汽车-无人机视角

# 车辆检测数据集（data/car） 本数据集用于 `yolov3_mobilenet_car` 项目的**车辆检测**模型训练、剪枝与量化。标签为单一类别 `car`。 ## 规模 | 划分 | 图片 | 标注 | 框数 | 平均框/图 | | -------------- | -------------- | -------------- | --------------- | --------- | | train | 2336 | 2336 | 17282 | 7.4 | | validation | 293 | 293 | 2265 | 7.7 | | test | 293 | 293 | 2007 | 6.9 | | **合计** | **2922** | **2922** | **21554** | — | ## 格式规范 - **图片**：JPG，分辨率**统一 640×360**，单类目标。 - **标注**：YOLO 格式，与图片同名、扩展名为 `.txt`，位于 `labels/<split>/`。 - 每行一个目标：`class cx cy w h`（类别编号 + 中心点 x/y + 宽高，均相对整图归一化到 [0,1]）。 - 本项目仅 1 类：`0 = car`。 - **质量校验**：坐标全部 ∈[0,1] 且 w,h>0，无空标注文件、无 NaN、无字段数错误；图文一一对应（三划分均无有图无标/有标无图）。 ## 目录结构 ``` data/car/ ├── images/ │ ├── train/ # 2336 张 jpg │ ├── validation/ # 293 张 jpg │ └── test/ # 293 张 jpg（独立评测集，不被 train/valid 清单引用） ├── labels/ │ ├── train/ # 2336 个 txt │ ├── validation/ # 293 个 txt │ └── test/ # 293 个 txt ├── train.txt # 训练清单：2336 行，每行 `data/car/images/train/<name>.jpg` ├── valid.txt # 验证清单：293 行，每行 `data/car/images/validation/<name>.jpg` ├── valid.shapes # 图片尺寸缓存 ├── car.data # YOLO 训练配置（classes=1, train/valid 指向上述清单, names=car.names） ├── car.names # 类别名：`car` ├── anchors_6.txt # K-means 聚类得到的 6 锚框 ├── anchors_9.txt # K-means 聚类得到的 9 锚框 ├── K-means.py # 锚框聚类脚本 └── write_txt.py # 生成 train.txt/valid.txt 的脚本 ``` ## 训练配置 `car.data`（被 `yolov3_mobilenet_car` 的训练/剪枝流程引用）： ``` classes = 1 train = data/car/train.txt valid = data/car/valid.txt names = data/car.names ``` `car.names` 内容：`car` ## 使用方式 训练/剪枝流程通过 `car.data` 间接读取 `train.txt` 与 `valid.txt`；`test/` 一般用于训练完成后独立评估（如 `detect.py` + 自定义评测脚本）。