企业官网建设流程全解析

简介：这是一份面向目标检测初学者、课程设计与智能停车项目的YOLO泊车位检测数据集，包含1000张真实停车场景图片，覆盖不同光线、角度与遮挡情况，已用LabelImg完成人工标注，框体质量较高。资源共2000个文件，其中标签文件以XML与TXT为主，对应VOC和YOLO格式，分文件夹存放，可直接用于YOLO系列训练；另有6个HTML教程、3个Python划分脚本和1个YAML配置，可一键完成训练集、验证集、测试集划分并生成ImageSets索引文件。压缩包约238.49MB，整体结构清晰，教程覆盖Linux与Windows两套环境搭建、YOLO训练案例及脚本使用说明，从零开始也能按步骤训练自己的车位检测模型。目前已有507人学习下载，无论用于算法验证、课程设计还是实际停车位检测演示，都能有效节省数据采集与标注时间。

1. 泊车位目标检测数据集：1000张图、三套标签和划分脚本到底帮你省了什么

假设你在做停车场出入口的空位识别，或园区车位占用统计，第一反应往往是去搜公开数据集。但翻一圈就会发现，现成的要么是车辆检测数据集，要么是自动驾驶全景分割，真正只识别“泊车位”这一类目标、标注框又齐整的很少。这套资源最实在的地方不在于“1000张图片”这个数字本身，而是它把标注、格式转换、数据划分、起步训练四件事一次性补齐：VOC、COCO、YOLO三种标签可以让你按框架需要随意切换，划分脚本避免了手工拆分导致的标签错位，训练教程则让0基础纯小白也能在本地把YOLO目标检测模型跑起来。对想快速验证方案可行性的工程师来说，这套数据省掉的是最容易翻车的那段脏活。

2. 三种标签格式的底层差异：VOC的XML、COCO的JSON与YOLO的TXT怎么互相转换

2.1 VOC格式：XML里的绝对坐标与目录组织

VOC（PASCAL VOC）格式历史最长，它不用单一文件管理全部标注，而是每张图片对应一个同名XML文件。解压后典型的VOC目录里会有JPEGImages放图片、Annotations放XML、ImageSets/Main里放train.txt和val.txt这类划分清单。XML里最关键的是<size>、<name>和<bndbox>三段信息，下面是一个最小例子：

<annotation> <filename>IMG_20250301_001.jpg</filename> <size> <width>1280</width> <height>720</height> <depth>3</depth> </size> <object> <name>parking_space</name> <bndbox> <xmin>102</xmin> <ymin>210</ymin> <xmax>468</xmax> <ymax>401</ymax> </bndbox> </object> </annotation>

注意VOC的坐标是“左上角xmin、ymin + 右下角xmax、ymax”这种双角点表示法，不是“左上角+宽高”。<size>里的width和height是图片真实分辨率，做归一化时必须以它们为分母。VOC允许同一个XML里挂多个<object>，一张图里通常停着好几个车位，就会依次展开多个<bndbox>。另外XML里偶尔会出现<difficult>1</difficult>标记，difficult=1的目标在训练时通常会被忽略，转换脚本里最好也跳过它，否则会引入标注质量很差的正样本。

2.2 COCO格式：JSON里的三张表

COCO格式把整个数据集的标注塞进一个JSON文件，内部是“三段式”结构：images数组存每张图的id、文件名、宽高，annotations数组存每个目标的image_id、category_id、bbox，categories数组存类别id与类别名的对应关系。展开后大概长这样：

{ "images": [{"id": 1, "file_name": "IMG_20250301_001.jpg", "width": 1280, "height": 720}], "categories": [{"id": 1, "name": "parking_space"}], "annotations": [ {"id": 1001, "image_id": 1, "category_id": 1, "bbox": [102, 210, 366, 191], "area": 69906, "iscrowd": 0} ] }

COCO的bbox是[x, y, width, height]，也就是左上角坐标加框宽高，而不是右下角坐标。area字段理论上是多边形面积，目标检测标注里一般直接用宽高乘积。iscrowd=0表示普通目标，如果是1则代表目标重叠密集，YOLO转换时应该过滤掉。另一个容易忽略的点是：COCO的category_id不要求连续，常见数据集里可能是1、3、5这样的编号，而YOLO要求从0开始连续编号，所以转换时不能直接把category_id写进TXT。

2.3 YOLO格式：每行一个归一化目标

YOLO的标签格式是纯文本TXT，每个目标占一行，五列依次是：类别id、归一化中心点x、归一化中心点y、归一化宽w、归一化高h。典型一行：

0 0.222656 0.424306 0.285937 0.265278

含义是：类别0的parking_space，中心点位于图片宽度22.27%、高度42.43%处，框的宽度占整张图28.59%，高度占26.53%。所有值都落在0到1之间，与图片实际分辨率解耦，这样YOLO在训练时把任意尺寸的图片resize到统一输入大小时，标签坐标只需要等比缩放，不会有像素级误差。TXT文件名必须和图片名完全一致，且放在同一个对应的labels目录下，YOLO训练时严格靠文件basename配对，差一个字符都会导致这张图的标签被忽略。

2.4 三格式互译：本质是坐标换算而不是格式搬运

三种格式互转，绕不开的只有两件事：坐标换算和类别id映射。坐标方面，VOC（角点）与YOLO（中心点+宽高）之间：

• x_center = (xmin + xmax) / 2 / width
• y_center = (ymin + ymax) / 2 / height
• w = (xmax - xmin) / width
• h = (ymax - ymin) / height

COCO（左上角+宽高）与YOLO之间：

• x_center = (x + w / 2) / width
• y_center = (y + h / 2) / height

拿2.1的XML举例，xmin=102、xmax=468、width=1280，那么中心点x就是(102 + 468) / 2 / 1280 = 0.222656，宽是(468 - 102) / 1280 = 0.285937，和2.3里的TXT对上了。反过来从YOLO还原成VOC时，xmin =(x_center - w/2) * width。另外类别映射必须单独维护一张对照表，VOC用名字符串，COCO用不连续id，YOLO用连续id，三者之间不能直接等价替换。

3. 动手转换标签：把VOC和COCO写成YOLO格式的Python脚本与四个边界坑

3.1 先看清压缩包解压后的目录结构

拿到这类资源包，第一步别急着写转换代码，先解压看目录。常见做法是：

tree -L 2 .

输出里至少有图片目录（JPEGImages或images）、标签目录（Annotations存XML，或annotations里存JSON）、划分脚本和训练教程文档。我的建议是先确认图片扩展名是jpg还是png，再确认标签文件名是否和图片一一对应。如果图有1000张而XML只有980个，说明有20张空图或标注缺失，这类数据要先洗，不要直接进训练流程。

3.2 VOC转YOLO：Python脚本与归一化计算

下面这个VOC转YOLO脚本只依赖Python标准库，不需要额外安装任何包，数据集的标签目录是Annotations、图片目录是JPEGImages时可以直接跑：

import xml.etree.ElementTree as ET from pathlib import Path xml_dir = Path("Annotations") # XML所在目录 img_dir = Path("JPEGImages") # 图片所在目录 out_dir = Path("labels") # 输出TXT目录 out_dir.mkdir(exist_ok=True) CLASS_MAP = {"parking_space": 0} # 类别字符串 -> YOLO id for xml_file in xml_dir.glob("*.xml"): tree = ET.parse(xml_file) root = tree.getroot() # 宽高必须取自XML里的size，不能靠猜 size = root.find("size") W = float(size.find("width").text) H = float(size.find("height").text) lines = [] for obj in root.iter("object"): name = obj.find("name").text if name not in CLASS_MAP: # 无关类别直接跳过 continue box = obj.find("bndbox") xmin = float(box.find("xmin").text) ymin = float(box.find("ymin").text) xmax = float(box.find("xmax").text) ymax = float(box.find("ymax").text) # VOC角点坐标 -> YOLO归一化中心点+宽高 x_center = (xmin + xmax) / 2.0 / W y_center = (ymin + ymax) / 2.0 / H box_w = (xmax - xmin) / W box_h = (ymax - ymin) / H lines.append(f"{CLASS_MAP[name]} {x_center:.6f} {y_center:.6f} {box_w:.6f} {box_h:.6f}") out_file = out_dir / (xml_file.stem + ".txt") out_file.write_text("\n".join(lines))

逻辑上分三步：解析每个object节点，把角点坐标算成归一化中心点和宽高，再按“同名不同扩展名”的原则写出TXT。xml_file.stem取的是XML文件名去掉.xml的部分，保证TXT和图片同名。所有除法都用2.0和浮点宽度高度，避免Python 3里整数除法截断。:.6f保留6位小数，既保证精度又控制文件体积。如果XML里混着car这类非车位目标，CLASS_MAP里没有它，自然被跳过；如果车位类别名不统一，比如同时出现parking_space和ParkingSpace，转换前先把XML里的<name>统一一下，否则会拆成两个类别id。

3.3 COCO转YOLO：单JSON文件如何拆成逐图TXT

COCO转YOLO比VOC多一个步骤：要把JSON里的三张表读进内存，建立“image_id到图片信息”和“category_id到新id”两个映射，再逐条写annotation。一个可复用的版本：

import json from pathlib import Path coco_path = Path("annotations/instances_train.json") img_dir = Path("images") out_dir = Path("labels") out_dir.mkdir(exist_ok=True) with open(coco_path, encoding="utf-8") as f: data = json.load(f) # COCO的category_id不一定从0开始，必须重新映射 cat_map = {cat["id"]: i for i, cat in enumerate(data["categories"])} img_map = {img["id"]: img for img in data["images"]} # 用dict收集：同一张图可能有多条annotation per_img_lines = {} for ann in data["annotations"]: img = img_map.get(ann["image_id"]) if img is None: continue W = float(img["width"]) H = float(img["height"]) x, y, w, h = ann["bbox"] # COCO是左上角+宽高 cat_id = cat_map[ann["category_id"]] # 归一化 x_center = (x + w / 2.0) / W y_center = (y + h / 2.0) / H bw = w / W bh = h / H stem = Path(img["file_name"]).stem per_img_lines.setdefault(stem, []).append( f"{cat_id} {x_center:.6f} {y_center:.6f} {bw:.6f} {bh:.6f}" ) for stem, lines in per_img_lines.items(): (out_dir / f"{stem}.txt").write_text("\n".join(lines))

per_img_lines这个字典把同一图片的多个目标聚合到一起，最后一次性写出，避免频繁开关文件。cat_map把原始category_id映射到0到N-1，这是YOLO格式的硬性要求。还有一个小细节：ann["bbox"]里的值可能是整数也可能是浮点，w / 2.0已经保证了浮点运算，如果改写成w // 2，中心点会算偏，小目标上偏差尤其明显。

3.4 转换时常见的四个边界坑

第一个是坐标越界。标注工具偶尔会给出xmax略大于图片宽度或ymin小于0的框，归一化后会出现大于1或小于0的值，YOLO训练时不直接报错，但loss曲线会在初期乱跳。解决方法是转换时加裁剪：x_center = min(max(x_center, 0.0), 1.0)，宽高同理，并过滤掉裁剪后宽或高小于0.001的框。

第二个是空标签文件。某张图没有车位时，转换脚本生成空TXT，YOLO会静默忽略这张图，但它仍留在数据目录里，白白占一个batch位。更好的做法是：生成TXT时若lines为空就不创建文件，并在后续划分脚本里按“标签文件存在且非空”过滤图片。

第三个是类别名或id错位。VOC里类别名不统一，COCO里原始id不连续，都会被转换脚本错误地映射到不同YOLO id上。转换完成后，我习惯打印一份所有类别及其框数量的统计表核对，确认只有0一个id对应parking_space。

第四个是宽高为0的畸形框。这类框通常来自标注中途操作失误，归一化后width为0，训练时会产生NaN梯度。转换时直接过滤掉w < 2或h < 2像素的框，代价很小，但能避免一次莫名其妙的训练中断。

4. 划分脚本实战：1000张图按70/20/10拆成train/val/test并保持标签同步

4.1 为什么划分是训练前必做的一步

机器学习的目标是让模型在没见过的数据上表现稳定，而不只是记住训练集。划分脚本负责把1000张图拆成三个互不相交的集合：train更新权重，val在每个epoch后评估并挑选最佳模型，test只在最终验收时使用一次。如果省掉test，你基于val反复调参到满意为止，这个“满意”本身就带着过拟合成分。泊车位检测场景相对固定，但还要注意另一个问题：同一个停车场不同时间连拍的图片高度相似，如果随机划分把同一时刻的照片分进train和val，模型会作弊式地拿高分，真到新停车场就翻车。

4.2 一个稳妥的划分脚本：随机打乱、按比例切分、同步移动标签

import random import shutil from pathlib import Path img_dir = Path("images") lab_dir = Path("labels") out_dir = Path("split_dataset") # 只保留有标签且标签非空的图片，避免空图混入训练集 names = [] for p in img_dir.glob("*"): if p.is_file(): lab = lab_dir / f"{p.stem}.txt" if lab.exists() and lab.stat().st_size > 0: names.append(p.stem) names.sort() # 排序让打散前顺序可预期 random.seed(42) random.shuffle(names) n = len(names) n_val = int(n * 0.2) n_test = int(n * 0.1) n_train = n - n_val - n_test splits = { "train": names[:n_train], "val": names[n_train:n_train + n_val], "test": names[n_train + n_val:], } for split, name_list in splits.items(): images_out = out_dir / split / "images" labels_out = out_dir / split / "labels" images_out.mkdir(parents=True, exist_ok=True) labels_out.mkdir(parents=True, exist_ok=True) for name in name_list: shutil.copy(img_dir / f"{name}.jpg", images_out / f"{name}.jpg") shutil.copy(lab_dir / f"{name}.txt", labels_out / f"{name}.txt")

这里用lab.exists() and lab.stat().st_size > 0把上一章提到的空标签问题一并挡掉，只有同时存在图片和有效标签的文件才会进入训练集。shutil.copy而不是move是故意为之：copy保留完整原始数据，万一划分比例不合适还能重跑，相当于给自己留了后悔药，磁盘够大就放心用。random.seed(42)固定随机数种子，保证每次运行脚本得到完全相同的划分结果，这对复现实验和对比超参数非常关键；如果想每次划分都不同，把42换成当前时间戳即可，但同一套实验过程里不要反复改种子。

如果图片扩展名不是jpg而是png，把复制那两行的.jpg换成.png；也可以用img_dir / name直接取原始文件名的完整路径来复制，避免扩展名写死。

4.3 比例与随机种子怎么定

对1000张图的数据量，70/20/10是合理的起点，对应train约700张、val约200张、test约100张。泊车位检测是单类别、目标几何形状相对固定的任务，train有700张足够学到稳定的特征，test保留100张也能统计出有意义的mAP和召回率。如果以后数据量涨到3000张以上，可以调整为80/10/10，val不一定要跟着涨，因为val只用来选模型，太多反而拖慢调参节奏。seed选42只是约定俗成，没有魔法，关键是固定下来并在实验记录里写明，不然隔一周再跑一次划分，得到的结果可能完全不同。

4.4 划分后的校验脚本

划分完成不是终点，还要确认集合之间没有交叉、图片与标签一一对应。一个一次性校验脚本：

from pathlib import Path out_root = Path("split_dataset") for split in ["train", "val", "test"]: img_stems = {p.stem for p in (out_root / split / "images").glob("*")} lab_stems = {p.stem for p in (out_root / split / "labels").glob("*")} print(f"[{split}] images={len(img_stems)} labels={len(lab_stems)} " f"only_img={len(img_stems - lab_stems)} only_lab={len(lab_stems - img_stems)}")

如果打印结果里only_img或only_lab不为0，说明文件错配，要回头检查划分脚本。另一个值得做的是类别分布检查：统计test集里每个类别出现的框数量，以单类别为例，test集至少有几十个正样本框才有统计意义。如果test里某类框数量为0，测试结果会缺这个类别的召回率，验收时容易被误判。

5. 用YOLO训练泊车位模型：数据yaml、训练命令与必调参数排查

5.1 数据配置文件：yaml里的路径与names怎么写

Ultralytics YOLO（常见如YOLOv8、YOLOv11）训练时需要数据配置文件，它决定了模型去哪找图、有几类、每类叫什么：

path: /home/user/parking/split_dataset # 划分后数据的根目录 train: train/images val: val/images test: test/images names: 0: parking_space

三个容易踩的细节。path最好用绝对路径，因为train和val是相对path的值，yaml放在项目根目录而数据在另一个盘时，相对路径会解析错。names的索引序号必须和标签TXT第一列的id一致，单类别就是0，如果写成1: parking_space，训练时会认为有类别0和类别1两个类。test字段在训练时不参与计算，只在你手动执行yolo detect val data=xxx.yaml split=test时才生效，但先写上能避免后面验证时现改文件。

5.2 训练命令：从预训练权重到核心超参数

环境配好、数据就位后，最简单的训练命令：

yolo detect train data=parking.yaml model=yolov8n.pt epochs=100 imgsz=640 batch=16 device=0

model=yolov8n.pt表示加载一个在COCO上预训练过的nano权重，再用泊车位数据做迁移学习。0基础纯小白先把这条命令跑通，再逐步理解内部机制也来得及。epochs=100对1000张单类别数据是充裕的，通常40到60轮mAP已经收敛，后面几十轮留给学习率衰减和验证集稳定。imgsz=640是YOLO系列最通用的输入分辨率，车位框在画面里占比不小，640足够；如果画面角落有很多远处小车位，再试imgsz=960，代价是训练和推理都更慢。batch=16取决于显存，8GB显存建议降到8，16GB以上用16，报CUDA out of memory时优先减batch而不是减imgsz。device=0指用第0张GPU，单卡机器可以不写这一项。

5.3 训练过程观测：损失函数、mAP50与混淆矩阵

训练日志里会出现box_loss、cls_loss、dfl_loss三项损失，分别对应框回归、分类和分布焦点损失。对车位检测，我主要看两个东西：训练集上box_loss是否稳定下降，验证集上mAP50是否持续上升。如果mAP50连续30轮不再变化，就可以提前停掉，不必跑满100轮。训练结束后，runs/detect/train/weights/best.pt是后续验证要用的权重。

mAP50是IoU阈值0.5下的平均精度，车位这类规则四边形目标大概率能达到0.9以上；mAP50-95把IoU从0.5到0.95每隔0.05算一次再平均，更反映框贴合精度，一般0.7以上算正常。训练生成的混淆矩阵图值得细看：对角线越亮越好，如果真实车位那一列有大量被预测成背景，说明漏检严重，优先检查标注框是否太松导致正样本质量差。

5.4 训练阶段常见问题排查

现象：训练刚开始提示“All labels empty”，进程自动退出。原因：数据yaml里的train路径指向了没有TXT的目录，或TXT文件名与图片名不一致。解决：按第4.4节的校验脚本核对，确认train/images和train/labels一一对应，且每个TXT至少有一行数据。

现象：loss曲线中途出现NaN，之后所有指标归零。原因：标签里有归一化后宽或高为0的畸形框，或学习率过高。解决：用脚本扫描所有TXT，过滤坐标不在0到1范围以及宽高为0的行，同时把学习率调低，在命令后加lr0=0.005重试。

现象：train的loss降得很快但val的mAP停滞。原因：最常见的是train和val数据存在同场景重复，比如连拍帧被分到两边；也可能是标注本身不一致。解决：回到第4章，按拍摄时刻或摄像头编号分组划分，不要纯随机打散，这是数据量不大时的保命操作。

现象：显存不足以OOM中断。原因：batch过大或输入分辨率过大。解决：batch降到8或4，imgsz降到480先跑通，再逐步加大；把workers从默认8降到4也能缓解内存峰值。

现象：mAP50很高但mAP50-95明显偏低。原因：模型框的位置预测不够精细，多半是标注框边缘没贴住车位线。解决：不要急着调超参数，先回看几十张标注图，把松垮的框修正后重新训练。这种问题靠调参基本靠玄学，修标注才是正路。

6. 上线前验证与进阶技巧：从测试集指标到实拍场景的最后一公里

训练结束，best.pt在测试集上的mAP只是及格线，真正决定能不能上线的是它在实际停车场的表现。先跑一条验证命令看测试集整体情况：

yolo detect val data=parking.yaml model=runs/detect/train/weights/best.pt split=test

重点看混淆矩阵里漏检和误检的具体分布，而不是只看mAP数字。我还会对一张实拍图做yolo predict，配合输出预测结果的特征图和热力图，观察模型关注了哪些区域：热力图高亮集中在车位边线附近，说明学的特征基本正确；高亮散落在路面纹理上，就要怀疑训练数据里的负样本不足。

实际部署时，固定相机比移动设备简单，但光线和视角差异仍然存在。常见做法是用RTSP拉取停车场监控视频流，把每帧resize到640再交给模型推理。如果手头有d435i这类深度相机，可以额外加一层深度阈值校验：模型检出的车位框里，如果深度值连续且平坦说明是空位，深度值断裂且有凸起则判定为占用。这条规则对“车位线内停着黑色车”的漏检场景特别有效。

把模型装进边缘设备前，先导出ONNX再转TensorRT：

yolo export model=best.pt format=onnx imgsz=640

导出后务必对比PyTorch模型和ONNX在同一张测试图上的输出差异。我遇到过很多次ONNX推理精度下降，最后查出来都是部署端预处理忘了归一化，或者把BGR当RGB读入。这些坑和模型本身无关，但排错成本往往比重新训练还高。

最后说一个我自己吃过的亏：第一次做车位检测demo时，为了赶进度直接用随机划分，test集和train集混进了同一监控的同一分钟连拍帧，那套模型测试mAP刷到0.98，现场部署到另一个停车场直接掉到0.72。从那以后，每个新数据集我都先按场景分组，再跑一遍第4.4节的校验，确认没有跨集重复才算数。希望这些步骤能帮你少走这一段弯路，也希望这套数据资源在你手上真正跑成一个可靠的车位检测服务。

本文还有配套的精品资源，点击获取