os.path.join(xml_dir, *.xml))} print(图像数量:, len(imgs)) print(XML数量:, len(xmls)) print(缺少标注的图像:, sorted(imgs - xmls)) print(缺少图像的标注:, sorted(xmls - imgs))这里用集合差集做双向核对比单纯数文件个数更可靠。os.path.splitext去掉扩展名是为了兼容.jpg和.jpeg混用的情况glob只匹配*.xml避免把VOTT的JSON误读成标签。如果输出为空说明配对正常可进入下一步。若缺标注优先回退到VOTT重新导出不要在缺标注的情况下硬训否则数据加载阶段就会因为找不到对应XML而中断。3.2 用ElementTree读取标注并用OpenCV画框验证解析XML并画框是检查标注质量最直观的手段。我会把解析函数单独拆出来方便后面统计复用import cv2 import xml.etree.ElementTree as ET def parse_voc_xml(xml_path): tree ET.parse(xml_path) root tree.getroot() width int(root.find(size/width).text) height int(root.find(size/height).text) objs [] for obj in root.findall(object): name obj.find(name).text bndbox obj.find(bndbox) xmin int(float(bndbox.find(xmin).text)) ymin int(float(bndbox.find(ymin).text)) xmax int(float(bndbox.find(xmax).text)) ymax int(float(bndbox.find(ymax).text)) objs.append({name: name, bbox: (xmin, ymin, xmax, ymax)}) return {width: width, height: height, objects: objs} xml parse_voc_xml(Annotations/img_0001.xml) img cv2.imread(JPEGImages/img_0001.jpg) for obj in xml[objects]: x1, y1, x2, y2 obj[bbox] cv2.rectangle(img, (x1, y1), (x2, y2), (0, 255, 0), 2) cv2.putText(img, obj[name], (x1, max(30, y1 - 6)), cv2.FONT_HERSHEY_SIMPLEX, 0.7, (0, 255, 0), 2) cv2.imwrite(visualized.jpg, img)用find(size/width)这种路径式写法可以一次定位嵌套字段比逐层find少写几行。读取坐标时用int(float(...))而不是直接int(...)因为VOTT在部分版本里会把坐标写成浮点字符串直接int()会抛错。画框时max(30, y1-6)防止文字画到画布上方被裁掉。跑完肉眼扫一遍可视化结果重点看框是否包住了欧盟车牌左侧的蓝色区域以及左右有没有多余留白。3.3 统计车牌类别分布与宽高比反查标注质量534张图跑完后可以统计类别名是否统一、框的尺寸是否合理。欧盟车牌一般为约520mm×110mm的长条形横向宽高比约4.7:1虽然拍摄角度会导致透视变化但绝大多数标注框的宽高比应落在某个合理区间。统计时用Pandas最省事import os import pandas as pd from glob import glob rows [] for xml_file in glob(Annotations/*.xml): data parse_voc_xml(xml_file) img_name os.path.splitext(os.path.basename(xml_file))[0] for obj in data[objects]: x1, y1, x2, y2 obj[bbox] rows.append({ image: img_name, name: obj[name], w: x2 - x1, h: y2 - y1, ratio: (x2 - x1) / max(1, (y2 - y1)) }) df pd.DataFrame(rows) print(df[name].value_counts()) print(df[ratio].describe())统计结果的判读参考这张表指标正常范围异常含义name唯一值1个多个类别名需合并宽高比均值3.55.5过低可能有框只包字符漏掉蓝条每图目标数12大量大于2需复核是否漏标框宽占比0.10.9过小说明标的是字符不是整牌如果value_counts里出现两个近似类别名比如license_plate和number_plate说明标注时标签不统一需要合并如果ratio的25%分位数低于2.0可能有不少样本只框了字符部分而漏掉蓝条这会直接影响模型对欧盟车牌的整体召回。此时要回到原图逐张确认而不是马上调训练参数。常见的做法是先随机抽20张图人工看再决定是否重新标注抽样能暴露大部分系统性问题。4. 把VOC标签转换为YOLO/COCO格式并配置训练VOC格式虽然通用但主流训练框架更常见的输入是YOLO txt或COCO json。转换过程并不复杂坐标归一化是唯一容易翻车的地方。这里给出VOC转YOLO的完整脚本以及YOLOv8的最小训练配置。4.1 写脚本将VOC坐标转成YOLO归一化坐标YOLO格式每一行对应一个目标class_id center_x center_y width height全部坐标用相对图像的归一化值表示范围01。转换时要用XML里的size做分母不能用图像真实尺寸代替两者一旦不一致归一化结果就会错位。import os import xml.etree.ElementTree as ET from glob import glob def voc_to_yolo(xml_path, out_path, class_map): tree ET.parse(xml_path) root tree.getroot() w float(root.find(size/width).text) h float(root.find(size/height).text) lines [] for obj in root.findall(object): cls obj.find(name).text if cls not in class_map: continue bndbox obj.find(bndbox) x1 float(bndbox.find(xmin).text) y1 float(bndbox.find(ymin).text) x2 float(bndbox.find(xmax).text) y2 float(bndbox.find(ymax).text) cx (x1 x2) / 2.0 / w cy (y1 y2) / 2.0 / h bw (x2 - x1) / w bh (y2 - y1) / h lines.append(f{class_map[cls]} {cx:.6f} {cy:.6f} {bw:.6f} {bh:.6f}) with open(out_path, w) as f: f.write(\n.join(lines)) class_map {license_plate: 0} for xml_file in glob(Annotations/*.xml): base os.path.splitext(os.path.basename(xml_file))[0] voc_to_yolo(xml_file, flabels/{base}.txt, class_map)中心坐标用(xminxmax)/2再除以图宽宽度用(xmax-xmin)/w。统一保留6位小数避免浮点精度导致后续mAP计算有微小偏差。class_map只有一类时类ID固定为0如果之后要加类别按类别重要性递增编号即可但训练配置里的names顺序必须与之一致。若同时需要COCO格式思路一致把XML的bndbox平移成COCO的bbox: [x, y, w, h]再按images、annotations、categories三个字段组装JSON坐标不要除以图宽保持像素值。4.2 划分训练集/验证集并生成数据集配置534张图不需要复杂的划分策略常规做法是8:2随机划分。为了保证可复现给random设置固定种子import random random.seed(42) samples [os.path.splitext(os.path.basename(p))[0] for p in glob(JPEGImages/*)] random.shuffle(samples) val_cnt int(len(samples) * 0.2) with open(train.txt, w) as f: for s in samples[val_cnt:]: f.write(fJPEGImages/{s}.jpg\n) with open(val.txt, w) as f: for s in samples[:val_cnt]: f.write(fJPEGImages/{s}.jpg\n)然后为Ultralytics YOLOv8准备数据配置plate.yamlpath: /path/to/dataset train: train.txt val: val.txt names: 0: license_platetrain和val既可以指向纯文本路径列表也可以指向图像目录。建议用txt方式因为自行划分后txt路径更直观目录方式需要把图像按训练/验证分别复制一份534张图不算大但没必要多占磁盘。还要注意YAML里names是字典形式缩进必须对齐否则起训练时会报KeyError。4.3 用YOLOv8在这534张图上跑通训练的最小命令确认标签目录结构后可运行pip install ultralytics yolo taskdetect \ modetrain \ modelyolov8n.pt \ dataplate.yaml \ epochs50 \ imgsz640 \ batch16 \ patience10关键参数的含义见下表参数建议值理由modelyolov8n.pt534张图训练大模型过拟合风险高n版参数最少epochs50小数据集训练超过100轮收益递减50轮即可看趋势imgsz640车牌是小目标imgsz过低会丢细节640是通用权衡batch16单卡显存不够时降到8保持默认学习率即可patience10验证集mAP连续10轮不涨就早停避免无效等待如果显存只有6GB把batch降到8、imgsz保持640再不行才降到512。额外要设的是project和name参数用来区分不同次实验的输出目录yolo taskdetect modetrain modelyolov8n.pt dataplate.yaml \ epochs50 imgsz640 batch8 projectplates namerun1这一章跑完后runs/detect/run1/下会得到best.pt和last.pt模型训练流程就算通了。5. 小规模车牌数据集训练与标注正确性排查534张图属于小样本检测任务优先排查标注错误而不是盲目堆数据增强。5.1 标注里最常见的三个坑怎么发现排查一类别名不一致。直接统计所有XML里的name唯一值目标应当是单个字符串。出现两个近似词时用映射表合并。排查二坐标越界。遍历所有bndbox检查xmax width或ymax height这类样本参与训练后会拉低回归精度。bad 0 for xml_file in glob(Annotations/*.xml): data parse_voc_xml(xml_file) for obj in data[objects]: x1, y1, x2, y2 obj[bbox] if x2 data[width] or y2 data[height] or x1 0 or y1 0: bad 1 print(xml_file, obj[bbox], data[width], data[height])排查三蓝条是否被包含。欧盟车牌左侧的蓝色区域是标准化组成部分标注框应从蓝条左边缘开始到右侧字符结束。自动检查时比较框左边界与图像左侧的距离如果大部分样本左边界距离图像边缘非常接近说明蓝条很可能被截断。5.2 把验证集当成标注复查工具我常用的技巧是把训练后的模型对验证集做一次预测筛选出置信度低但真实存在标注的样本再叠加原图看。预测时用yolo predict输出验证集的预测框再把预测结果和XML真实框画在同一张图上。丢框的样本大概率是标注时漏标或框歪了这类错误通过看数据能直接发现。实操中可以先跑一次训练再对验证集做推理yolo taskdetect modepredict modelbest.pt sourceval.txt save_txtTrue然后把预测框和真实框叠加导出对比图人工只需看框与蓝色区域边界的贴合程度。提示小数据集场景下修正10个错误标注比增加200张新图带来的mAP提升更明显。把这张对比图直接存到runs/detect/run1/下下一轮调标注时打开它对照框的边界是宽了还是窄了一目了然。本文还有配套的精品资源点击获取
欧盟车牌数据集VOC格式解析：从VOTT标注到YOLOv8训练全流程
简介534张欧盟车牌图像数据集面向计算机视觉学习者、算法工程师及智能交通项目开发者主要解决车牌检测与识别任务中真实欧洲场景数据匮乏的问题可直接用于模型训练、验证与算法调优。包内图像取自行车记录视频截帧涵盖日间、夜间、不同光照、道路类型及多国车牌样式场景差异明显每张JPG均配套VOTT标注生成的VOC格式XML文件标签为车牌边界框便于接入YOLO、SSD、Faster R-CNN等主流框架省去自行标注的时间成本。数据集共1070个文件包含534张图像、534个XML标注文件另有说明文档压缩包大小约428MB。目前已有184人学习下载适合作为目标检测入门练习或欧洲车牌识别专项数据集使用。标注信息完整、文件名保留视频来源可追溯原始截帧时刻便于按需筛选场景开展针对性训练与精度评测。1. 理解这份欧盟车牌数据集的定位VOC格式、VOTT标注与训练场景的匹配做车牌识别LPR/ANPR的人大多会卡在数据这一关自己拍图维护成本高公开数据集又多以国内蓝牌或美国各州车牌为主欧盟车牌的公开资源反而少见。这套534张欧盟车牌图像数据集的特别之处在于标签不是散列的CSV而是Pascal VOC格式的XML标注工具用的是微软VOTT。对需要快速验证检测模型、或者想摸清VOC标签结构的人来说它既能直接喂给检测框架也可以作为理解VOC语义与标注工具输出关系的样本。下面从标签格式、解析方式、格式转换到训练配置逐步展开尽量让这份数据在手里能直接产出模型而不是躺在磁盘里吃灰。2. VOC标签格式解析与VOTT标注的导出链路VOC格式是老牌目标检测标准虽然不是当下最热门的存储方式但几乎每个检测框架都保留了对它的读取能力。理解VOC先看目录和XML结构理解VOTT看它的导出行为。两者放在一起才能知道这份数据集里哪些部分是VOTT生成的默认值哪些是标注者真正手工画框决定的。2.1 VOC数据集的目录结构与XML字段对照一套规范的Pascal VOC检测数据一般包含三个目录VOCdevkit/ ├── Annotations/ # 每个图像一个XML ├── JPEGImages/ # 原始图像 └── ImageSets/Main/ # train.txt / val.txt / trainval.txtVOTT导出VOC时的常见做法是只输出JPEGImages和Annotations两个目录ImageSets经常缺失需要训练前自行划分。XML内部的关键字段如下这里以一份典型的车牌标注为例annotation folderJPEGImages/folder filenameimg_0001.jpg/filename sourcedatabaseUnknown/database/source size width1920/width height1080/height depth3/depth /size segmented0/segmented object namelicense_plate/name poseUnspecified/pose truncated0/truncated difficult0/difficult bndbox xmin520/xmin ymin760/ymin xmax1240/xmax ymax860/ymax /bndbox /object /annotationXML的根节点是annotationsize里记录图像宽、高、通道数object可以出现多次表示一张图里有多个车牌。bndbox四个值都是像素坐标xmin/ymin是左上角xmax/ymax是右下角VOTT导出的坐标默认是整数且按左上、右下闭区间处理。下面把这些字段按用途归类方便写解析脚本时对照字段类型用途常见问题filenamestr图像文件名与JPEGImages下不一致导致训练报错size/widthint图像宽度与真实图不符会导致坐标归一化错乱object/namestr类别名各文件拼写不一致会产生多类bndbox/xminint框左边界极小值出现在图外时需要排查bndbox/ymaxint框下边界超过height基本是标注越界truncatedint是否截断VOTT默认填0不建议依赖difficultint是否难例多数训练脚本会忽略相比现在流行的COCO大JSON结构VOC的XML对人类更友好VOTT这类工具导出成本低改动单个字段也不容易破坏整体结构。缺点是缺少统一索引文件534张图还好上万张图时大量小XML会让文件系统压力变大这也是后面要转YOLO或COCO的动机之一。2.2 VOTT为什么能导出VOC标注逻辑与注意事项VOTTVisual Object Tagging Tool是微软开源的跨平台标注工具基于Electron构建支持对图像和视频逐帧标注。它的内部建模是Region TagRegion保存多边形或矩形坐标Tag保存类别名。导出VOC时VOTT会把每个Region取外接矩形写入bndboxTag写入name其余如pose、truncated、difficult填充默认值。这意味着用VOTT标圆形或不规则目标时导出后会退化为轴对齐矩形框但对车牌这类本就近似矩形的目标绰绰有余。需要说明的是VOTT目前已被微软归档不再有新功能更新但这不影响它作为理解导出机制的参照也不影响已有数据集的标签可读性。目前仍在维护的替代工具包括CVAT、X-AnyLabeling和LabelImg它们对VOC的兼容性各有侧重CVAT导出的VOC带ImageSetsLabelImg的XML几乎和VOC原版一致X-AnyLabeling更适合视频抽帧后的连续标注。选哪个工具不重要重要的是VOC标签的语义在所有工具间是互通的。2.3 拿到这个数据集后先确认三件套是否齐全534张图的数据集不大但容易出现目录残缺。解压后先快速确认三个点JPEGImages里是否有534张图像Annotations里是否有对应的534个XML图像扩展名是.jpg还是.png这会影响后续脚本的拼接方式。VOTT导出时偶尔会出现标签文件名带_tags后缀的情况比如img_0001_tags.json这是VOTT的中间产物不是VOC标准文件可以直接忽略或删除。提示如果Annotations里出现与图像不同名的XML优先以图像文件名为准做交集不要让多余标注残留影响训练集统计。3. 用Python解析并可视化欧盟车牌VOC标签进入可复现环节。常见做法是用Python的xml.etree.ElementTree解析VOC再配合OpenCV画框验证。整个流程分三步校验、可视化、统计。3.1 解压后的第一件事校验图像与XML一一对应我一般先跑这个脚本检查数据集的完整性import os from glob import glob img_dir JPEGImages xml_dir Annotations imgs {os.path.splitext(os.path.basename(p))[0] for p in glob(os.path.join(img_dir, *))} xmls {os.path.splitext(os.path.basename(p))[0] for p in glob(os.path.join(xml_dir, *.xml))} print(图像数量:, len(imgs)) print(XML数量:, len(xmls)) print(缺少标注的图像:, sorted(imgs - xmls)) print(缺少图像的标注:, sorted(xmls - imgs))这里用集合差集做双向核对比单纯数文件个数更可靠。os.path.splitext去掉扩展名是为了兼容.jpg和.jpeg混用的情况glob只匹配*.xml避免把VOTT的JSON误读成标签。如果输出为空说明配对正常可进入下一步。若缺标注优先回退到VOTT重新导出不要在缺标注的情况下硬训否则数据加载阶段就会因为找不到对应XML而中断。3.2 用ElementTree读取标注并用OpenCV画框验证解析XML并画框是检查标注质量最直观的手段。我会把解析函数单独拆出来方便后面统计复用import cv2 import xml.etree.ElementTree as ET def parse_voc_xml(xml_path): tree ET.parse(xml_path) root tree.getroot() width int(root.find(size/width).text) height int(root.find(size/height).text) objs [] for obj in root.findall(object): name obj.find(name).text bndbox obj.find(bndbox) xmin int(float(bndbox.find(xmin).text)) ymin int(float(bndbox.find(ymin).text)) xmax int(float(bndbox.find(xmax).text)) ymax int(float(bndbox.find(ymax).text)) objs.append({name: name, bbox: (xmin, ymin, xmax, ymax)}) return {width: width, height: height, objects: objs} xml parse_voc_xml(Annotations/img_0001.xml) img cv2.imread(JPEGImages/img_0001.jpg) for obj in xml[objects]: x1, y1, x2, y2 obj[bbox] cv2.rectangle(img, (x1, y1), (x2, y2), (0, 255, 0), 2) cv2.putText(img, obj[name], (x1, max(30, y1 - 6)), cv2.FONT_HERSHEY_SIMPLEX, 0.7, (0, 255, 0), 2) cv2.imwrite(visualized.jpg, img)用find(size/width)这种路径式写法可以一次定位嵌套字段比逐层find少写几行。读取坐标时用int(float(...))而不是直接int(...)因为VOTT在部分版本里会把坐标写成浮点字符串直接int()会抛错。画框时max(30, y1-6)防止文字画到画布上方被裁掉。跑完肉眼扫一遍可视化结果重点看框是否包住了欧盟车牌左侧的蓝色区域以及左右有没有多余留白。3.3 统计车牌类别分布与宽高比反查标注质量534张图跑完后可以统计类别名是否统一、框的尺寸是否合理。欧盟车牌一般为约520mm×110mm的长条形横向宽高比约4.7:1虽然拍摄角度会导致透视变化但绝大多数标注框的宽高比应落在某个合理区间。统计时用Pandas最省事import os import pandas as pd from glob import glob rows [] for xml_file in glob(Annotations/*.xml): data parse_voc_xml(xml_file) img_name os.path.splitext(os.path.basename(xml_file))[0] for obj in data[objects]: x1, y1, x2, y2 obj[bbox] rows.append({ image: img_name, name: obj[name], w: x2 - x1, h: y2 - y1, ratio: (x2 - x1) / max(1, (y2 - y1)) }) df pd.DataFrame(rows) print(df[name].value_counts()) print(df[ratio].describe())统计结果的判读参考这张表指标正常范围异常含义name唯一值1个多个类别名需合并宽高比均值3.55.5过低可能有框只包字符漏掉蓝条每图目标数12大量大于2需复核是否漏标框宽占比0.10.9过小说明标的是字符不是整牌如果value_counts里出现两个近似类别名比如license_plate和number_plate说明标注时标签不统一需要合并如果ratio的25%分位数低于2.0可能有不少样本只框了字符部分而漏掉蓝条这会直接影响模型对欧盟车牌的整体召回。此时要回到原图逐张确认而不是马上调训练参数。常见的做法是先随机抽20张图人工看再决定是否重新标注抽样能暴露大部分系统性问题。4. 把VOC标签转换为YOLO/COCO格式并配置训练VOC格式虽然通用但主流训练框架更常见的输入是YOLO txt或COCO json。转换过程并不复杂坐标归一化是唯一容易翻车的地方。这里给出VOC转YOLO的完整脚本以及YOLOv8的最小训练配置。4.1 写脚本将VOC坐标转成YOLO归一化坐标YOLO格式每一行对应一个目标class_id center_x center_y width height全部坐标用相对图像的归一化值表示范围01。转换时要用XML里的size做分母不能用图像真实尺寸代替两者一旦不一致归一化结果就会错位。import os import xml.etree.ElementTree as ET from glob import glob def voc_to_yolo(xml_path, out_path, class_map): tree ET.parse(xml_path) root tree.getroot() w float(root.find(size/width).text) h float(root.find(size/height).text) lines [] for obj in root.findall(object): cls obj.find(name).text if cls not in class_map: continue bndbox obj.find(bndbox) x1 float(bndbox.find(xmin).text) y1 float(bndbox.find(ymin).text) x2 float(bndbox.find(xmax).text) y2 float(bndbox.find(ymax).text) cx (x1 x2) / 2.0 / w cy (y1 y2) / 2.0 / h bw (x2 - x1) / w bh (y2 - y1) / h lines.append(f{class_map[cls]} {cx:.6f} {cy:.6f} {bw:.6f} {bh:.6f}) with open(out_path, w) as f: f.write(\n.join(lines)) class_map {license_plate: 0} for xml_file in glob(Annotations/*.xml): base os.path.splitext(os.path.basename(xml_file))[0] voc_to_yolo(xml_file, flabels/{base}.txt, class_map)中心坐标用(xminxmax)/2再除以图宽宽度用(xmax-xmin)/w。统一保留6位小数避免浮点精度导致后续mAP计算有微小偏差。class_map只有一类时类ID固定为0如果之后要加类别按类别重要性递增编号即可但训练配置里的names顺序必须与之一致。若同时需要COCO格式思路一致把XML的bndbox平移成COCO的bbox: [x, y, w, h]再按images、annotations、categories三个字段组装JSON坐标不要除以图宽保持像素值。4.2 划分训练集/验证集并生成数据集配置534张图不需要复杂的划分策略常规做法是8:2随机划分。为了保证可复现给random设置固定种子import random random.seed(42) samples [os.path.splitext(os.path.basename(p))[0] for p in glob(JPEGImages/*)] random.shuffle(samples) val_cnt int(len(samples) * 0.2) with open(train.txt, w) as f: for s in samples[val_cnt:]: f.write(fJPEGImages/{s}.jpg\n) with open(val.txt, w) as f: for s in samples[:val_cnt]: f.write(fJPEGImages/{s}.jpg\n)然后为Ultralytics YOLOv8准备数据配置plate.yamlpath: /path/to/dataset train: train.txt val: val.txt names: 0: license_platetrain和val既可以指向纯文本路径列表也可以指向图像目录。建议用txt方式因为自行划分后txt路径更直观目录方式需要把图像按训练/验证分别复制一份534张图不算大但没必要多占磁盘。还要注意YAML里names是字典形式缩进必须对齐否则起训练时会报KeyError。4.3 用YOLOv8在这534张图上跑通训练的最小命令确认标签目录结构后可运行pip install ultralytics yolo taskdetect \ modetrain \ modelyolov8n.pt \ dataplate.yaml \ epochs50 \ imgsz640 \ batch16 \ patience10关键参数的含义见下表参数建议值理由modelyolov8n.pt534张图训练大模型过拟合风险高n版参数最少epochs50小数据集训练超过100轮收益递减50轮即可看趋势imgsz640车牌是小目标imgsz过低会丢细节640是通用权衡batch16单卡显存不够时降到8保持默认学习率即可patience10验证集mAP连续10轮不涨就早停避免无效等待如果显存只有6GB把batch降到8、imgsz保持640再不行才降到512。额外要设的是project和name参数用来区分不同次实验的输出目录yolo taskdetect modetrain modelyolov8n.pt dataplate.yaml \ epochs50 imgsz640 batch8 projectplates namerun1这一章跑完后runs/detect/run1/下会得到best.pt和last.pt模型训练流程就算通了。5. 小规模车牌数据集训练与标注正确性排查534张图属于小样本检测任务优先排查标注错误而不是盲目堆数据增强。5.1 标注里最常见的三个坑怎么发现排查一类别名不一致。直接统计所有XML里的name唯一值目标应当是单个字符串。出现两个近似词时用映射表合并。排查二坐标越界。遍历所有bndbox检查xmax width或ymax height这类样本参与训练后会拉低回归精度。bad 0 for xml_file in glob(Annotations/*.xml): data parse_voc_xml(xml_file) for obj in data[objects]: x1, y1, x2, y2 obj[bbox] if x2 data[width] or y2 data[height] or x1 0 or y1 0: bad 1 print(xml_file, obj[bbox], data[width], data[height])排查三蓝条是否被包含。欧盟车牌左侧的蓝色区域是标准化组成部分标注框应从蓝条左边缘开始到右侧字符结束。自动检查时比较框左边界与图像左侧的距离如果大部分样本左边界距离图像边缘非常接近说明蓝条很可能被截断。5.2 把验证集当成标注复查工具我常用的技巧是把训练后的模型对验证集做一次预测筛选出置信度低但真实存在标注的样本再叠加原图看。预测时用yolo predict输出验证集的预测框再把预测结果和XML真实框画在同一张图上。丢框的样本大概率是标注时漏标或框歪了这类错误通过看数据能直接发现。实操中可以先跑一次训练再对验证集做推理yolo taskdetect modepredict modelbest.pt sourceval.txt save_txtTrue然后把预测框和真实框叠加导出对比图人工只需看框与蓝色区域边界的贴合程度。提示小数据集场景下修正10个错误标注比增加200张新图带来的mAP提升更明显。把这张对比图直接存到runs/detect/run1/下下一轮调标注时打开它对照框的边界是宽了还是窄了一目了然。本文还有配套的精品资源点击获取
