人工智能计算机视觉预训练模型系列第 2 期：车辆检测模型实测记录

车辆检测是目标检测里非常常见的应用方向。它可以用于道路监控、停车场管理、车流量统计、园区安防、交通事件分析等场景。相比单纯识别画面中“有没有车”，目标检测模型还要给出车辆所在位置，这对后续计数、跟踪、告警和自动化决策都很关键。 本期训练与测试使用 RTX 3080 显卡，数据集共包含 9816 张图片，约 9.1 万个目标。其中训练集包含 9316 张图片、约 8.6 万个目标；验证集包含 500 张图片、约 0.5 万个目标。 | 项目 | 内容 | | --- | --- | | 系列期数 | 第 2 期 | | 本期主题 | 车辆检测 | | 任务类型 | 目标检测 | | 显卡型号 | RTX 3080 | | 数据集规模 | 9816 张图片，约 9.1 万个目标 | | 训练集规模 | 9316 张图片，约 8.6 万个目标 | | 验证集规模 | 500 张图片，约 0.5 万个目标 |

下面是本次车辆检测任务的训练输入样例。可以看到，车辆在画面中可能存在不同尺度、不同方向和不同密度，这也是实际道路视觉任务中经常遇到的情况。  验证预测样例更适合观察模型在多车辆场景中的框选效果。除了指标本身，检测框是否稳定、是否出现明显漏检或误检，也是判断模型是否具备部署价值的重要依据。 

YOLOv5s 是本期记录的第一种车辆检测模型。该模型包含 157 层网络，约 7M 参数，计算量为 15.8 GFLOPs，模型文件大小约 14 MB。对于需要部署在边缘设备或实时视频流场景中的项目来说，这类轻量级模型的优势在于结构成熟、推理速度快、资源占用相对可控。 训练配置方面，YOLOv5s 的 batch size 为 64，训练 916 个 epoch，总训练时间约 68 小时。评估结果中，Precision 为 0.97，Recall 为 0.96，mAP50 为 0.98，说明模型在该车辆检测数据集上具备较稳定的识别与定位能力。 | 项目 | YOLOv5s | | --- | --- | | 网络层数 | 157 层 | | 参数量 | 7M | | 计算量 | 15.8 GFLOPs | | 模型文件 | 14 MB | | batch size | 64 | | epoch | 916 | | 训练时间 | 68 小时 | | Precision | 0.97 | | Recall | 0.96 | | mAP50 | 0.98 | 下面是 YOLOv5s 训练过程中的损失与指标变化趋势。通过这类曲线，可以观察模型是否稳定收敛，以及评估指标在训练后期是否趋于平稳。  推理性能方面，YOLOv5s 的推理显存占用为 368 MB。GPU 单张图片推理 4.8 毫秒，后处理 1.1 毫秒，总计约 5.9 毫秒；CPU 单张图片推理 79.5 毫秒，后处理 9.2 毫秒，总计约 84.71 毫秒。 | 推理环境 | 推理时间 | 后处理时间 | 总耗时 | | --- | ---: | ---: | ---: | | GPU | 4.8 ms | 1.1 ms | 5.9 ms | | CPU | 79.5 ms | 9.2 ms | 84.71 ms | 下面是一张本次测试使用的原始图片。对于车辆检测模型来说，这类可视化测试能够帮助我们直观看到模型在真实画面中的识别位置与框选范围。  YOLOv5s 的测试结果如下。可以结合原图一起观察车辆目标是否被准确框出，以及检测框与车辆边界是否贴合。 

YOLO26s 是本期记录的第二种车辆检测模型。该模型包含 260 层网络，约 10M 参数，计算量为 22.5 GFLOPs，模型文件大小约 20 MB。它同样面向目标检测任务，可以作为车辆识别、车辆定位和视频流分析中的候选模型。 训练配置方面，YOLO26s 的 batch size 为 48，训练 1691 个 epoch，总训练时间约 133 小时。评估结果中，Precision 为 0.97，Recall 为 0.96，mAP50 为 0.99。从记录结果看，该模型在本次车辆检测任务上也保持了较高的检测精度。 | 项目 | YOLO26s | | --- | --- | | 网络层数 | 260 层 | | 参数量 | 10M | | 计算量 | 22.5 GFLOPs | | 模型文件 | 20 MB | | batch size | 48 | | epoch | 1691 | | 训练时间 | 133 小时 | | Precision | 0.97 | | Recall | 0.96 | | mAP50 | 0.99 | 下面是 YOLO26s 训练过程中的损失与指标变化趋势。对于车辆检测这类工程任务，训练曲线不仅用于展示结果，也能帮助后续复盘训练轮次、数据质量和模型收敛状态。  推理性能方面，YOLO26s 的推理显存占用为 366 MB。GPU 单张图片推理 5.6 毫秒，后处理 1.4 毫秒，总计约 6.9 毫秒；CPU 单张图片推理 119.8 毫秒，后处理 50.3 毫秒，总计约 170.1 毫秒。 | 推理环境 | 推理时间 | 后处理时间 | 总耗时 | | --- | ---: | ---: | ---: | | GPU | 5.6 ms | 1.4 ms | 6.9 ms | | CPU | 119.8 ms | 50.3 ms | 170.1 ms | YOLO26s 的测试结果如下。对于最终部署来说，单张测试图只是第一步，更重要的是把模型放到连续视频流、不同天气、不同角度和不同摄像头画面中继续验证。 

车辆检测看起来是一个非常明确的任务，但真正落地时，它往往会受到设备算力、摄像头角度、画面清晰度、目标密度和实时性要求的共同影响。模型指标很重要，推理速度同样重要；测试图效果很直观，连续场景里的稳定性也不能忽略。 从本期记录可以看到，轻量级车辆检测模型已经能够在较低显存占用和毫秒级 GPU 推理时间下完成目标检测任务。对于智慧交通、停车场、园区安防等场景，这类模型更适合作为工程部署的起点，再根据现场数据持续迭代。 如果你正在做车辆检测、车流统计或边缘 AI 部署，你更关心模型的哪一项表现：mAP 指标、GPU 推理速度、CPU 推理速度，还是复杂场景下的稳定性？欢迎把你的应用场景和最头疼的问题留下来，我们可以在后续文章里继续拆解。