简介一份面向车辆颜色识别任务的图像分类数据集已标注约一万张车辆图片覆盖白色、黑色、灰色、银色、红色、蓝色、棕色等十五个常见颜色类别适用于图像分类教学、算法验证及实际交通场景颜色识别项目。包体共两千个文件包括一千九百九十八张jpg样本、一个Python可视化脚本和一个json分类配置文件压缩包总大小约五百七十五兆字节训练集与测试集已按类别分好便于直接开展模型训练与精度评估。目前已有三百五十八人学习使用。压缩包内提供show脚本可一键可视化数据集分布帮助理解图片与标签对应关系json文件记录了完整类别体系可快速适配深度学习框架的数据加载流程。对于正在搭建CNN分类网络或改进YOLOv5的开发者该项目提供了可直接复用的数据基础能有效减少数据整理与标注时间。1. 为什么说车辆颜色分类是典型的“看着简单、实操翻车”任务车辆颜色分类在图像分类里属于“门槛低、天花板高”的方向单张车牌照片、白天顺光常见模型准确率能做到 95% 以上一旦换到夜间地库、阴雨路面反光、车漆磨损发乌同样模型掉到 75% 也不奇怪。很多从业者第一次接触这个任务时默认把它当成 CIFAR-10 级别的玩具题跑完才发现真正的瓶颈不在模型结构而在数据本身的标注一致性。约 10,000 张已标注图像的数据集在这个尺度下正好能覆盖主流车色的分布又不会大到让标注成本失控。这篇文章就顺着“数据长什么样 → 怎么读标注 → 怎么建模 → 参数怎么调 → 坑在哪 → 怎么落地验证”的顺序把整条链路讲清楚适合正在做停车场计费、门禁道闸、二手车估价或安防检索的算法工程师和研究生参考。2. 数据集的构成与标注体系先搞清楚你这 10,000 张图里有什么拿到一个已标注的车辆颜色图像分类数据集第一件事不是急着跑模型而是把“标注”本身当成数据来审查。约 10,000 张的量级意味着标注成本大概在几千到一万多元人民币区间如果标注规范不统一后面所有训练和评估都会跟着失真。2.1 图像来源与常见采集口径车辆颜色数据集的图像来源通常有三种卡口抓拍、停车场出入口相机、互联网爬取。这三种来源的成像条件差异巨大。卡口抓拍的图像通常是近红外补光下的灰度转彩色颜色偏紫偏蓝停车场相机的白平衡和曝光随环境光变化剧烈尤其是傍晚和夜间互联网图片则受后期滤镜影响色调偏移没有规律。我一般会先按来源把数据分组做一次跨组的颜色分布统计。如果你的数据集没有给来源标签也可以用 EXIF 里的拍摄时间做粗粒度分组——白天和夜晚的数据在颜色亮度分布上会有明显双峰这个特征用一行 Python 就能检查出来import cv2 import numpy as np import glob paths glob.glob(vehicle_color_dataset/*.jpg) day_luma, night_luma [], [] for p in paths[:500]: # 先抽样 500 张做快速摸底 img cv2.imread(p) hsv cv2.cvtColor(img, cv2.COLOR_BGR2HSV) luma hsv[:, :, 2].mean() hour 8 # 如果 EXIF 里没有时间需要人工抽样确认 if 8 hour 17: day_luma.append(luma) else: night_luma.append(luma) print(day mean luma:, np.mean(day_luma)) print(night mean luma:, np.mean(night_luma))这段代码的价值在于帮你判断数据集里的亮度分布是否均匀。如果夜间样本占比低于 10%后续训练出来的模型在天黑后大概率翻车你需要自己补充夜间数据或做亮度增强。顺带说一句批量读取图像时建议用 glob 配合 cv2.imread不要用 PIL 的 Image.open——后者在批量场景下吃内存更凶处理 10,000 张图容易把机子拖垮。2.2 标注字段解析与标签体系设计这类数据集常见的标注格式是 JSON 或 CSV。JSON 字段一般包含 image_id、file_name、color_label、color_id有的还带 bbox 定位车身区域。我拿到的这份数据沿用了类似结构每张图对应一条记录颜色标签覆盖白、黑、银灰、深灰、红、蓝、黄、棕、绿、粉、橙、紫、青等常见车色外加一个“其他”类兜底。有两个细节值得单独拿出来说。第一银灰和深灰经常被标注员混淆如果数据集里银灰占比异常高大概率是把部分深灰并进了银灰第二双色车身比如黑顶白身在标注时有的标主色、有的标辅色这会在训练时制造矛盾标注。我建议在跑模型前先做一次标签一致性抽查用下面这段代码看看每个类别的图像在 HSV 颜色直方图上是否真的可分import json import cv2 import numpy as np from collections import defaultdict with open(vehicle_color_dataset/annotations.json, r) as f: annos json.load(f) hsv_stats defaultdict(list) for item in annos: img cv2.imread(vehicle_color_dataset/ item[file_name]) hsv cv2.cvtColor(img, cv2.COLOR_BGR2HSV) hsv_stats[item[color_label]].append(hsv.mean(axis(0, 1))) for color, stats in hsv_stats.items(): mean_h np.mean([s[0] for s in stats]) print(f{color}: mean_hue{mean_h:.1f})如果某两个类别的 mean_hue 非常接近比如差值小于 10说明标注边界可能在原始标注时就已经模糊了。这种情况下要么合并类别要么重新校准标注规范。注意不要只看色相均值夜间图像在低亮度下色相噪声很大建议把亮度低于 40 的像素先 mask 掉再统计否则结果会被暗部噪声主导。2.3 筛选低质量样本标注不等于都能进训练集已标注数据集的“已标注”只代表有标签不代表每张图都适合训练。我处理这类数据时有个固定流程先跑一遍全量质量过滤把模糊、过暗、过曝、严重遮挡的样本剔除。约 10,000 张的规模里通常能筛出 300 到 800 张问题样本直接删掉比让模型硬学更划算。import cv2 import numpy as np from glob import glob bad_images [] for p in glob(vehicle_color_dataset/*.jpg): img cv2.imread(p) if img is None: bad_images.append((p, corrupt)) continue gray cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) laplacian_var cv2.Laplacian(gray, cv2.CV_64F).var() if laplacian_var 40: # 拉普拉斯方差低于 40 认为模糊 bad_images.append((p, fblurry var{laplacian_var:.1f})) continue luma gray.mean() if luma 30 or luma 230: bad_images.append((p, fextreme luma{luma:.1f})) print(ffound {len(bad_images)} problematic images) for p, reason in bad_images[:10]: print(p, reason)拉普拉斯方差 40 这个阈值不是拍脑袋定的我试过在不同光照场景下测试白天卡口的清晰图方差通常在 100 以上夜间补光不足时普遍掉到 30 到 60 之间。如果你发现夜间样本本来就少建议把阈值下调到 25保留更多夜间图。筛出来的坏样本不一定要物理删除可以单独放一个目录后续做测试集时用来验证模型的鲁棒性。这一步做完你才算真正摸清了这份数据集的底细后面所有实验才有可信度。3. 图像分类建模选型从零训练、微调还是用轻量分类器数据梳理干净之后才进入模型选型环节。约 10,000 张的规模对深度学习来说不算大但也绝不是小样本。这里的关键决策是从零训练一个卷积网络还是用预训练模型微调或者干脆用传统特征加轻量分类器。三条路各有适用场景选错了要么欠拟合要么训练成本虚高。3.1 数据规模决定训练策略图像分类在这个数据量级下我一般会按这个逻辑选型如果图片都是统一采集的车身特写且类别不超过 15 个ResNet-18 或 ResNet-34 从零训练就够用训练速度快部署时模型体积也小如果图片来自不同场景光照差异大那就必须用 ImageNet 预训练的权重做迁移学习否则颜色特征会被背景纹理带偏如果对推理速度要求极高、算力又有限MobileNetV3 或 EfficientNet-Lite 搭配全局池化特征加 SVM 也能做到 90% 左右的准确率。对于这份约 10,000 张的车辆颜色数据集我最常走的路线是 ResNet-50 微调。原因很简单车辆颜色识别本质上是低层颜色特征和高层形状特征的组合低层卷积提取的颜色分布对光照敏感预训练权重里已经包含大量自然图像的边缘、纹理基元微调时只需要让高层去适应“车漆颜色”这个特定抽象概念。从零训练在 10,000 张尺度下容易过拟合尤其是银灰、深灰这种需要精细区分的类别。3.2 数据划分别用随机划分掩盖分布差异图像分类任务里最常见的错误就是全局随机划分数据集。如果你的 10,000 张图来自多个采集点随机划分会把同一辆车在不同光线下的照片同时分进训练集和验证集导致验证指标虚高。业界常用的做法是分层划分先按采集点或时间段分组再在组内划分。如果数据集没有给分组信息可以直接按图像文件名前缀分组因为多数采集系统的文件名包含相机编号或时间戳。import json import random from collections import defaultdict with open(vehicle_color_dataset/annotations.json, r) as f: annos json.load(f) # 按文件名前缀分组前缀假设是相机编号例如 CAM01_20240501_093000.jpg groups defaultdict(list) for item in annos: prefix item[file_name].split(_)[0] groups[prefix].append(item) train_ids, val_ids, test_ids [], [], [] for group_items in groups.values(): random.shuffle(group_items) n len(group_items) train_ids.extend(group_items[:int(n * 0.8)]) val_ids.extend(group_items[int(n * 0.8):int(n * 0.9)]) test_ids.extend(group_items[int(n * 0.9):]) print(ftrain{len(train_ids)} val{len(val_ids)} test{len(test_ids)})按组划分后验证集和测试集里的图像与训练集来自不同采集时段更能反映模型在真实场景的泛化能力。我习惯把测试集单独锁住整个调参周期内不碰它只拿验证集做早停和模型选择。这样做的代价是验证集指标会比测试集低一些——这是正常的说明你没有在测试集上做隐式过拟合。约 10,000 张数据按 8:1:1 划分后训练集约 8,000 张对 ResNet-50 微调来说已经能跑到不错的收敛点。3.3 类别不均衡与损失函数选择车辆颜色数据集的另一个常见问题是类别分布极不均衡。白色和黑色车占比可能各占 25%粉色、橙色、紫色加起来可能不到 2%。如果直接用交叉熵损失模型会把所有不确定样本都猜成白色整体准确率看上去很高但少数类几乎全军覆没。有两个方向可以处理一是重采样二是改损失函数。重采样的做法是每个 epoch 从少数类中重复采样让模型每个 batch 都能看到粉色和橙色样本改损失函数的做法是使用焦点损失focal loss。我最近的实践经验是在车辆颜色分类上先做重采样把少数类样本权重拉平再用带标签平滑的交叉熵效果比单用焦点损失更稳。焦点损失的两个超参数 alpha 和 gamma 需要单独调调不好反而会震荡。class FocalLoss(nn.Module): def __init__(self, alphaNone, gamma2.0, num_classes14): super().__init__() self.gamma gamma if alpha is not None: self.register_buffer(alpha, torch.tensor(alpha, dtypetorch.float32)) else: self.alpha None def forward(self, logits, targets): ce F.cross_entropy(logits, targets, reductionnone) pt torch.exp(-ce) if self.alpha is not None: alpha_t self.alpha[targets] loss alpha_t * (1 - pt) ** self.gamma * ce else: loss (1 - pt) ** self.gamma * ce return loss.mean()这段焦点损失的实现里有一个关键细节alpha 必须按类别频率的倒数归一化而不是直接用原始样本占比。比如白色占 25%alpha 应该是 0.25 的倒数再归一化到和为 1否则少数类的梯度会被放得过大训练早期出现损失值突跳。gamma 取 2 是默认值如果重采样已经生效gamma 降到 1 或 1.5 更合适——gamma 太大时模型会把全部注意力放在最难样本上反而忽略中等难度样本。4. 用卷积网络训练车辆颜色分类模型完整命令与参数说明选型定下来之后实际操作环节要解决的问题是数据加载、训练循环、评估指标怎么组织哪些参数值得优先调哪些参数改了等于白改。下面给出一套我常用的训练配置硬件环境为单卡 RTX 3060 或同等算力约 10,000 张图像一轮训练在 15 分钟左右。4.1 数据加载与增强策略车辆颜色图像分类的数据增强策略和通用图像分类有显著差异。颜色任务是辨识车漆本身的色调过强的颜色扰动会把“白车”增强成“米黄车”把“蓝车”增强成“紫车”根本没法收敛。所以我的增强管线里色彩类增强只保留 HSV 微调且幅度控制得很小几何增强可以放开用。from torchvision import transforms train_transform transforms.Compose([ transforms.Resize((224, 224)), transforms.RandomHorizontalFlip(p0.5), transforms.RandomAffine(degrees5, translate(0.05, 0.05)), transforms.ColorJitter(brightness0.2, hue0.05, saturation0.2), transforms.ToTensor(), transforms.Normalize(mean[0.485, 0.456, 0.406], std[0.229, 0.224, 0.225]) ])ColorJitter 里 hue 参数我只给 0.05这个幅度对白、黑、灰三类的影响已经不小了——白色在 HSV 空间里色相噪声本来就大hue 扰动稍微过头就会把白色推到浅黄色。brightness 0.2 是为了模拟白天到傍晚的光照变化但不能再往上了夜间图像亮度低强提亮会把噪声一起放大。RandomAffine 的旋转角度限制在 5 度以内因为卡口抓拍的车身角度变化本身不大旋转过大反而会引入车身轮廓畸变。验证集不需要几何增强但要做和训练集一致的 resizing 和归一化。这里要注意的坑是验证时如果用了带随机性的 transforms指标会波动没法稳定判断模型好坏。验证集 transform 建议完全确定化。4.2 微调训练的命令行参数模板ResNet-50 微调的核心是冻结骨干网络前几层、只训练最后几层 BN 和全连接层等收敛后再解冻全部层做低学习率精调。两步法的收敛速度比一步到位快得多。以下是具体的训练流程# 第一步冻结骨干只训练分类头学习率 1e-3 python train_vehicle_color.py \ --model resnet50 \ --pretrained imagenet \ --train_dir data/train \ --val_dir data/val \ --epochs 10 \ --batch_size 64 \ --lr 1e-3 \ --weight_decay 1e-4 \ --freeze_backbone \ --output_dir checkpoints/head_only # 第二步解冻全部层学习率降到 1e-4用较大权重衰减 python train_vehicle_color.py \ --model resnet50 \ --checkpoint checkpoints/head_only/best_model.pth \ --train_dir data/train \ --val_dir data/val \ --epochs 15 \ --batch_size 32 \ --lr 1e-4 \ --weight_decay 5e-4 \ --unfreeze_all \ --output_dir checkpoints/full_finetune第二步的 batch_size 从 64 降到 32是因为解冻骨干后梯度更新范围变大显存占用和每步参数更新的方差都变了。小 batch 配合低学习率能让微调更稳。weight_decay 从 1e-4 提到 5e-4是为了抑制全量参数微调时可能出现的过拟合——即便我们有 ImageNet 预训练权重10,000 张图仍然不足以支撑所有 2500 多万参数自由更新。两个阶段加起来 25 个 epoch在 RTX 3060 上大约需要 2 到 3 小时。训练过程中需要盯的指标不只是 loss——每类 accuracy 的分布比整体 accuracy 重要得多。我通常让训练脚本在验证阶段输出混淆矩阵重点看银灰和深灰、白色和银色之间的混叠情况。4.3 超参数敏感性总结与调参顺序调参顺序是实践经验里最值钱的部分。我一般按“数据 → 损失 → 学习率 → 数据增强 → 网络结构”的顺序依次固定不会一上来就换模型。下面的参数表总结了车辆颜色分类任务上哪些参数敏感、哪些参数不敏感参数建议范围敏感性说明hue 扰动0.020.05高超过 0.1 会把颜色整体偏移直接崩输入分辨率160224中小于 160 时银灰和白色开始混淆初始学习率1e-43e-3高超过 1e-2 直接发散focal loss gamma1.02.0中重采样后建议降到 1颜色空间RGB HSV 并联高只喂 RGB 时夜间样本掉点明显我在实际项目里最常用的组合是 RGB 和 HSV 双流输入RGB 通道输入骨干网络HSV 的色相和饱和度通道单独过一个轻量分支最后拼接特征。这个改动对车辆颜色分类提升非常明显因为它让模型直接看到颜色本质属性而不是从 RGB 中隐式重建。5. 车辆颜色分类数据集的常见坑与避坑记录这部分全部来自一线项目里真实踩过的坑。每条画成“现象 → 原因 → 解决”的结构优缺点都很明确。约 10,000 张的规模虽然不大但坑的密度一点不小。5.1 车牌区域干扰颜色判断现象部分图片背景里有其他车辆或车身上有明显的彩色贴纸、广告字样模型把贴纸颜色当成了车色导致分类错误。 原因数据集标注时如果没有给车身区域 bbox模型会把整张图的所有像素都当成判断依据。停车场的背景广告牌、隔壁车的鲜艳车漆都会误导模型。 解决如果你拿到的数据集没有提供车身 bbox我建议自己在预处理阶段做一个粗略的车身区域裁剪——用 YOLO 检测车辆再裁剪或者退一步用 HSV 的色相直方图做主色提取。后者更省事对颜色分类这个任务足够全图主色如果落在红色区域但该红色像素集中在图像角落说明是背景干扰应判为忽略区域。5.2 夜间和地库环境下模型准确率大幅下跌现象白天指标 94%夜间场景测试只剩 76%。看夜间错误样例发现白车被识别成银灰黑车被识别成深蓝。 原因夜间图像整体亮度低车漆的色相信息丢失严重。白车在黄色路灯下呈现暖色调银灰车在冷白 LED 灯下呈现青色调。模型根本没学会“这是白色”而是学会了“亮度高、饱和度为 0 的像素是白色”。 解决我后来在训练集里加入了夜间画像合成增强把白天图像的亮度映射到夜间分布再叠加模拟路灯的色偏。增强时注意别把色偏做过头因为真实夜间灯光的色偏整体是偏黄或偏蓝的不是随机分布。另一个办法是去采集一小批真实夜间数据100-300 张手工标注后并入训练集效果比增强更好。5.3 标注不一致导致同类车色学习目标冲突现象训练 loss 降不下去验证准确率在 82% 上下震荡怎么调学习率都没用。排查发现同一辆银色车在不同光照下被标注成“银灰”“深灰”“浅金”三个标签。 原因车辆颜色在光照下变化很大标注员没有统一规范。尤其在黄昏和阴天银色车呈现棕色调标注员容易犹豫。 解决我做了两件事。第一把标注规范里的“银灰”和“浅金”合并为一个类别因为它们在实际视觉上确实难分第二对每张训练图做离线色温校正统一到 D65 标准光源下的颜色再喂给模型。这样相当于在模型之前做了一道人眼感知归一化能明显削弱标注不一致的影响。色温校正可以用 OpenCV 的 gray world 算法代码很短但效果直观。5.4 验证集指标高于实际上线表现现象验证集准确率 93%部署到停车场现场跑一周只有 84%。一开始怀疑是算法问题查了数据才发现训练集和验证集来自同一批采集设备现场环境完全不同。 原因训练、验证、测试三组数据的分布太接近其实就是同一个数据源切了三份。模型在验证集上做早停等于隐式地在验证集上过拟合。这其实就是典型的数据泄漏问题——验证集不再是“模型没见过的数据”。 解决拿真实场景的图片当外部测试集完全不用训练集所在的数据源。另一个更立竿见影的做法是在验证集上做时间维度切分用前 7 天的数据训练用第 8 天的数据做验证这样验证分布更接近真实上线情况。后者在卡口和停车场的真实项目里很常用值得在拿到约 10,000 张的数据后直接照做。我赌你在验证集指标和线上指标之间看到的那 5 到 10 个百分点的差距去掉数据泄漏因素后基本都能说明白。5.5 双色车身车辆加入训练导致少数类更少现象整理数据时发现双色车身白顶黑身、黑顶白身占了约 3%把它们单独归类后每个类别只有二三十张模型完全学不会。 原因双色车身在真实场景里并不罕见但数据集构建时没有考虑这个子类。有的标注员把顶色当主色有的把车身当主色标签本身就矛盾。 解决对于分类任务我的建议是不要单独设“双色”类别——因为双色的组合空间太大10,000 张规模根本覆盖不完。更合理的做法是把双色车放到“其他”类或者只保留主色标签但在损失函数里把这类样本的权重调低防止矛盾的标签干扰模型对纯色车身的特征学习。这类样本的权重系数我一般设置 0.3 到 0.5。6. 把分类模型推到真实场景的验证技巧模型训练完准确率 93%接下来要做的事情不是庆祝而是拿一批完全没见过的真实场景图像做盲测。我习惯用手头能拍到的停车场、路边、地库素材混合上网找的同角度实拍图构建一份 500 到 1000 张的外部测试集并人工核对每张图的真实车色。这个外部测试集的价值比任何内部指标都高——它能诚实地告诉你模型在现实世界里的真实水平。验证环节有一个容易被忽略的点颜色判断受主观影响很大同一个颜色不同人会给不同名字。我做外部测试集标注时就遇到过这种分歧——同一张香槟金色的车有人觉得是金色有人觉得偏银灰。我的处理方式是让三个人独立标注取多数票作为真值两个人都拿不准的样本单独放一个“争议样本”集最终统计准确率时忽略它们但在报告里单独列出争议样本数。这样做的好处是你不会因为标注者个人的观感误差去优化模型浪费大量精力去拟合一个本来就模糊的边界。这类样本的占比如果超过 10%说明任务定义本身就该把相关类别合并。车辆颜色分类在生产环境的真正难点永远是光线和相机而不是模型结构。不同厂商的摄像头对颜色的还原差异很大白平衡是最大的变量。所以我在项目里坚持一个习惯上线前先在目标相机上取一组实拍样本做一次快速验证。如果目标相机拍出的白色有偏蓝倾向我会在推理管线的预处理阶段加一个固定的白平衡校正矩阵而不是强行用更多训练数据去覆盖这个偏差——后者的代价高且效果不可控。这个矩阵每次只需用 OpenCV 白平衡函数校准几十张图就能算出来十分钟搞定。最后一条教训也是老生常谈保存训练配置时连同每个阶段的验证集和测试集划分方式一起记录到配置文件里。同样的“93%”换了数据划分之后就变 88%很多人就靠这个差别评估模型水平交差。数据集本身是固定资产而你怎么切分、怎么设定验证分布才是决定模型能否在真实场景落地的关键变量。希望我的这套思路和踩坑记录能帮你在车辆颜色分类项目上少走几趟弯路。本文还有配套的精品资源点击获取