训练深神经网络被认为是基本要求之一，因为关于图像的数量和质量和标记精度可以对训练有素的网络的产出准确性产生很大的影响。本文中介绍的数据集包含从在线伊朗汽车销售公司下载的3000张图像，包括Divar和Bama网站，这些图像在三个类中手动标记：汽车，卡车和巴士。标签的形式为5765个边界框，它以高精度来表征图像中的车辆，最终导致了可用于公共使用的独特数据集。在此数据集上训练的Yolov8S算法，对于验证图像，获得了令人印象深刻的最终精度为91.7％。在50％阈值下的平均平均精度（MAP）记录为92.6％。此精度被认为适用于城市车辆检测网络。值得注意的是，当比较了Yolov8S算法与该数据集训练的算法与使用可可数据集训练的Yolov8S时，MAP的MAP率在50％时增加了10％，地图范围为50％至95％。