YOLOV5自动驾驶道路目标检测11类别数据集使用全攻略

简介面向自动驾驶场景的目标检测与YOLOv5格式数据准备需求这份资源提供大型道路信息检测的标注数据集覆盖卡车、行人、交通信号灯、车辆等11个类别适用于多目标与密集场景的模型训练、标签校验和数据增强研究。资源包含训练集与验证集划分图像分辨率为512×512整体采用YOLOv5目录结构下载后无需额外转换即可投入训练流程。包内共2000个文件以txt格式的边界框标注文件为主另含1个show.py可视化脚本压缩包大小约493MB该脚本无需修改即可运行能随机读取图片并绘制边界框便于快速检查标注效果。完整数据对应训练集21031张、验证集5266张标签信息已按类别整理并附有11类别文本说明。目前已有173人浏览学习适合正在搭建自动驾驶数据集或需要可直接使用的YOLO格式标注文件的开发者参考。1. 拿一辆车在道路上看到的东西做目标检测这个数据集为什么值得你动起来自动驾驶道路信息检测核心是把车辆行驶环境里出现的行人、车辆、交通标志、车道线等对象用目标检测模型识别出来。这份 YOLOV5 目录格式的 11 类别数据集把道路场景压缩成了可直接训练的标准结构images 放原图labels 放对应当前图片的 txt 标注文件训练集和验证集各自独立目录。对正在做自动驾驶感知、机器人导航或者道路交通监控的工程师来说它的价值在于省掉了自己标注几万张图的成本用现成的 11 类别体系直接把 YOLOV5 模型拉起来看效果。常见做法是拿到数据先做目录体检和类别统计确认格式没问题再进训练流程。因为 YOLO 系模型对标签文件极其敏感ID 从 0 开始记坐标归一化到 0 到 1这些细节稍有偏差训练曲线就会变成随机猜。本文沿着「目录结构 → 数据配置 → 训练拆分 → 避坑 → 进阶验证」这条线把这套数据集的落地路径完整捋一遍新手能照着复现熟手可以跳过基础部分直接看边界条件。2. 从目录到标签YOLOV5 格式的目录结构与 11 类别定义2.1 images 和 labels 怎么对应一段代码完成目录体检YOLOV5 的目录约定并不复杂图片放在 images/train 和 images/val标注放在 labels/train 和 labels/val同名文件在两边保持相同的前缀名。例如 images/train/0001.jpg 对应 labels/train/0001.txt。txt 里每一行是一个目标格式是「class_id x_center y_center width height」其中 x_center、y_center、width、height 全部是相对图片宽高的归一化数值。拿到这份数据集之后第一件事不是急着训练而是做一次完整性体检。我一般会写一段脚本把 images 目录里的每张图拿去 labels 里找同名文件检查两边数量是否一致、label 是否为空、坐标是否越界。下面这段脚本用 Python 直接跑不依赖任何深度学习框架。import os from pathlib import Path data_root Path(./datasets/road_det) for split in [train, val]: img_dir data_root / images / split lab_dir data_root / labels / split imgs {p.stem: p for p in img_dir.glob(*.jpg)} labels {p.stem: p for p in lab_dir.glob(*.txt)} missing imgs.keys() - labels.keys() extra labels.keys() - imgs.keys() print(f[{split}] images{len(imgs)} labels{len(labels)}) print(f[{split}] 缺标签 {len(missing)} 个, 缺图片 {len(extra)} 个) # 检查标签内容合法性 for stem, txt_path in labels.items(): for line in txt_path.read_text().strip().splitlines(): parts line.split() if len(parts) ! 5: print(f格式异常: {txt_path} - {line}) break cid int(parts[0]) x, y, w, h map(float, parts[1:]) if cid 0 or x 0 or y 0 or w 0 or h 0 or x w / 2 1.0: print(f越界: {txt_path} - {line})这段脚本会输出三组信息每个 split 下的图片数和标签数差、缺失文件清单、标签内容里的坐标和类别 ID 是否越界。注意 id 从 0 开始是 YOLO 的硬性规定和 COCO 数据集的类别编号不同别拿 COCO 的 80 类编号直接套到这个 11 类别数据集里。如果打印出「缺标签」数量很大优先检查图片后缀是不是混用了 jpg、png、jpegYOLOV5 默认找同名 txt后缀不影响匹配但代码里如果需要自己加载数据集改后缀逻辑容易踩坑。2.2 11 类别涵盖什么为什么道路检测要先统一类别 ID11 类别是这份数据集的「关底 BOSS」。它比 COCO 的 80 类窄但比多数自动驾驶专用数据集更贴近真实驾驶场景。常见的 11 类别设计覆盖静止物体、动态目标与道路基础设施行人、骑行者、摩托车、轿车、卡车、公交车、交通灯、停止标志、限速标志、施工区域、其他车辆。具体到这 11 类训练前需要做一次「类别 ID 核对」先读 label 里所有出现过的 ID 分布再去比对类别清单因为网上流传的许多数据集在打包时把类别顺序换过。# 统计所有 label 文件中出现的类别 ID 及目标数量 cat datasets/road_det/labels/train/*.txt | awk {print $1} | sort | uniq -c如果输出里出现了大于 10 的 ID说明数据里有不在约定类别里的标签训练时要决定是丢弃还是归入「其他」。我一般会写个映射表做 ID 重映射而不是直接丢弃因为「其他车辆」这类兜底类别能把漏检的损失控制在可接受范围。接着在 data.yaml 里定义类别名顺序必须和 ID 一一对应比如 ID 0 就是第一行 names 里的名字。这块偷懒严重的话会出现模型学完不知道自己检测的是什么的混乱局面可视化预测输出时类别名完全错位。还有一个容易被忽略的点自动驾驶道路数据里的类别严重不均衡。小目标如交通灯、限速标志在图片里通常只有几十个像素而轿车卡车动辄占据三分之一个画面。YOLOV5 训练时对小目标天然不友好默认的 anchor 尺寸是按 COCO 数据分布设计的。处理这份数据时常见做法是在配置文件里把 anchor 重新聚类或者在增强里加大随机裁剪和 mosaic 的比例。到后面避坑章节我会再展开讲这里先意识到类别定义不是「写个名字」这么简单就行。2.3 路径约定绝对路径还是相对路径YOLOV5 官方仓库的 train.py 接收的 data 是一个 yaml 文件路径yaml 里 train、val 字段可以写绝对路径也可以写相对路径。如果是把数据集放在 YOLOV5 仓库的 datasets 目录下直接写 datasets/road_det/images/train 这种相对路径最省事。如果数据集在磁盘其他位置写绝对路径时要小心中文目录或空格目录YOLOV5 用 yaml 读取路径后交给 Path 对象空格一般没事但中文路径在 Windows 上偶尔会触发编码问题训练开始前先验证。# road_det.yaml train: datasets/road_det/images/train val: datasets/road_det/images/val nc: 11 names: [person, cyclist, motorcyclist, car, truck, bus, traffic_light, stop_sign, speed_limit_sign, construction, other_vehicle]这里的 names 顺序直接决定训练后的类别标签输出。标注文件里 ID 是 0 的类别就是 names 列表第一个元素。这个 yaml 文件是整个训练的入口配置被 train.py 的 --data 参数引用保错一个名字训练能跑但最终预测出来的类别全是错的。检查方法很简单训练完做一次 batch 级别的预测可视化人眼扫一眼框上的类别名和真实物体是否对得上。3. 用这份 11 类别数据跑通训练data.yaml 配置与命令行参数3.1 训练前必须做的两类检查标签完整性与图片可读性很多人在这个阶段翻车数据集下载解压后直接开工训练没跑几个 epoch loss 就 NaN排查半天发现是某张图片损坏。自动驾驶道路数据经常从行车记录仪或车载摄像头采集图片格式混杂偶尔出现截断的 JPEG。我习惯在进入训练前用 OpenCV 批量读一遍图读不出来的直接移入 discard 目录同时记录下对应 label 一并移走。这一步不是浪费时间是在替随机数种子排雷。import cv2 from pathlib import Path data_root Path(./datasets/road_det) for split in [train, val]: img_dir data_root / images / split lab_dir data_root / labels / split discard_img data_root / discard / images / split discard_lab data_root / discard / labels / split discard_img.mkdir(parentsTrue, exist_okTrue) discard_lab.mkdir(parentsTrue, exist_okTrue) for img_path in img_dir.glob(*.jpg): img cv2.imread(str(img_path)) if img is None: lab_path lab_dir / (img_path.stem .txt) print(f损坏图片: {img_path}) img_path.rename(discard_img / img_path.name) if lab_path.exists(): lab_path.rename(discard_lab / lab_path.name)这段脚本的核心逻辑是用 cv2.imread 的返回空值来判断图片损坏。cv2.imread 读不出来的原因通常是文件头损坏或下载不完整YOLOV5 的 dataloader 遇到这类图会直接抛 OpenCV 异常导致训练中断。提前撇掉这些坏数据训练过程才不会被一个文件打断。注意这里只处理了 jpg如果数据集里有 png把 glob 模式改成 *.png 再跑一遍即可。3.2 训练命令怎么下网络规模、超参数与硬件匹配数据集本身是 11 类物体以大中尺寸为主小目标集中在交通灯和路牌。这个分布下我一般直接用 YOLOV5s 起步显存不够就换 YOLOV5n精度优先就上 YOLOV5m但尽量避免一上来就跑 YOLOV5x——训练时间长、显存压力大且数据量不够时收益非常有限。运行训练命令前需要确认 PyTorch 版本与 CUDA 可用然后用下面这条命令启动训练。python train.py \ --data road_det.yaml \ --weights yolov5s.pt \ --img 640 \ --batch 16 \ --epochs 100 \ --cache ram \ --name road_det_exp1这些参数里有几个值得细说。--img 640表示输入分辨率 640×640如果原图是 1920×1080 的车载视频帧直接缩到 640 对小目标极不友好但直接开到 1280 又会把显存吃满。折中做法是先用 640 跑通验证流程确认数据没问题后再尝试 960 或 1280。--cache ram把图片预加载到内存能显著提升训练速度但如果机器内存低于 16GB建议改成--cache disk。--name指定输出目录名训练结果存放在 runs/train/road_det_exp1 下同时保存每次实验的权重文件和 metrics。超参数方面YOLOV5 的 hyp.scratch-low.yaml 默认配置对大多数数据集够用但自动驾驶道路数据有一个特点背景复杂、目标重叠多。mosaic 增强默认开启概率较高对遮挡场景是利好但 mosaic 会把多张图拼接在一起小目标被裁掉一半的概率也变高。如果训练后验证集上小目标 AP 很差试着在训练命令里加--mosaic 0.5降低 mosaic 概率或者用--augment开关配合官方超参数搜索脚本调一轮。训练过程中关注两个指标loss 下降曲线和验证集的 mAP。loss 通常由 box、cls、obj 三部分组成如果 cls loss 降不下去说明类别定义里有重复或难以区分的类比如「轿车」和「其他车辆」边界模糊如果 obj loss 抖动剧烈先去查标签里有没有大量空 label 的小图。第一次跑不要迷信 tensorboard直接在终端看每轮输出的 P、R、mAP50、mAP50-95 四个数值就够判断趋势了。4. 训练集与验证集的拆分逻辑目录边界、随机种子与样本均衡4.1 按目录拆还是按文件拆划分策略与代码实现这份数据集自带 training 和 validation 两个目录理论上可以直接用。但实际使用中你需要回答一个问题这两个目录到底是怎么划分出来的如果是按时间切片前 10 天做训练、后 2 天做验证那么同一辆车在连续帧里可能同时出现在两边造成信息泄漏模型在验证集上的指标虚高。如果按随机比例拆分则要确认随机种子一致否则换台机器结果就不可复现。我拿到自带划分的数据集后第一步会做图片级去重计算所有训练集和验证集图片的感知哈希把相似度高于阈值的图片对找出来。这在自动驾驶数据集里是家常便饭因为连续帧之间只有少量位移模型会把「记住场景」误当成「学会检测」。下面这段脚本用简单的方式找出训练集和验证集之间完全相同的图片。# 用 md5 找出完全相同文件 find datasets/road_det/images/train -type f -exec md5sum {} \; train.md5 find datasets/road_det/images/val -type f -exec md5sum {} \; val.md5 comm -12 (awk {print $1} train.md5 | sort) (awk {print $1} val.md5 | sort) | wc -l如果输出明显大于 0说明划分不干净。遇到这种情况最直接的补救是重新划分把 train 和 val 合并再用 Python 的 sklearn 库按 8:2 拆分并指定固定随机种子。重新划分后注意 labels 目录也要同步移动否则图片和标注就错位了。这里我提供一个简洁的脚本它会遍历所有图片并按 seed 决定归属。import random, shutil from pathlib import Path src_img Path(./datasets/road_det/images) src_lab Path(./datasets/road_det/labels) dst_img Path(./datasets/road_det/images_split) dst_lab Path(./datasets/road_det/labels_split) # 合并所有图片 all_imgs list(src_img.glob(train/*.jpg)) list(src_img.glob(val/*.jpg)) random.seed(42) random.shuffle(all_imgs) val_count int(len(all_imgs) * 0.2) for i, img_path in enumerate(all_imgs): split val if i val_count else train name img_path.name lab_path src_lab / img_path.parent.name / (img_path.stem .txt) # 复制到新目录 dst_img[split].mkdir(parentsTrue, exist_okTrue) dst_lab[split].mkdir(parentsTrue, exist_okTrue) shutil.copy(img_path, dst_img / split / name) if lab_path.exists(): shutil.copy(lab_path, dst_lab / split / lab_path.name)这段脚本把原来两个 split 下的图片先合并再按 8:2 切分。关键在于split val if i val_count else train这行因为已经 shuffle 过越靠前的图片越靠近验证集头部保证两个集合没有时间相关性。如果你想保留原始划分不建议跑这个合并脚本直接跳过即可。4.2 类别均衡检查哪些类在训练集里太稀薄11 类的自动驾驶数据集中行人、轿车通常样本充足而停止标志、施工区域在训练集里可能只有几十个标注框。类别不均衡在 YOLO 系模型里的表现不是「某类完全学不会」而是「某类 precision 高但 recall 低」因为模型学会了只在最有把握的时候才输出该类。检查类别分布的方式很简单从标签文件里统计每个类别的框数量。from collections import Counter from pathlib import Path counts Counter() for split in [train, val]: for txt in Path(f./datasets/road_det/labels/{split}).glob(*.txt): for line in txt.read_text().strip().splitlines(): cid int(line.split()[0]) counts[cid] 1 names [person, cyclist, motorcyclist, car, truck, bus, traffic_light, stop_sign, speed_limit_sign, construction, other_vehicle] for cid in range(11): print(f{names[cid]}: {counts[cid]} 个标注框)看到输出后如果某个类别的框数量只有另一个类别的百分之一常见处理方案有三个第一用官方 YOLOV5 的--class_weights参数给稀有类别加权第二针对稀有类做离线复制粘贴增强把它们粘贴到不同背景图上第三放弃这类别的独立检测和相近类别合并。我见过很多项目在「施工区域」这种类别上纠结很久最后发现标注本身就充满歧义——不同标注员对施工锥桶和施工围挡的定义完全不同这种情况硬调到 50 AP 以上几乎不可能不如先归入「其他车辆」或删掉。从我的角度说判断一份数据集可不可用先看稀有类别的框数量是否过 200。如果低于这个数模型几乎只能靠 anchor 先验硬猜。要扩样本时不要直接把整张图复制几份而是从训练集里扣出这些目标的子图做随机旋转、缩放、亮度变化后粘贴回原图同时生成对应 label。YOLOV5 的 mosaic 增强对这类目标的增益不大因为它在拼接时可能把小目标进一步缩小。5. 避坑指南这份数据集最常踩的 5 个坑5.1 标签坐标出现「负值」或「超过 1」——增强时报错还是直接不收敛现象训练前做脚本检查时发现个别 label 文件里出现-0.002或1.05这种值训练时文件夹里肉眼可见警告。原因标注工具导出时四舍五入或者人工标注时把边界框画出了图片边缘。YOLO 格式要求坐标归一化到 01但部分标注框紧贴边缘时标注软件会把中心点坐标算成负数或大于 1。解决写清洗脚本把越界值 clamp 回合法区间注意只 clamp 中心坐标要在 01 之间。宽度高度越界则要同时调整中心点否则框会整体偏移。公式是先把 x、w 同时处理保证 x - w/2 0 且 x w/2 1。如果 label 文件损坏严重直接把对应文件从训练集里剔除。5.2 txt 标签文件是 UTF-8 with BOM——文件读取失败现象脚本读取 label 时第一行第一个类别 ID 解析失败报invalid literal for int()错误。原因Windows 环境下某些标注工具保存 txt 时自动加上了 BOM 头Python 的 open 默认按 UTF-8 读取BOM 会被当成字符\ufeff拼接在数字前。解决在读取后做一次编码兼容处理最省事的方式是改用utf-8-sig编码读文件这个编码会自动剥离 BOM。如果不方便改读文件的方式就在写清洗脚本时先对每个 label 文件做open(path, encodingutf-8-sig)重写一遍。from pathlib import Path for txt in Path(./datasets/road_det/labels).rglob(*.txt): raw txt.read_bytes() if raw.startswith(b\xef\xbb\xbf): txt.write_bytes(raw[3:]) print(f已去 BOM: {txt})5.3 显存不够但不想换小模型——batch size 和 img size 的制衡现象命令行里 batch 16、img 640 一启动就报 CUDA out of memory换成 batch 8 还是崩。原因显存占用不止来自图片本身还来自特征图和梯度。如果原图是 4K 分辨率即使缩放到 640YOLOV5 在训练时仍然要缓存整批图片用于 mosaic 增强内存峰值远高于单人猜测。解决先降 batch 到 4 确认能跑通再把--cache ram改成--cache disk。如果显存仍然不够设置--noplots减少训练过程产生的可视化资源或者把--workers调低。要保留 batch 16 时两个选择换 YOLOV5s 为 YOLOV5n或把 img 降到 480。仔细观察验证集 mAP480 和 640 在小目标上的差距通常在 3 个点以内实际部署阶段再切回 640 做推理。5.4 训练集和验证集出现同帧图片——mAP 虚高现象验证集 mAP 到 0.9 以上但新场景视频里模型表现稀烂框乱飘。原因这是自动驾驶连续帧数据集最常见的坑。相邻帧之间背景几乎不变如果切分时按目录机械分配模型相当于在「开卷考试」它靠记忆场景就拿到了高分。解决做帧级去重。用 md5 或者感知哈希找出训练和验证中的重复图片把验证集里的重复项删除让验证集只保留与训练视频序列间隔足够远的帧。实操中我还会直接比较相邻文件名的连续性如果两个 split 里有连续编号超过 10 帧的图片就手动调整边界。5.5 类别 ID 和 names 顺序对不上——训练全废现象训练完成后跑预测行人被识别成自行车交通灯被识别成轿车但 loss 曲线很正常。原因数据集打包时类别顺序和 labels 文件里的 ID 不是同一套体系。比如数据集 README 说 ID 0 是 car但 names 列表里 ID 0 写的 person。YOLOV5 不校验 names 与标签的内在关系它只按 ID 硬编码类别向量。解决训练前严格核对类别清单最有效的方法是随机抽 20 张训练图片把 label 框画到图上并打印类别名人工扫一眼。检查脚本可以画完图直接存成 jpg 放到临时目录这个动作花不了三分钟却能省掉一次完整训练周期。import cv2 from pathlib import Path img cv2.imread(str(img_path)) for line in labels: cid, x, y, w, h map(float, line.split()) x, y, w, h x * img.shape[1], y * img.shape[0], w * img.shape[1], h * img.shape[0] x1, y1 int(x - w / 2), int(y - h / 2) x2, y2 int(x w / 2), int(y h / 2) cv2.rectangle(img, (x1, y1), (x2, y2), (0, 255, 0), 2) cv2.putText(img, names[int(cid)], (x1, y1 - 5), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 0, 255), 1) cv2.imwrite(check.jpg, img)6. 从训练到验收模型评估、可视化与向 R2 系列迁移训练完成后验证集上的 mAP 指标只能说明模型「在这份静态数据上」的拟合程度。自动驾驶场景的可靠性验证还需要做三件额外的事边界框置信度阈值与 NMS 参数扫描、夜间与逆光图片的鲁棒性抽检、以及类别混消矩阵的具体错误模式分析。特别是第二种情况车载相机在强光、逆光、雨天条件下拍摄的图片分辨率和亮度变化剧烈训练集再大也不可能覆盖所有天气形态此时要优先看模型在低对比度区域的漏检位置再决定是否补充数据还是一味调参数。类别混消矩阵需要用到val.py生成的 confusion matrix 图表YOLOV5 在验证后会把结果存成 runs/val/exp/confusion_matrix.png。观察这个矩阵时重点看两个相反方向的高频错误一是「car 被预测成 truck」这类错误多半是类别边界定义不清对框的大小和形状区分不够。二是「背景被预测成 person」这类假阳性在路边广告牌人形立牌上经常出现唯一的缓解手段是增加负样本或者调整模型对 person 类的置信度阈值。如果项目准备长期迭代建议把这份数据迁移到 R2 系列模型上做对比测试。迁移不是直接把 YOLOV5 的标签格式换掉而是在它的检测头上重新训练验证一次。R2 系列的标签格式和 YOLOV5 完全一致只是增强策略和网络结构不同所以直接复用 road_det.yaml 即可。切换后常见的一个坑是 mosaic 增强的默认开关和概率不一样导致训练早期不稳定这时把mosaic: 0.0保持到前 10 个 epoch 再恢复效果会更平滑。另一个被很多人忽视的细节是YOLOV5 训练完成后模型权重里包含类别名与锚框信息但导出的 ONNX 和 TensorRT 模型默认不保留类别名推理端需要自己维护一套 names 列表。也就是说把 pt 权重转成部署格式时类别名的顺序是写在你的后处理代码里的不是模型里。我现在做自动驾驶感知部署时会额外用一段小脚本把 names 列表和标签映射表序列化成 json和权重放在同一个目录下这样后续换同事接手或者换设备推理至少不会在「类别错位」这种低级问题上再翻车。还有一个小技巧值得分享验证模型在低光场景的鲁棒性时不用特意去收集一大堆夜间图片。直接用 OpenCV 对现有验证集的图片做随机亮度降低、对比度调整生成一个模拟夜间的增强验证集跑出来的指标已经能说明模型对光照的敏感程度。如果模型在这个模拟集上掉点严重再决定是增加训练数据的亮度扰动还是换用带数据标准化策略的模型架构。我习惯在每个项目结束前把训练集里表现最差的 10 张图打印出来一张张看模型到底漏掉了什么。这个动作看起来「原始」但比任何指标曲线都能说明问题——有一次我发现模型频繁漏检远处的小轿车放大图片后发现这些车在标注框里不足 20 像素宽属于小目标范畴单纯调参没有意义最后还是靠切分大图加上提升输入分辨率才真正把 recall 拉起来。希望这次的路径拆解能帮你在自己的数据集上少走一段弯路。本文还有配套的精品资源点击获取