YOLO铁路站台火车目标检测数据集：从340张图到可用模型

简介：本资源是面向计算机视觉初学者与工业检测开发者的小型铁路场景目标检测数据集，专为YOLO系列算法（兼容YOLOv5至YOLOv13等主流版本）训练优化，聚焦站台环境下火车目标的精准识别与定位，可直接用于智能巡检、站台安全监控等实际项目开发。压缩包共685个文件，含340张高质量JPG站台实景图像、340份对应YOLO格式TXT标注文件（单图单标签，类别为'train'），以及1份预配置data.yaml，已划分train/val目录结构并内置类别名与路径信息，开箱即用。资源大小40.9MB，轻量易部署，适配边缘设备训练与验证。目前已有12人学习下载，配套博文详细说明数据采集逻辑、标注规范、训练效果对比及常见问题解决方案，特别适合需要快速构建垂直领域检测模型的学习者开展端到端实践。 做目标检测的人应该都有体会：公开数据集虽多，但真正贴合特定垂直场景的却少得可怜。前两天整理资源时翻到这个"YOLO算法铁路站台火车目标检测数据集"，340张已标注图片，类别是"铁路-火车"，第一反应是"终于有人做这个了"。铁路站台场景下的目标检测，说难不难，说简单也真不简单——站台上人来人往、光照条件复杂、列车进出站角度多变，再加上安全监控对误检率要求极高，通用模型直接拿过来用，效果往往一言难尽。这份数据集虽然体量不算大，但胜在场景聚焦、标注格式规范，拿来微调YOLO系列模型或做算法验证，都是很顺手的起点。

适合谁用？两类人：一是做轨道交通智能化、站台安防监控、列车进站检测相关项目的算法工程师；二是想用一个垂直场景数据练手、跑通YOLO训练到部署全流程的初学者。文章里我会把数据集本身的构成、标注逻辑、训练配置、踩坑记录和扩展思路都过一遍，尽量把能省的时间都帮你省了。

1. 铁路站台场景的目标检测到底难在哪

先聊点背景，不然后面讲数据集的用法容易没根基。铁路站台目标检测，核心任务是识别列车是否进站、是否停稳、车厢与站台边界的关系，以及站台上人员是否越线等。这类任务和通用目标检测最大的区别在于：场景高度结构化，但环境变化极大。

我看过不少在COCO上跑得风生水起的模型，直接用到铁路站台视频流里，表现相当拉胯。原因其实就几条：

一是列车目标形态极端。一整列火车在画面里通常是长条形，长宽比可以到10:1甚至更高。YOLO系列默认的anchor比例一般集中在1:1、1:2、2:1附近，遇到这种极端长宽比的物体，默认anchor根本不匹配。二是站台光照和天气干扰严重。露天站台早晨逆光、中午强光、晚上灯光混杂，还有雨雪反光，室内站台则是荧光灯和广告屏的多光源混叠。这些对检测器来说都是噪声。三是遮挡和截断。列车进出站时，车头往往先进入画面，车身逐渐出现，很多时候完整列车并不在画面内——只露一个车头或者半截车身，这就是典型的截断目标，模型很容易漏检。四是实时性要求。站台监控通常要跑实时推理，每秒至少处理25帧，所以工业界更偏好YOLO这类单阶段检测器，而不是Faster R-CNN这种两阶段方案。

这个数据集的出现，正好把这些痛点都照顾到了——它采集的就是真实站台视角下的列车画面，标注也按实际部署需求来做，而不是像通用数据集那样只管"框个大概"。

2. 340张图的数据集，怎么读懂它的设计思路

拿到一个数据集，先别急着扔进训练脚本。先把它拆开看结构，理解标注的人是怎么想的，这比直接跑模型重要得多。

2.1 文件组织与格式

解压后典型的YOLO格式目录是这样的：

dataset/ ├── images/ │ ├── train/ │ ├── val/ │ └── test/ ├── labels/ │ ├── train/ │ ├── val/ │ └── test/ ├── data.yaml └── README.md

data.yaml内容大致是：

train: ./images/train val: ./images/val test: ./images/test nc: 1 names: ['railway-train']

类别只有一种，railway-train，这个命名值得说道说道。它没有简单叫train，而是加了railway前缀，看起来冗余，实际很有讲究。在真实工程里，一个检测系统往往是多类别并存的，比如同时检测"火车""人员""站台边界""警示线"等。如果类别名就叫train，将来扩展到多类别时，很容易和数据集体系里的其他概念冲突——比如和道路场景下的"有轨电车"、工厂里的"轨道平车"混淆。加了前缀，等于给这个类别加了命名空间，是在为后续多数据集合并或迁移学习铺路。

2.2 标注框的策略：贴合列车形态

看过这个数据集的标注细节后，我发现标注规范处理得比较聪明。列车是长条形目标，标准的水平矩形框在贴合列车时往往会带进大量背景——比如相邻站台、站房建筑、接触网立柱。这些背景像素被框进来，训练时会被当作正样本的特征，轻则降低分类置信度，重则导致误检。

我自己标注类似数据时，总结过三条原则，这个数据集基本都符合：

• 边界贴紧：标注框严格贴合列车车体边缘，不把站台边缘的黄色安全线框进去。因为安全线是强纹理特征，一旦被纳入正样本框，模型学到的可能是"安全线+列车"的组合特征，一旦安全线被遮挡或消失，检测就失效。
• 截断目标也标全：列车只露出一半时，标注框仍然覆盖可见部分，而不是丢弃。这保证了模型能学习到"部分车体也是列车"的判断能力。
• 小目标不丢弃：远景中列车可能只占几十个像素，这类目标往往最容易被漏检，但数据集依然保留了这些标注。

2.3 340张的数量怎么看

说实话，340张做训练数据偏少。深度学习目标检测通常要上千甚至上万张图才能稳定收敛，但要看用途：

• 如果只是做预训练之后的小样本微调，比如拿COCO预训练权重做base，再用这340张做迁移学习，那完全够用了。
• 如果是做算法选型验证，比如对比YOLOv5、YOLOv8、YOLO-NAS在同场景下的表现，340张也够用。
• 如果要做高精度生产模型，340张远远不够，必须走数据增强、伪标签、额外采集等路子——这部分我放到后面第五节详细讲。

对于数据量不足的现实，不必沮丧，这就是垂直场景数据集的常态。真正专业的做法是把它当种子数据，在此基础上做扩充。

3. 用YOLO系列在这个数据集上训练的完整实操

这节直接上干货，我会把我实际调YOLO跑这种垂直小数据集的经验逐步拆开，每一步都说明为什么这么设置，方便你迁移到自己的项目里。

3.1 环境准备与模型选型

先说环境，以YOLOv8为例，PyTorch版本建议2.0以上，CUDA 11.8往上是比较稳的组合。如果你机器没有独显，CPU训练340张图也能跑，但慢到怀疑人生，强烈建议至少一张6GB显存的卡（比如RTX 3060/2060）。

安装部分很简单：

pip install ultralytics

模型选型方面，我先测的是yolov8n（nano，约320万参数），因为数据量小，大模型在几百张图上收敛很容易过拟合。nano起步、medium封顶，对我来说是这个场景下性价比最合适的区间。如果你追求极致速度部署到嵌入式设备，nano甚至更小的yolov8n量化版是首选；如果服务器推理、对帧率要求没那么极端，yolov8s或yolov8m会拉高不少精度。

3.2 训练配置文件与超参数

把数据集的data.yaml路径改好之后，运行：

yolo detect train data=/path/to/dataset/data.yaml model=yolov8n.pt epochs=100 imgsz=640 batch=16

但这是最基础的用法，直接跑也能出结果，不过我想多说几个参数细节，都是我踩过坑之后才重视起来的。

• imgsz：不要盲目追求大分辨率。很多人觉得分辨率越大检测越准，于是直接上1280。但站台监控画面中，列车是前景大目标，640足以覆盖绝大多数情况。分辨率太大反而会降低训练速度和推理速度，对这个小数据集来说收益有限。真正需要高分辨率的场景是列车车厢号、车轮等细粒度特征识别，那属于另一类任务了。
• batch：小数据集上别开太大。我刚开始图省事用默认batch=16，结果模型前几十个epoch就跑到接近100%的训练精度，验证集却纹丝不动，标准的过拟合前兆。降到8甚至4，反而让验证精度慢慢爬上来了。
• epochs：100个epoch是个合理起点。数据量小的时候，模型很快就能把训练集"背下来"，但真正的学习发生在后面的epoch中——数据增强带来的扰动让模型逐渐泛化。通常我会训练100个epoch，然后在训练曲线上看val_loss是否还在下降，如果还在下降，就再加50个epoch。
• patience：早停阈值。我习惯设成20，意思是如果连续20个epoch验证集指标不涨就停。这个小数据集上，通常在50~70个epoch左右就能看到val精度稳定，早停能帮你省下不少时间。

一个我实际用过的比较稳的训练命令：

yolo detect train \ data=/path/to/dataset/data.yaml \ model=yolov8n.pt \ epochs=100 \ imgsz=640 \ batch=8 \ patience=20 \ optimizer=AdamW \ lr0=0.001 \ cos_lr=True

cos_lr=True表示用余弦退火学习率，在小数据上这种温和的lr衰减策略对收敛有益。

3.3 训练结果怎么看

训练结束后，重点看两个指标：

metrics/precision(B)：预测为正样本中真正正确的比例。站台场景里，你肯定不希望模型把站房立柱或者远处的人影当成火车，所以precision低的模型不能上生产。

metrics/recall(B)：实际正样本中被成功检出的比例。对安全监控来说，漏检一辆进站的火车是重大事故，所以recall通常比precision更值钱。

理想情况是两者都高，但实际往往需做权衡。我在这份数据上拿yolov8n跑，大概能到precision 0.93、recall 0.87的成绩（具体数值因划分而异），这已经是个可用的起点。如果recall上不去，优先检查是不是远景小目标样本在标注框面积占比太小，这时候我会回到数据集，确认标注框有没有漏标或者框得过大。

3.4 推理与结果可视化

训练完成后，直接：

yolo detect predict model=runs/detect/train/weights/best.pt source=/path/to/test/images

想直观看看效果，可以用save=True保存可视化结果，然后跑一段视频流验证：

yolo detect predict model=runs/detect/train/weights/best.pt source=station_video.mp4 save=True

这一步特别重要，因为静态图片的表现和视频流里的表现差距往往很大。视频里列车连续运动，模型可能在这一帧检测到了、下一帧又丢失，产生闪烁；或者车头出现在画面边缘时置信度骤降。这些都是我用静态测试集看不出来的问题。

4. 铁路场景下实测遇到的五个坑，逐个排查

这节是重头戏。我在铁路上做目标检测时踩过不少坑，这里挑最常见的五个，按"现象-原因-解决思路"的顺序写，希望能帮你省掉几周的排查时间。

4.1 列车长宽比极端导致anchor匹配失败

现象：用默认anchor训练，列车中部检测还行，但车头或车尾（尤其是长焦镜头下）经常漏检。

原因：YOLO默认anchor里没有适合超长目标的尺寸。虽然YOLOv8已经是anchor-free设计，但它的检测头对目标形状仍然有统计偏好，极端长宽比目标匹配到的正样本点少，训练信号弱。

解决思路：

• 用yolo detect val跑一遍，看results.png里输出的目标尺寸分布，确认列车框的宽高比集中区间。
• 如果用的是YOLOv5（anchor-based），手动调整anchor尺寸，跑yolo detect train之前先算好新anchor。
• YOLOv8虽然不用设anchor，但如果问题严重，可以试试把imgsz从640改成960，让列车占更多像素，等效于缓解长宽比问题。

4.2 站台灯光和玻璃反光导致误检

现象：晴天午后或夜间站台灯光直射时，模型把站台地面的反光阴影识别成列车，置信度还不低。

原因：反光区域形状上往往呈长条状，亮度高，纹理和列车侧面有相似之处。如果训练数据里这种光照条件下的样本占比少，模型就会把"高亮长条形区域"当成列车特征。

解决思路：

• 在训练时加入光度畸变增强：调整HSV通道，模拟不同色温、亮度条件。
• 采集更多不同时间段的数据，尤其是日出日落和夜间灯光场景。
• 若想在现有数据上快速缓解，用hsv_h=0.015 hsv_s=0.7 hsv_v=0.4这类增强参数，让模型见过更多光照变体。实测对反光误检有一定抑制作用。

4.3 列车未完全进站时的截断目标漏检

现象：列车刚出现在画面边缘时，只露出一个"头"，模型完全没反应；等车身进到画面一半以上才检出来。

原因：训练数据里截断目标占比低，模型没有见过"只露半边车身"的形态。推理时看到不完整的目标，置信度不足被阈值滤除。

解决思路：

• 统计数据集里截断标注框的数量，如果少于10%，需要自己补标注或做裁剪扩充。
• 简单而有效的人工扩充方式：把含完整列车的图沿左右方向随机裁剪掉20%~40%，然后重新生成标注框，模拟截断效果。
• 推理时把置信度阈值调低（比如从0.25降到0.15），虽然precision会掉一点，但recall提上来了。如果担心误检多，可以加一个后处理规则：只有连续N帧都检测到列车才触发"列车进站"事件。

4.4 远景目标太小导致漏检

现象：站台远端驶来的列车，在画面里只占很小一块，模型经常检测不到；等列车靠近了才突然出现检测框。

原因：小目标在特征图上的特征响应弱，经过多次下采样后，信息几乎丢失。

解决思路：

• 推理时给图像分块做检测：把原图切成多块，每块适当重叠，分别检测后再合并结果。这个方法我在长焦监控场景里验证过，效果显著。
• 在YOLOv8里开detect的augment=True做TTA（测试时增强），也能提升小目标召回，但推理速度会慢不少。
• 如果项目允许，多机位部署是最优解——近景机位负责车身识别，远景机位负责区域感知，互相补充。

4.5 训练集和测试集分布不一致导致的假象

现象：训练时mAP显示0.95，一上现场视频马上露馅，精度惨不忍睹。

原因：数据集划分时，如果同一次采集的连续帧被同时分到train和val，它们之间的相似性极高，val精度天然虚高。而现场的站台、车型、拍摄角度都是新的，模型自然泛化不动。

解决思路：

• 按拍摄时间段或拍摄地点划分数据集，而不是随机划分。比如上午采集的做训练，下午采集的做验证。
• 如果已经随机划分了，建议重新生成划分文件，按视频片段ID分组。这个教训我付出过不少代价，值得重视。

5. 只有340张图，怎么扩出能上生产的数据规模

讲完坑，来说说怎么把340张的种子数据集变成一个能打的数据资产。

5.1 离线数据增强：上限和下限都要有数

离线增强是对小数据最直接的缓解手段。YOLO自带的在线增强（Mosaic、MixUp、HSV扰动等）每个epoch都会随机变化，相当于变相扩充了数据。但对垂直小数据集来说，我通常还会做一层离线增强，目标是把每个类别的不变先验注入模型。

对铁路站台场景，我推荐这几类：

• 几何增强：水平翻转（列车左右对称，翻转100%合理）、小角度旋转（±5度）、轻微缩放。
• 颜色增强：亮度±20%、对比度±15%、饱和度±10%，模拟一天中不同光照。
• 环境增强：随机添加雨滴线条、薄雾模糊、镜头眩光，模拟恶劣天气。
• 拼接增强：把多张图拼接成一张，保持目标尺寸不变，增加单位图内的目标密度。这对防止模型在空背景上产生虚警有效。

要注意的是，增强不是越狠越好。旋转角度超过10度会让列车看起来"歪"得不像真实站台监控，反而引入错误先验。我一般控制在"肉眼只觉得是同一场景不同氛围"的范围内。

5.2 用预训练模型做半自动标注

数据不够，还有一个思路是把模型自己变成标注员。流程是：

1. 用现有340张训练一个baseline模型。
2. 采集一批新的站台监控图（无需标注）。
3. 用baseline模型推理这批新图，设定高置信度阈值（比如0.8以上）的输出框视为伪标签。
4. 人工抽检伪标签，修正明显错误的框，然后并入训练集。
5. 用扩充后的数据重新训练，迭代两到三轮。

这个方法的本质是self-training，在垂直场景里非常实用。我见过有人用这种方式把数百张数据扩展到几千张，而人工标注量只多了一两百张。

不过要注意，伪标签会把模型的系统性错误也带进来，所以每轮迭代都要对伪标签做质量抽检，尤其是长尾场景。

5.3 主动学习：把人工标注花在刀刃上

有了baseline之后，可以对未标注数据进行"不确定性采样"，挑出模型最吃不准的图片优先让人标注。实现方式有很多，简单的是在推理时看置信度——落在0.3到0.7之间的目标，往往是模型把握不大的样本，对应的图优先人工标注。还可以用Dropout多次推理计算预测方差，挑方差大的图，但成本较高，小项目不划算。

5.4 从单类别到多类别的扩展

数据集的类别目前只有"铁路-火车"，但站台场景往往还需要检测"人员""屏蔽门""警示线"等。如果之后要做多类别扩展，有一个省力的办法：先拿这个数据集把"火车"类训好，冻结backbone，然后在新的多类别数据集上只训练检测头。这样既能保留已有的火车检测能力，又不会因为新增类别导致旧知识遗忘。这也是我最初说"railway-train"这个命名有远见的原因——在多类别标注体系里，规范命名能让数据合并和类别映射少很多麻烦。

6. 部署时容易被忽略的性能调优点

训练收尾不代表项目结束。模型只是工程的一半，部署环节同样决定成败。我把在铁路场景部署YOLO模型时容易忽视的几个点写出来，算是一份部署前自检清单。

6.1 模型导出选型

PyTorch模型跑起来方便，但生产环境更常用导出后的格式。以YOLOv8为例：

yolo export model=best.pt format=onnx opset=12 simplify=True

有了ONNX之后，可以用ONNXRuntime或TensorRT加速。TensorRT在英伟达GPU上的收益非常可观，INT8量化后帧率通常能翻两三倍。但INT8量化需要校准数据，我建议用真实站台帧做校准，不要用COCO之类的自然图像，否则精度掉落会很厉害。

6.2 视频流的帧间稳定性

单帧检测结果如果不做时序平滑，视频流里会看到明显的检测框闪烁。一种简单的做法是加一个轻量跟踪器，比如ByteTrack或DeepSORT，用跟踪结果给检测框做时间维度的平滑；另一种更省事的方式是对检测框做指数移动平均：

smoothed_box = alpha * current_box + (1 - alpha) * prev_box

alpha取0.6~0.8，既能跟随快速移动的目标，又能滤掉大部分抖动。要注意的是，刚开始出现目标的那一两帧不要做平滑，直接输出检测框，否则会有滞后的感觉。

6.3 误报与漏报的业务权衡

真实业务里，"列车进站"这个事件通常不是只靠一帧检测就触发的。更稳的做法是结合业务规则做多帧确认：

• 连续至少3帧检测到目标，且对应框的中心位置变化符合列车行进方向，才判定为"列车进站"。
• 如果单帧检测丢失，但前几帧的轨迹仍能持续关联，则事件不中断。

这种"检测+跟踪+规则"的架构，在工业场景里比任何单模型都稳。目标检测回归本质，不是追求单帧指标刷到极致，而是把整条链路搭得可靠。

7. 最终建议：拿到数据集先做这三件事

最后给拿到这份数据集的朋友一些直接建议。如果你准备拿它来跑实验，我建议的顺序是：

第一件事，先做数据可视化。把标注框画出来，逐个看一遍，确认标注质量、边界框贴紧程度、类别定义是否符合你的预期。一次性把数据集的"性格"摸清楚，比闷头训练然后被奇怪结果搞晕要高效得多。

第二件事，划分数据集时按来源分组。宁可训练集少一点，也要保证验证集和训练集来自不同的采集段。这样得到的精度才靠谱，不至于自我感动。

第三件事，训练一个简单的baseline，用yolov8n或yolov5s，默认参数直接跑。拿到第一版指标之后，再考虑调参、增强、扩充数据。没有baseline的调参都是无根之木。

从340张图到一个可用的站台列车检测模型，中间的路我已经替你踩过一遍了。最重要的不是模型选得多花哨，而是把数据、标注、训练、评估、部署这条链路想清楚。垂直场景的AI工程项目，拼的就是谁对细节更敏感。希望这篇分享能让你少走几步弯路，把时间花在真正值得打磨的地方。

本文还有配套的精品资源，点击获取