简介VeRi数据集压缩包是专门为车辆识别设计的大型图像数据集面向计算机视觉与深度学习研究者、算法工程师可用于车辆检测、分类、检索以及交通场景理解。资源内含2000个文件其中JPG图片超过5万张覆盖不同车型、颜色、拍摄角度、光照条件和监控距离能够贴近真实监控场景同时附带txt与xml标注文件包含车辆类别、唯一标识符及边界框坐标方便直接用于目标检测与重识别任务。压缩包整体大小约945MB数据按训练/验证/测试集划分便于模型训练与性能评估。在算法上可借助TensorFlow、PyTorch等框架构建CNN应用Faster R-CNN、YOLO、SSD等检测模型也可基于ResNet、VGG等预训练网络进行迁移学习结合随机翻转、裁剪等数据增强方法提升泛化能力。目前已有4208人学习该数据集可支撑车辆检索、交通监控、智能安防等应用为自动驾驶和智慧交通算法验证提供真实数据基础。1. VeRi 到底是什么——车辆重识别任务绕不开的基准做计算机视觉的人特别是研究车辆识别方向的几乎绕不过 VeRi 这个数据集。我记得第一次接触它的时候导师丢给我一句话“去把 VeRi 跑通给你三个月。”当时我还不知道这东西的分量后来才明白它是目前学术界公认的、最接近真实监控场景的车辆再识别Vehicle Re-Identification数据集之一。所谓车辆再识别简单说就是给定一张摄像头拍到的车辆照片你要在成千上万张不同摄像头拍到的图库里把同一辆车找出来。听起来像人脸识别其实难度差很多。人脸有正脸、侧脸但车辆的“长相”高度相似——同款黑车在你面前停一排普通人是分不清的。更麻烦的是真实监控画面里同一辆车在不同摄像头下光照、角度、分辨率都会变这才是 VeRi 数据集真正的价值所在它逼着你的模型去学那些真正有区分度的特征而不是死记硬背颜色和车型。这个数据集是北京邮电大学发布的开源数据集数据来自真实部署的监控摄像头网络覆盖了相当规模的场景。它包含超过 50,000 张图像涉及约 776 辆车每辆车平均有 20 个摄像头视角的采样最少的也有 2 个最多的超过 50 个。这些摄像头分布在复杂的城市道路环境中图像清晰度、拍摄角度变化非常大。正因为如此它成了车辆重识别领域使用最广泛的评测基准之一几乎每一篇做车辆重识别的论文都会在这个数据集上报告结果。再说说大家最关心的那个文件VeRi.zip。这个 zip 包通常有 4GB 以上体量不小。如果你是从官网渠道下载下载完成后第一步要做的不是直接解压而是先校验文件的完整性。很多人忽略这一步解压到一半报错invalid zip archive: could not find eocd然后到处找原因其实就是下载过程中文件损坏了。正确做法是拿到文件的 SHA-256 校验值和官网公布的对比一致再解压。这一步能省掉后面大量的麻烦。2. zip 包解压实操——从校验到完整解压的踩坑记录很多初学者拿到 VeRi.zip 的第一反应是双击解压然后坐等。但处理 4GB 以上的大型数据集压缩包我建议你养成命令行操作的习惯尤其是在 Linux 服务器上跑实验的同学。先看文件校验。Linux 下用 sha256sumWindows 下可以用 PowerShell 的Get-FileHash。我当时的做法是先把校验值存到一个文本文件里然后对比# Linux 下校验文件完整性 sha256sum VeRi.zip # 输出结果与官网公布的哈希值对比如果校验值对不上别犹豫重新下载别在损坏的文件上浪费时间。zip 格式本身有一些自修复能力但那是针对小范围损坏的一个 4GB 的数据集压缩包如果校验对不上后面解压出现各种诡异问题的概率几乎是 100%。校验没问题接下来解压。这里有个小细节VeRi.zip 解压后会产生VeRi目录里面还有子目录路径比较深。有些同学只解压了部分内容或者解压到了中文路径下导致后面写代码时各种路径报错。我的建议是解压到纯英文路径下目录结构越简单越好。比如# Linux 下解压 unzip VeRi.zip -d /data/datasets/ # 解压后会在 /data/datasets/VeRi 下找到全部文件如果在 Windows 下用 7-Zip 解压要注意是否勾选了“保留文件路径”的选项。有些解压工具默认展开所有路径结果所有图片堆到一个目录里几千张图全混在一起虽然图片内容还在但你后面要按目录分训练集、查询集和测试集就会很痛苦。解压过程中如果看到类似zip warning: not all files were readable的提示说明部分文件可能有问题要停下来检查。正常情况下VeRi.zip 是一个自包含的完整压缩包不应该出现这种警告。出现时多因文件未下载完或存储介质出错比如放在移动硬盘里传输过程中出现问题或者是下载工具某些不靠谱的下载器截断了文件。解压完先别急着开始训练。花 10 分钟检查一下解压后的目录结构确认关键目录都在、图片数量大致吻合再进入下一步。这一步的十分钟能帮你避免解读数据时发现缺了某个子集、整个实验白跑一遍的大坑。3. 目录结构拆解——每一个文件夹的用途和加载逻辑解压完成后你会看到 VeRi 数据集被组织成几个关键目录我下面把它们的作用逐个说清楚因为这些直接影响数据加载代码怎么写。3.1 image_query 与 image_test查询集与测试集image_query是查询集也就是你要“拿着去找”的那些车辆照片总共 1,678 张。image_test是测试集也叫候选集或 gallery是你用来搜索的图库共 11,579 张。这两个目录是评测时最关键的。评测流程是从 query 里取一张车照片去 test 图库里检索看能不能把同一辆车在其他摄像头下的样子正确排到前面。这里的文件命名规则非常有用。比如一张图叫0001_c006_00029800_0.jpg拆开来看0001是车辆 IDc006是摄像头编号00029800是视频帧序号最后的0是车牌号内的序号主要用来区分同一辆车在不同摄像头的出现次数。这个命名规则意味着你不光能做图像检索还能做跨摄像头的时空分析——因为你知道每张图是哪个摄像头在哪个时间点拍的这给一些基于轨迹和时空一致性的 re-ranking 方法留了很大的发挥空间。3.2 image_train训练集image_train目录大约有 37,781 张图像包含 576 辆车的样本。注意训练集里的车辆 ID 和测试集是互斥的——训练集里见过的车不会出现在测试集里。这是 re-ID 任务与分类任务最大的不同分类任务是同一批类别分来分去re-ID 则要求模型学到的特征具有泛化能力能够泛化到从未见过的车上去。这个设计逻辑很关键。它逼着模型不只是记住“这辆车长什么样”而是学到“不同车辆有什么区分性特征”。我在《VeRi 数据集上的模型训练策略》里写过很多刚接触 re-ID 的人会犯一个错误把训练集当分类问题硬训最后一层输出 576 类。这样训练出来的模型在训练集上效果很好一拿到测试集就拉胯。正解是把它当作度量学习问题用 triplet loss 或 circle loss 这类损失函数优化特征空间的距离分布。3.3 frames 与 annotation 文件frames目录存放的是原始视频帧就是那些被截取出来的、未经处理的图像序列。这个目录在纯 re-ID 评测中并不直接用于训练但对于做时空模型、轨迹预测、跨镜追踪的朋友来说是宝贝。annotation目录下则是标注信息包括车的类型、颜色、摄像头编号等信息。这些对多模态方法非常友好比如你可以在训练时额外引入颜色属性作为监督信号。另外还会看到一个name_query.txt或类似命名的文本文件里面记录了 query 集合中每一张图的文件名。这个文件在跑评测时用来确定 query 的顺序写评测脚本时要严格按照这个顺序来否则计算指标时全部乱掉。目录用途数量级image_query查询集图像待检索1,678 张image_test测试集图库候选集11,579 张image_train训练集图像模型学习37,781 张frames原始视频帧序列较多按摄像头分目录annotation标注信息车型、颜色等按文本文件组织4. 数据加载与校验——训练前必须做的检查项数据集解压好了目录结构也看明白了接下来就要写数据加载代码。我见过太多人在这一步直接照搬开源项目里的 dataloader一跑就报错然后怀疑人生。其实问题往往不在代码而在于数据没有做前置校验。4.1 图像完整性与可解码性检查先做一个最基础的检查遍历所有目录里的图片确认每一张图都能被 OpenCV 或 PIL 正常打开。你可能会觉得这是多此一举但事实上解压过程中偶发的文件损坏、文件名乱码、特殊字符等问题都会在你训练到一半时突然炸出来。我写过一段简单的脚本可以在 10 分钟内完成全部检查import os from PIL import Image def check_images(root_dir): bad_files [] for subdir, _, files in os.walk(root_dir): for f in files: if not f.lower().endswith((.jpg, .jpeg, .png)): continue fpath os.path.join(subdir, f) try: with Image.open(fpath) as img: img.verify() # 验证文件是否损坏 except Exception: bad_files.append(fpath) return bad_files # 检查所有子目录 bad check_images(/data/datasets/VeRi) print(f发现 {len(bad)} 个问题文件)这段代码不复杂但能在训练之前把所有隐患提前暴露出来。如果只是零星几个文件有问题删掉或者换个文件即可如果问题文件数量很多那说明解压过程出了问题建议重新解压。4.2 文件编码与路径陷阱VeRi 数据集的标注文件通常是纯文本格式但实际处理时会遇到编码问题。尤其是从国外源下载的压缩包如果最初在 Linux 环境下打包文件名可能包含一些特殊字符到了 Windows 下解压就有可能出现乱码。之前我在 Windows 上解压一个实验数据包里面韩文命名的文件全部乱码虽然最后发现那个数据集不是 VeRi 本身但也提醒了我拿到任何压缩包数据先查看文件名的编码情况再决定是否继续。检查方式也简单列出几个目录下的文件名肉眼看一遍或者用代码判断是否含非 ASCII 字符除了必要的下划线和数字。遇到乱码的优先回去找原始下载源用支持编码保留的解压工具重新解压。注意实际训练用的图片文件名建议严格按照 VeRi 原始的命名规则来不要随意改名。车辆 ID、摄像头 ID、帧号是后续评测的关键信息改名会导致评测脚本跑不通。4.3 数据划分逻辑验证VeRi 官方已经划分好了图像集不需要你自己再做训练/测试切分。但你需要确认自己写的 dataloader 读取的是正确的目录。有一个常见错误把image_train和image_test都塞进训练集里训练。这样做会让模型提前看到测试集的车辆评测结果虚高论文写出去是要被质疑的。这个错误很低级但确实有人犯过。我建议在训练脚本里加一段断言逻辑确保训练集和测试集的车辆 ID 集合没有交集train_ids set([f.split(_)[0] for f in os.listdir(/data/datasets/VeRi/image_train) if f.endswith(.jpg)]) gallery_ids set([f.split(_)[0] for f in os.listdir(/data/datasets/VeRi/image_test) if f.endswith(.jpg)]) overlap train_ids gallery_ids assert len(overlap) 0, f发现 {len(overlap)} 个重叠车辆 ID数据划分错误这种前置校验脚本代码不多却能在关键时候帮你兜住底线。数据是深度学习的基石很多时候模型效果上不去不是模型的问题是数据准备环节埋了雷。5. 车辆重识别模型训练要点——从 baseline 到进阶数据准备好了接下来聊训练。用 VeRi 数据集训练车辆重识别模型有几个绕不开的关键点我根据个人经验给你梳理一套从零到一的路线。5.1 选好 baselineResNet50 Metric Learning 是稳妥起点如果你刚接触这个数据集不要一上来就整那些花里胡哨的 Transformer、大模型。先跑通一个经典的 baseline 更重要。我推荐的组合是主干网络用 ImageNet 预训练的 ResNet50去掉最后的分类层输出一个 2048 维的全局特征向量然后接一个 BNNeck最后用三元组损失Triplet Loss加上交叉熵损失联合优化。这个组合在 VeRi 上能跑出不错的 baseline而且收敛稳定。Triplet Loss 的核心思想是让同一辆车的图片在特征空间里尽可能靠近不同车辆之间尽可能远离。具体到实现层面要注意 anchor 样本的选取策略。常见的做法是在每个 batch 内随机采样 P 个车辆 ID每个 ID 下抽 K 张图片构成 P×K 的 batch。这样做能保证 batch 内既有正样本对也有负样本对训练效率远高于完全随机采样。class TripletSampler(torch.utils.data.Sampler): def __init__(self, labels, batch_size, num_instances4): self.labels np.array(labels) self.batch_size batch_size self.num_instances num_instances self.num_pids batch_size // num_instances self.unique_ids np.unique(labels) def __iter__(self): indices [] for _ in range(len(self)): batch_ids np.random.choice(self.unique_ids, self.num_pids, replaceFalse) for pid in batch_ids: pid_indices np.where(self.labels pid)[0] if len(pid_indices) self.num_instances: chosen np.random.choice(pid_indices, self.num_instances, replaceFalse) else: chosen np.random.choice(pid_indices, self.num_instances, replaceTrue) indices.extend(chosen) return iter(indices) def __len__(self): return len(self.labels) // self.batch_size这里num_instances我推荐设成 4也就是每个 ID 抽 4 张图。这个值不宜太小太小则 triplet 采样困难难收敛也不宜过大过大容易让模型过拟合到特定摄像头视角上。5.2 图像预处理细节决定了你的上限VeRi 的图像是真实监控截图分辨率参差不齐尺寸、画幅比例都不同。训练前我统一把它 resize 到 256×128宽×高并做随机水平翻转、随机擦除Random Erasing等数据增强。随机擦除对车辆 re-ID 效果很明显它能迫使模型不要只依赖车身上的某一块显著特征比如车贴、装饰物而去关注整体轮廓和结构信息。有一个很多初学者忽略的点车辆的左右对称性。随机水平翻转在车辆 re-ID 上非常好用因为车辆天然具有对称性虽然车牌不对称但整体外观在视角变化下左右翻转后视觉语义基本不变。这使得模型对视角变化更鲁棒。但要注意翻转操作要在数据增强阶段完成而不是在测试阶段做 TTATest-Time Augmentation时对每张图都预测两次取平均——这个策略虽然能提点但推理耗时翻倍我在实际项目中通常只在提交最终结果时才用。用 PyTorch 写一个针对 VeRi 的预处理组合transform_train transforms.Compose([ transforms.Resize((256, 128)), transforms.RandomHorizontalFlip(p0.5), transforms.Pad(10), transforms.RandomCrop((256, 128)), transforms.ToTensor(), transforms.Normalize(mean[0.485, 0.456, 0.406], std[0.229, 0.224, 0.225]), transforms.RandomErasing(probability0.5, sh0.2) ])5.3 评测指标mAP 和 CMC 怎么算在 VeRi 上评测常用指标有两个mAPmean Average Precision和 CMCCumulative Matching Characteristics曲线其中 CMC 通常报告 Rank-1 准确率。两者的计算关系是mAP 衡量的是“所有正确匹配都被排到尽可能靠前的位置”的程度更宏观Rank-1 则只关心“第一张就检索对”的概率更严格。很多初学者只看 Rank-1其实这是不完整的。一个模型如果在 Rank-1 很高但 mAP 很低说明它虽然能把最匹配的找出来但次优的匹配排序混乱这种情况在真实场景里可用性并不好。理想的做法是Rank-1 和 mAP 同时看两个指标都高才是真正可用的模型。评测代码里有一个细节计算 CMC 时要处理 “同 ID 多图” 的情况。query 中某张图在 gallery 里有多个正确匹配同一辆车在不同监控下的多帧你计算时要么只取最靠前的那一个Jaccard 系数里用到的要么全部标记为 correct多数评测协议的做法。VeRi 官方评测协议里确定是否算匹配成功是看车辆 ID 是否一致即可不考虑摄像头编号。但如果你做跨摄像头检索的相关实验可能还要额外分摄像头统计我建议你在动手前把评测口径看清楚想清楚自己的实验目的再做相应处理。6. 实操中常见的几个坑——我把它们一次说透6.1 解压后路径带空格或特殊字符如果解压后的根目录路径里带了空格比如D:\My Datasets\VeRi很多旧版 PyTorch 的 DataLoader 在 Windows 上会因为路径解析问题而报错。解决办法很简单目录路径里不要有空格全部用下划线比如D:/datasets/VeRi。6.2 图片读取速度瓶颈VeRi 的图片数量不小如果在训练时每次都从磁盘实时读图IO 会成为瓶颈。我见过有人用普通 HDD 跑 VeRi一个 epoch 要跑几个小时这显然不合理。解决办法一是把数据放到 SSD 上二是用torch.utils.data.DataLoader时设置num_workers为 4 或 8并把pin_memoryTrue打开。如果显存够大也可以直接提前把所有图片加载进内存做 cache速度提升非常明显。6.3 显存不足时的 Batch Size 调整策略如果你只有一块 11GB 显存的卡比如 RTX 2080 TiResNet50 256×128 batch 64 可能刚好撑满。如果 OOM不要直接改模型结构优先调低num_instances或batch_size比如从 64 降到 48。Triplet Loss 对 batch 大小比较敏感但是如果你只调低一个维度保持 P×K 结构影响是可控的。6.4 用错训练集导致 eval 结果虚高我再强调一次VeRi 的image_train和image_test车辆 ID 不重叠。如果你发现自己的模型在测试集上准确率爆表比如 Rank-1 超过 95%别高兴太早先检查是不是数据加载时把测试集也喂进训练了。这类 bug 在代码中很难发现因为训练和测试时的代码路径是分开的只有数据加载逻辑本身出了错才会导致这种异常。7. 从 VeRi 出发还能怎么玩VeRi 的价值在于它是一个真实场景下的多摄像头车辆数据集天然适合做比单纯 re-ID 更丰富的研究。如果你已经把 baseline 跑通可以往这些方向继续挖。方向一是时空建模。VeRi 的标注里有摄像头编号和时间戳这意味着你可以利用车辆的移动轨迹做时空约束。理论上同一辆车在相近的时间出现在相距很远的摄像头下是不太可能的事件。加上这个约束能有效排除掉一批外观相似但时空不合理的误检结果。经典的 re-ranking 方法比如基于 k-reciprocal 编码的方法就是在特征相似度之外引入这类时空信息在 VeRi 上能拿到非常明显的增益。方向二是多模态融合。VeRi 提供了车辆类型和颜色标注这些属性可以和视觉特征一起用来做联合优化。训练时你可以在视觉特征之上加两个分支一个去预测车型一个去预测颜色。这样做的好处是让模型学会关注一些对 re-ID 有帮助的语义属性而不是仅仅去匹配像素级的纹理。我在实践中发现增加属性分支不仅提升了 mAP还让模型的收敛更稳定。方向三是做轻量化模型。VeRi 的图像分辨率不算高很多细节信息有限这给轻量化网络提供了发挥空间。MobileNetV3、EfficientNet-Lite 之类的模型在 VeRi 上也能取得不错的效果同时推理速度快得多。如果你是要做边缘端部署的车辆检索系统从这个数据集的轻量化方向入手有很强的落地意义。最后我个人的一点体会是VeRi 是一个看似简单、实则很有深度的数据集。它的入门门槛不高模型和代码都有大量开源参考但如果你想真正把它吃透需要理解它背后的数据采集逻辑、评测协议、以及车辆 re-ID 任务本身与行人 re-ID 的本质差异。多花点时间去读数据、看特征、分析错误案例比盲目刷榜要重要得多。希望这篇内容能帮你在 VeRi 的实践路上少走一些弯路。本文还有配套的精品资源点击获取 VeRi车辆重识别数据集详解：从下载解压到模型训练实战指南
简介VeRi数据集压缩包是专门为车辆识别设计的大型图像数据集面向计算机视觉与深度学习研究者、算法工程师可用于车辆检测、分类、检索以及交通场景理解。资源内含2000个文件其中JPG图片超过5万张覆盖不同车型、颜色、拍摄角度、光照条件和监控距离能够贴近真实监控场景同时附带txt与xml标注文件包含车辆类别、唯一标识符及边界框坐标方便直接用于目标检测与重识别任务。压缩包整体大小约945MB数据按训练/验证/测试集划分便于模型训练与性能评估。在算法上可借助TensorFlow、PyTorch等框架构建CNN应用Faster R-CNN、YOLO、SSD等检测模型也可基于ResNet、VGG等预训练网络进行迁移学习结合随机翻转、裁剪等数据增强方法提升泛化能力。目前已有4208人学习该数据集可支撑车辆检索、交通监控、智能安防等应用为自动驾驶和智慧交通算法验证提供真实数据基础。1. VeRi 到底是什么——车辆重识别任务绕不开的基准做计算机视觉的人特别是研究车辆识别方向的几乎绕不过 VeRi 这个数据集。我记得第一次接触它的时候导师丢给我一句话“去把 VeRi 跑通给你三个月。”当时我还不知道这东西的分量后来才明白它是目前学术界公认的、最接近真实监控场景的车辆再识别Vehicle Re-Identification数据集之一。所谓车辆再识别简单说就是给定一张摄像头拍到的车辆照片你要在成千上万张不同摄像头拍到的图库里把同一辆车找出来。听起来像人脸识别其实难度差很多。人脸有正脸、侧脸但车辆的“长相”高度相似——同款黑车在你面前停一排普通人是分不清的。更麻烦的是真实监控画面里同一辆车在不同摄像头下光照、角度、分辨率都会变这才是 VeRi 数据集真正的价值所在它逼着你的模型去学那些真正有区分度的特征而不是死记硬背颜色和车型。这个数据集是北京邮电大学发布的开源数据集数据来自真实部署的监控摄像头网络覆盖了相当规模的场景。它包含超过 50,000 张图像涉及约 776 辆车每辆车平均有 20 个摄像头视角的采样最少的也有 2 个最多的超过 50 个。这些摄像头分布在复杂的城市道路环境中图像清晰度、拍摄角度变化非常大。正因为如此它成了车辆重识别领域使用最广泛的评测基准之一几乎每一篇做车辆重识别的论文都会在这个数据集上报告结果。再说说大家最关心的那个文件VeRi.zip。这个 zip 包通常有 4GB 以上体量不小。如果你是从官网渠道下载下载完成后第一步要做的不是直接解压而是先校验文件的完整性。很多人忽略这一步解压到一半报错invalid zip archive: could not find eocd然后到处找原因其实就是下载过程中文件损坏了。正确做法是拿到文件的 SHA-256 校验值和官网公布的对比一致再解压。这一步能省掉后面大量的麻烦。2. zip 包解压实操——从校验到完整解压的踩坑记录很多初学者拿到 VeRi.zip 的第一反应是双击解压然后坐等。但处理 4GB 以上的大型数据集压缩包我建议你养成命令行操作的习惯尤其是在 Linux 服务器上跑实验的同学。先看文件校验。Linux 下用 sha256sumWindows 下可以用 PowerShell 的Get-FileHash。我当时的做法是先把校验值存到一个文本文件里然后对比# Linux 下校验文件完整性 sha256sum VeRi.zip # 输出结果与官网公布的哈希值对比如果校验值对不上别犹豫重新下载别在损坏的文件上浪费时间。zip 格式本身有一些自修复能力但那是针对小范围损坏的一个 4GB 的数据集压缩包如果校验对不上后面解压出现各种诡异问题的概率几乎是 100%。校验没问题接下来解压。这里有个小细节VeRi.zip 解压后会产生VeRi目录里面还有子目录路径比较深。有些同学只解压了部分内容或者解压到了中文路径下导致后面写代码时各种路径报错。我的建议是解压到纯英文路径下目录结构越简单越好。比如# Linux 下解压 unzip VeRi.zip -d /data/datasets/ # 解压后会在 /data/datasets/VeRi 下找到全部文件如果在 Windows 下用 7-Zip 解压要注意是否勾选了“保留文件路径”的选项。有些解压工具默认展开所有路径结果所有图片堆到一个目录里几千张图全混在一起虽然图片内容还在但你后面要按目录分训练集、查询集和测试集就会很痛苦。解压过程中如果看到类似zip warning: not all files were readable的提示说明部分文件可能有问题要停下来检查。正常情况下VeRi.zip 是一个自包含的完整压缩包不应该出现这种警告。出现时多因文件未下载完或存储介质出错比如放在移动硬盘里传输过程中出现问题或者是下载工具某些不靠谱的下载器截断了文件。解压完先别急着开始训练。花 10 分钟检查一下解压后的目录结构确认关键目录都在、图片数量大致吻合再进入下一步。这一步的十分钟能帮你避免解读数据时发现缺了某个子集、整个实验白跑一遍的大坑。3. 目录结构拆解——每一个文件夹的用途和加载逻辑解压完成后你会看到 VeRi 数据集被组织成几个关键目录我下面把它们的作用逐个说清楚因为这些直接影响数据加载代码怎么写。3.1 image_query 与 image_test查询集与测试集image_query是查询集也就是你要“拿着去找”的那些车辆照片总共 1,678 张。image_test是测试集也叫候选集或 gallery是你用来搜索的图库共 11,579 张。这两个目录是评测时最关键的。评测流程是从 query 里取一张车照片去 test 图库里检索看能不能把同一辆车在其他摄像头下的样子正确排到前面。这里的文件命名规则非常有用。比如一张图叫0001_c006_00029800_0.jpg拆开来看0001是车辆 IDc006是摄像头编号00029800是视频帧序号最后的0是车牌号内的序号主要用来区分同一辆车在不同摄像头的出现次数。这个命名规则意味着你不光能做图像检索还能做跨摄像头的时空分析——因为你知道每张图是哪个摄像头在哪个时间点拍的这给一些基于轨迹和时空一致性的 re-ranking 方法留了很大的发挥空间。3.2 image_train训练集image_train目录大约有 37,781 张图像包含 576 辆车的样本。注意训练集里的车辆 ID 和测试集是互斥的——训练集里见过的车不会出现在测试集里。这是 re-ID 任务与分类任务最大的不同分类任务是同一批类别分来分去re-ID 则要求模型学到的特征具有泛化能力能够泛化到从未见过的车上去。这个设计逻辑很关键。它逼着模型不只是记住“这辆车长什么样”而是学到“不同车辆有什么区分性特征”。我在《VeRi 数据集上的模型训练策略》里写过很多刚接触 re-ID 的人会犯一个错误把训练集当分类问题硬训最后一层输出 576 类。这样训练出来的模型在训练集上效果很好一拿到测试集就拉胯。正解是把它当作度量学习问题用 triplet loss 或 circle loss 这类损失函数优化特征空间的距离分布。3.3 frames 与 annotation 文件frames目录存放的是原始视频帧就是那些被截取出来的、未经处理的图像序列。这个目录在纯 re-ID 评测中并不直接用于训练但对于做时空模型、轨迹预测、跨镜追踪的朋友来说是宝贝。annotation目录下则是标注信息包括车的类型、颜色、摄像头编号等信息。这些对多模态方法非常友好比如你可以在训练时额外引入颜色属性作为监督信号。另外还会看到一个name_query.txt或类似命名的文本文件里面记录了 query 集合中每一张图的文件名。这个文件在跑评测时用来确定 query 的顺序写评测脚本时要严格按照这个顺序来否则计算指标时全部乱掉。目录用途数量级image_query查询集图像待检索1,678 张image_test测试集图库候选集11,579 张image_train训练集图像模型学习37,781 张frames原始视频帧序列较多按摄像头分目录annotation标注信息车型、颜色等按文本文件组织4. 数据加载与校验——训练前必须做的检查项数据集解压好了目录结构也看明白了接下来就要写数据加载代码。我见过太多人在这一步直接照搬开源项目里的 dataloader一跑就报错然后怀疑人生。其实问题往往不在代码而在于数据没有做前置校验。4.1 图像完整性与可解码性检查先做一个最基础的检查遍历所有目录里的图片确认每一张图都能被 OpenCV 或 PIL 正常打开。你可能会觉得这是多此一举但事实上解压过程中偶发的文件损坏、文件名乱码、特殊字符等问题都会在你训练到一半时突然炸出来。我写过一段简单的脚本可以在 10 分钟内完成全部检查import os from PIL import Image def check_images(root_dir): bad_files [] for subdir, _, files in os.walk(root_dir): for f in files: if not f.lower().endswith((.jpg, .jpeg, .png)): continue fpath os.path.join(subdir, f) try: with Image.open(fpath) as img: img.verify() # 验证文件是否损坏 except Exception: bad_files.append(fpath) return bad_files # 检查所有子目录 bad check_images(/data/datasets/VeRi) print(f发现 {len(bad)} 个问题文件)这段代码不复杂但能在训练之前把所有隐患提前暴露出来。如果只是零星几个文件有问题删掉或者换个文件即可如果问题文件数量很多那说明解压过程出了问题建议重新解压。4.2 文件编码与路径陷阱VeRi 数据集的标注文件通常是纯文本格式但实际处理时会遇到编码问题。尤其是从国外源下载的压缩包如果最初在 Linux 环境下打包文件名可能包含一些特殊字符到了 Windows 下解压就有可能出现乱码。之前我在 Windows 上解压一个实验数据包里面韩文命名的文件全部乱码虽然最后发现那个数据集不是 VeRi 本身但也提醒了我拿到任何压缩包数据先查看文件名的编码情况再决定是否继续。检查方式也简单列出几个目录下的文件名肉眼看一遍或者用代码判断是否含非 ASCII 字符除了必要的下划线和数字。遇到乱码的优先回去找原始下载源用支持编码保留的解压工具重新解压。注意实际训练用的图片文件名建议严格按照 VeRi 原始的命名规则来不要随意改名。车辆 ID、摄像头 ID、帧号是后续评测的关键信息改名会导致评测脚本跑不通。4.3 数据划分逻辑验证VeRi 官方已经划分好了图像集不需要你自己再做训练/测试切分。但你需要确认自己写的 dataloader 读取的是正确的目录。有一个常见错误把image_train和image_test都塞进训练集里训练。这样做会让模型提前看到测试集的车辆评测结果虚高论文写出去是要被质疑的。这个错误很低级但确实有人犯过。我建议在训练脚本里加一段断言逻辑确保训练集和测试集的车辆 ID 集合没有交集train_ids set([f.split(_)[0] for f in os.listdir(/data/datasets/VeRi/image_train) if f.endswith(.jpg)]) gallery_ids set([f.split(_)[0] for f in os.listdir(/data/datasets/VeRi/image_test) if f.endswith(.jpg)]) overlap train_ids gallery_ids assert len(overlap) 0, f发现 {len(overlap)} 个重叠车辆 ID数据划分错误这种前置校验脚本代码不多却能在关键时候帮你兜住底线。数据是深度学习的基石很多时候模型效果上不去不是模型的问题是数据准备环节埋了雷。5. 车辆重识别模型训练要点——从 baseline 到进阶数据准备好了接下来聊训练。用 VeRi 数据集训练车辆重识别模型有几个绕不开的关键点我根据个人经验给你梳理一套从零到一的路线。5.1 选好 baselineResNet50 Metric Learning 是稳妥起点如果你刚接触这个数据集不要一上来就整那些花里胡哨的 Transformer、大模型。先跑通一个经典的 baseline 更重要。我推荐的组合是主干网络用 ImageNet 预训练的 ResNet50去掉最后的分类层输出一个 2048 维的全局特征向量然后接一个 BNNeck最后用三元组损失Triplet Loss加上交叉熵损失联合优化。这个组合在 VeRi 上能跑出不错的 baseline而且收敛稳定。Triplet Loss 的核心思想是让同一辆车的图片在特征空间里尽可能靠近不同车辆之间尽可能远离。具体到实现层面要注意 anchor 样本的选取策略。常见的做法是在每个 batch 内随机采样 P 个车辆 ID每个 ID 下抽 K 张图片构成 P×K 的 batch。这样做能保证 batch 内既有正样本对也有负样本对训练效率远高于完全随机采样。class TripletSampler(torch.utils.data.Sampler): def __init__(self, labels, batch_size, num_instances4): self.labels np.array(labels) self.batch_size batch_size self.num_instances num_instances self.num_pids batch_size // num_instances self.unique_ids np.unique(labels) def __iter__(self): indices [] for _ in range(len(self)): batch_ids np.random.choice(self.unique_ids, self.num_pids, replaceFalse) for pid in batch_ids: pid_indices np.where(self.labels pid)[0] if len(pid_indices) self.num_instances: chosen np.random.choice(pid_indices, self.num_instances, replaceFalse) else: chosen np.random.choice(pid_indices, self.num_instances, replaceTrue) indices.extend(chosen) return iter(indices) def __len__(self): return len(self.labels) // self.batch_size这里num_instances我推荐设成 4也就是每个 ID 抽 4 张图。这个值不宜太小太小则 triplet 采样困难难收敛也不宜过大过大容易让模型过拟合到特定摄像头视角上。5.2 图像预处理细节决定了你的上限VeRi 的图像是真实监控截图分辨率参差不齐尺寸、画幅比例都不同。训练前我统一把它 resize 到 256×128宽×高并做随机水平翻转、随机擦除Random Erasing等数据增强。随机擦除对车辆 re-ID 效果很明显它能迫使模型不要只依赖车身上的某一块显著特征比如车贴、装饰物而去关注整体轮廓和结构信息。有一个很多初学者忽略的点车辆的左右对称性。随机水平翻转在车辆 re-ID 上非常好用因为车辆天然具有对称性虽然车牌不对称但整体外观在视角变化下左右翻转后视觉语义基本不变。这使得模型对视角变化更鲁棒。但要注意翻转操作要在数据增强阶段完成而不是在测试阶段做 TTATest-Time Augmentation时对每张图都预测两次取平均——这个策略虽然能提点但推理耗时翻倍我在实际项目中通常只在提交最终结果时才用。用 PyTorch 写一个针对 VeRi 的预处理组合transform_train transforms.Compose([ transforms.Resize((256, 128)), transforms.RandomHorizontalFlip(p0.5), transforms.Pad(10), transforms.RandomCrop((256, 128)), transforms.ToTensor(), transforms.Normalize(mean[0.485, 0.456, 0.406], std[0.229, 0.224, 0.225]), transforms.RandomErasing(probability0.5, sh0.2) ])5.3 评测指标mAP 和 CMC 怎么算在 VeRi 上评测常用指标有两个mAPmean Average Precision和 CMCCumulative Matching Characteristics曲线其中 CMC 通常报告 Rank-1 准确率。两者的计算关系是mAP 衡量的是“所有正确匹配都被排到尽可能靠前的位置”的程度更宏观Rank-1 则只关心“第一张就检索对”的概率更严格。很多初学者只看 Rank-1其实这是不完整的。一个模型如果在 Rank-1 很高但 mAP 很低说明它虽然能把最匹配的找出来但次优的匹配排序混乱这种情况在真实场景里可用性并不好。理想的做法是Rank-1 和 mAP 同时看两个指标都高才是真正可用的模型。评测代码里有一个细节计算 CMC 时要处理 “同 ID 多图” 的情况。query 中某张图在 gallery 里有多个正确匹配同一辆车在不同监控下的多帧你计算时要么只取最靠前的那一个Jaccard 系数里用到的要么全部标记为 correct多数评测协议的做法。VeRi 官方评测协议里确定是否算匹配成功是看车辆 ID 是否一致即可不考虑摄像头编号。但如果你做跨摄像头检索的相关实验可能还要额外分摄像头统计我建议你在动手前把评测口径看清楚想清楚自己的实验目的再做相应处理。6. 实操中常见的几个坑——我把它们一次说透6.1 解压后路径带空格或特殊字符如果解压后的根目录路径里带了空格比如D:\My Datasets\VeRi很多旧版 PyTorch 的 DataLoader 在 Windows 上会因为路径解析问题而报错。解决办法很简单目录路径里不要有空格全部用下划线比如D:/datasets/VeRi。6.2 图片读取速度瓶颈VeRi 的图片数量不小如果在训练时每次都从磁盘实时读图IO 会成为瓶颈。我见过有人用普通 HDD 跑 VeRi一个 epoch 要跑几个小时这显然不合理。解决办法一是把数据放到 SSD 上二是用torch.utils.data.DataLoader时设置num_workers为 4 或 8并把pin_memoryTrue打开。如果显存够大也可以直接提前把所有图片加载进内存做 cache速度提升非常明显。6.3 显存不足时的 Batch Size 调整策略如果你只有一块 11GB 显存的卡比如 RTX 2080 TiResNet50 256×128 batch 64 可能刚好撑满。如果 OOM不要直接改模型结构优先调低num_instances或batch_size比如从 64 降到 48。Triplet Loss 对 batch 大小比较敏感但是如果你只调低一个维度保持 P×K 结构影响是可控的。6.4 用错训练集导致 eval 结果虚高我再强调一次VeRi 的image_train和image_test车辆 ID 不重叠。如果你发现自己的模型在测试集上准确率爆表比如 Rank-1 超过 95%别高兴太早先检查是不是数据加载时把测试集也喂进训练了。这类 bug 在代码中很难发现因为训练和测试时的代码路径是分开的只有数据加载逻辑本身出了错才会导致这种异常。7. 从 VeRi 出发还能怎么玩VeRi 的价值在于它是一个真实场景下的多摄像头车辆数据集天然适合做比单纯 re-ID 更丰富的研究。如果你已经把 baseline 跑通可以往这些方向继续挖。方向一是时空建模。VeRi 的标注里有摄像头编号和时间戳这意味着你可以利用车辆的移动轨迹做时空约束。理论上同一辆车在相近的时间出现在相距很远的摄像头下是不太可能的事件。加上这个约束能有效排除掉一批外观相似但时空不合理的误检结果。经典的 re-ranking 方法比如基于 k-reciprocal 编码的方法就是在特征相似度之外引入这类时空信息在 VeRi 上能拿到非常明显的增益。方向二是多模态融合。VeRi 提供了车辆类型和颜色标注这些属性可以和视觉特征一起用来做联合优化。训练时你可以在视觉特征之上加两个分支一个去预测车型一个去预测颜色。这样做的好处是让模型学会关注一些对 re-ID 有帮助的语义属性而不是仅仅去匹配像素级的纹理。我在实践中发现增加属性分支不仅提升了 mAP还让模型的收敛更稳定。方向三是做轻量化模型。VeRi 的图像分辨率不算高很多细节信息有限这给轻量化网络提供了发挥空间。MobileNetV3、EfficientNet-Lite 之类的模型在 VeRi 上也能取得不错的效果同时推理速度快得多。如果你是要做边缘端部署的车辆检索系统从这个数据集的轻量化方向入手有很强的落地意义。最后我个人的一点体会是VeRi 是一个看似简单、实则很有深度的数据集。它的入门门槛不高模型和代码都有大量开源参考但如果你想真正把它吃透需要理解它背后的数据采集逻辑、评测协议、以及车辆 re-ID 任务本身与行人 re-ID 的本质差异。多花点时间去读数据、看特征、分析错误案例比盲目刷榜要重要得多。希望这篇内容能帮你在 VeRi 的实践路上少走一些弯路。本文还有配套的精品资源点击获取