简介：YOLOv5测试数据集，专门用于检测图像中的人、猫和狗，面向目标检测初学者、算法调参人员以及需要快速验证模型效果的开发者。资源共501个文件，压缩包大小约53.53MB，包含200张JPG测试图片、201个TXT标注文件以及100个XML标注文件；其中TXT标注文件对应YOLO格式的边界框与类别信息，XML标注文件可用于VOC格式的训练或评估，数据完整保留原始信息，便于对照不同框架下的检测结果。借助这套数据，读者可以测试自己训练的模型，观察其对行人、猫和狗三类目标的识别表现，也可配合训练集开展图像分类与定位实验，熟悉标注格式转换、置信度阈值调整和mAP评估等常见流程。目前已有770人学习下载，适合个人实验、课程作业或模型性能验证等场景，省去自行搜集整理图片的时间，快速检验模型效果。
1. 用YOLOv5测试数据集先做模型验收：比训练指标更可信的一步
模型训练完，损失曲线好看、mAP刷得漂亮，但拿一张没见过的图丢进去，检测框偏偏把人身后那只猫漏了。这种“训练还行、一测原形毕露”的情况，几乎每个做过目标检测的人都遇到过。YOLOv5测试数据集就是拿来干这件事的：它专门用于检测图像中的人、猫和狗三类目标，图片已经保留了原始信息，直接丢给模型或检测脚本就能出结果，不用二次标注、不用清洗。适合三类人：刚把YOLOv5跑通、想验证模型真实水平的新手；训练完自己的数据集、需要一个独立测试集交叉验证的从业者；以及做对比实验时缺一份固定评测数据的开发者。下面我按实际使用顺序，把这个测试集从冒烟测试到回归基线讲透。
2. 拿到测试集先做冒烟测试：detect.py推理与参数解读
2.1 从零跑通第一轮检测：命令与目录准备
不管你是下载了YOLOv5源码，还是用了带weights的完整项目，第一件事都是把测试图片放到一个固定目录，然后调用detect.py推理。常见做法是建一个test_images文件夹，把jpg文件都丢进去，然后执行：
python detect.py --source ./test_images --weights yolov5s.pt --conf-thres 0.5 --iou-thres 0.45 --project ./runs/detect --name test1 --save-txt --save-conf这条命令的逻辑拆开看：--source指定输入来源，可以是单张图片、图片目录、视频或摄像头，目录是最稳的；--weights选用官方COCO预训练的yolov5s.pt，因为人、猫、狗都属于COCO的80类里面，直接就能识别；--conf-thres和--iou-thres控制检测框的置信度门槛和NMS的IoU门槛，第一次跑先用默认值，后面要调再动；--project和--name决定了输出结果保存位置，放进runs/detect/test1，方便跟后续实验对比；--save-txt把检测信息单独存成文本，--save-conf把每个框的置信度一起写进去。
第一次跑完，打开runs/detect/test1目录，里面会有一张张标注好框的jpg，以及同名的txt文件。txt每行是一组数据，格式是“类别id x_center y_center width height 置信度”，比如“0 0.45 0.62 0.18 0.30 0.87”，代表以图片宽高为基准归一化后的中心点、框宽高和置信度。这一步能过，说明环境没问题、权重没损坏、测试图片能被正常读取。
2.2 参数改了到底影响什么：conf_thres、iou_thres和imgsz的取舍
很多新手卡在同一个地方：同样的图，为什么别人跑出来框很多，自己跑出来干干净净几个框？大概率是conf_thres设太高。比如你设0.8，模型对那只被遮挡了一半的猫置信度只有0.6，它就直接不画框。我一般建议第一轮用0.25，把所有可能的目标都放出来看一遍，心里有个底，再逐步往上提到0.5或0.7。
imgsz这个参数很多人忽略，但它对结果影响不小。YOLOv5默认推理尺寸是640，但原图如果本身就是1280的大图，直接把小目标缩没了，猫和狗这类边缘清晰的目标还好，人在远处可能只剩二三十个像素，检测框会飘。所以如果测试图普遍偏大，建议：
python detect.py --source ./test_images --weights yolov5s.pt --imgsz 1280 --conf-thres 0.4 --iou-thres 0.5注意，--imgsz增大到1280意味着推理时间明显变长，CPU上可能从几十毫秒变成几百毫秒。但作为测试集验收，准确率优先，时间慢一点没关系。iou_thres控制两个重叠框合并的阈值：0.5表示重叠50%以上的框会被合并成一个，值越小越容易合并，越不容易出现一个目标被框两次的情况，但也可能把挨得很近的人猫合并成一个框。一般不动它，只有遇到重复框才下调到0.3。
2.3 输出文件的保存位置与可视化确认
detect.py跑完，很多人直接在终端里看个大概就走了，这不行。我一般会做两步确认：第一步，打开输出图片，肉眼检查每个框和类别的对应关系，重点看有没有“人框里套着猫框”“把狗标成人”这类错乱；第二步，打开txt文件，核对坐标值是否都在0～1之间，如果某个框的width超过1，说明标注导出有问题，但测试集是原图直出，一般不会出现，一旦出现就要怀疑图片本身有没有EXIF旋转信息导致宽高读错。
如果检测结果明显不对，比如整张图一个框都没有，先看置信度阈值，再检查图片路径是否读到了空目录。常见做法是把输出目录同时打开两张图对比，一张是原图，一张是标注后的，迅速定位问题出在模型推断还是参数筛选。
3. 用测试集替代验证集：评估人与宠物的检测效果
3.1 数据集目录组织：images与labels的对应关系
光看不练不行。如果你想拿这套测试集做量化评估，而不是只看几张图的感性结果，就得把它组织成YOLOv5 val.py能直接读取的结构。YOLOv5的验证流程依赖严格的目录对应关系：images目录放图片，labels目录放同名txt标注文件，且两个目录在各自层级下必须完全平行。常见组织方式如下：
dataset/ ├── images/ │ ├── test5.jpg │ ├── test12.jpg │ ├── test93.jpg │ └── ... └── labels/ ├── test5.txt ├── test12.txt ├── test93.txt └── ...注意，labels里的txt文件名必须跟images里的jpg完全同名，后缀可以不同，但前缀必须一字不差。图片是test5.jpg，标注就必须是test5.txt，多一个空格都不行。这是YOLO系列的老规矩，val.py和train.py都会按这个规则去找标注。
有人可能会问：我的测试集只有图片，哪来的labels？这个要看你的资源版本。如果下载的包里有labels目录，直接用；如果只有图片，那就需要先用自己的模型或标注工具生成预测结果来当“伪标注”做评估对比，或者干脆先跑一轮detect.py拿到txt输出，再组织成labels目录结构。
3.2 写一个data.yaml并跑通val.py
组织好目录后，还需要一个data.yaml把路径和类别告诉YOLOv5。注意，YOLOv5要求类别必须从0开始连续编号，不能跳号：
# data.yaml train: ./dataset/images val: ./dataset/images nc: 3 names: ['person', 'cat', 'dog']train和val这里可以填同一个路径，因为这套数据集本来就是给你做测试的，不参与训练。nc是类别数量，固定为3；names的顺序必须跟标注文件里的类别id对应：标注里id=0就是person，id=1就是cat，id=2就是dog。跑验证命令：
python val.py --data data.yaml --weights yolov5s.pt --img 640 --conf-thres 0.001 --iou-thres 0.6这里conf-thres设成0.001是有意为之的：val.py的mAP计算会在所有置信度档位上做积分，如果一开始就把置信度砍到0.5，低置信度的正确检测会被误判为漏检，mAP偏低。iou-thres设0.6是评估时框匹配的严格度，0.5更宽松，0.7更严格，0.6是个中间值，很多库默认用它。
3.3 看懂metrics输出：mAP、precision、recall的判定标准
val.py跑完，终端会打印一张metrics表格，里面最值得关注的是三类指标：
| 指标 | 含义 | 参考区间 |
|---|---|---|
| Precision | 所有预测框中真正正确的比例 | 0.7～0.95 算正常 |
| Recall | 所有真实目标中被找出来的比例 | 0.6～0.9 视难度而定 |
| mAP@0.5 | IoU阈值0.5下的平均精度 | 0.7以上可用 |
| mAP@0.5:0.95 | 多IoU阈值下的平均精度 | COCO标准，0.5以上已不错 |
还有一个容易忽略的细节：表格里会按类别分别列出AP，也就是person、cat、dog各自的数值。如果person的AP是0.82，cat是0.6，dog是0.9，说明模型对猫的检测明显偏弱。这时候你回头翻测试图片，会发现猫多为小目标且颜色与背景接近，这是数据层面的问题，不是模型参数问题。拿这套测试集的价值就在这里：它不是告诉你“模型好不好”，而是告诉你“模型在哪个类别上翻车了”。
4. 把它并进自己的训练管线：从pretrained权重到迁移学习
4.1 为什么拿COCO权重直接测就有结果
前面提到yolov5s.pt是COCO预训练权重，而COCO数据集本身就包含person、cat、dog这三个类，所以拿这个测试集直接推理几乎必出结果。这个特性也意味着：你不需要重新训练就能验收这套测试集。这一点很多人没想明白，以为拿到测试集就必须先写上半天训练代码——其实完全不需要。
如果你的需求是先确认“这套测试集本身有没有问题”，最稳的做法是先把YOLOv5官方权重和这张图跑一遍。检测结果如果干净利落，框位置合理、类别正确，就说明图片没有损坏、没有异常旋转、没有极端物体比例。用COCO权重当“基准模型”，等于给测试集本身做了一次质检。反过来，如果COCO权重在这个测试集上漏检严重，那问题大概率在测试图片的复杂度上，后续用什么模型都难出效果。
4.2 训练自己的数据集时如何复用这套测试集
自己训练的时候，常见的做法是把test5.jpg、test12.jpg这组图片单独留作验证集，永远不参与训练。原因很简单：验证集的唯一使命是测泛化能力，一旦参与训练，评估指标就没有参考价值。很多人训练自己的数据集时喜欢把全部图片扔进去，train和val用同一份，最后mAP漂亮得惊人，但一上真实场景就废。这就是典型的过拟合骗局。
复用的方式有两种：第一种，把你的训练集和这套测试集放在同一个项目下，data.yaml里train指向你的数据，val指向测试集，每次训练完自动评估一遍；第二种，训练完成后单独跑val.py，只验证测试集上的mAP。两种方式建议都做，一个看收敛趋势，一个看最终效果。
还有一种更细的用法：如果你的自建数据里也包含人、猫、狗，这套测试集可以作为类别均衡性的校准样本。比如你的训练集里狗只有200张，猫有2000张，训练完模型的dog AP大概率偏低。这时候拿测试集复测，能帮你快速判断是否需要给狗类数据做增强。
4.3 超参数与图片尺寸在前测阶段的常见调法
迁移学习阶段，超参数调整要克制。很多人一上来就动learning rate、momentum，我建议前测阶段只改三个东西：imgsz、epochs和batch size。imgsz决定了输入分辨率，直接关系到小目标能不能被保住；epochs决定模型能不能收敛，一般从100起调；batch size如果显存够就尽量往大设，因为目标检测的BN层对batch size敏感，太小会导致统计量震荡。
python train.py --data data.yaml --weights yolov5s.pt --img 640 --epochs 100 --batch-size 16 --project ./runs/train --name self_train这几个参数不需要来回试，因为测试集的作用是验收不是调参。真正需要精细调的是conf_thres这类推理参数，训练参数按默认就好。调参这事玄学成分大，但如果你的测试集是固定的，每次调完都拿它测一遍，至少能保证前后对比是在同一个裁判面前进行的。
5. 避坑记录：测试集使用中的五个经典翻车现场
5.1 现象：detect.py能跑，但输出图片上一片空白，一个框都没有
原因通常是conf_thres设得太高，或者模型权重与自己数据集类别不匹配。比如你拿一个只训练了行人的权重来测猫和狗，模型压根没有这两个类别的输出头，自然什么都画不出来。
解决：先把conf_thres降到0.25重新跑，确认有没有框；如果还没有，检查weights路径是否是COCO预训练权重，或者用样本图片跑一次官方yolov5s.pt做对照实验。这一步能快速定位是阈值问题还是权重类别覆盖问题。
5.2 现象：val.py报错“no labels found”
原因是最常见的目录或文件不匹配：images里有test5.jpg，但labels目录下没有test5.txt，或者文件名大小写不一致，再或者yaml里val路径指错了。
解决：进入labels目录执行ls | grep test5，确认标注文件存在且前缀完全一致。另外注意，YOLOv5对中文路径支持不好，路径里带中文名也会导致找不到文件。把整个项目移到纯英文路径下，重新执行val.py。
5.3 现象：图片命名带空格或中文，终端显示读取成功但实际没读进来
原因是detect.py内部用的是glob匹配加路径拼接，空格会被当成路径分隔符，中文字符在部分编码环境下会乱码。
解决：所有测试图片统一重命名为纯英文短名，比如img01.jpg、img02.jpg，再执行推理。这个坑看起来基础，但几乎每个下载到带空格文件名数据集的人都踩过，重命名动作必须放在第一步，不要等跑挂了再改。
5.4 现象：把测试集的图片混进训练集，训练指标虚高，测试集验收形同虚设
原因是很多人没理解“测试集”和“训练集”的分工。测试集一旦参与训练，模型相当于见过考试答案，之后的mAP完全是自欺欺人。
解决：严格隔离，测试集目录只出现在val字段里，永远不出现在train字段中。同时建议给测试集目录设置一个只读权限，常见做法是在Linux下执行chmod -R a-w dataset/test，从物理上防止误拷贝。
5.5 现象：改了一轮参数后，对比不出前后两次实验的差异
原因是你没有固定评估口径。比如第一次跑detect.py用了conf_thres=0.5，第二次调成0.3，框多了很多，你以为是模型变好了，其实只是阈值放宽了。
解决：评估统一用val.py的mAP指标，不拿detect.py的单张截图说话。跑之前记录完整参数组合：权重路径、img尺寸、conf阈值、iou阈值，每次实验一个变量只改一处。我给每个实验统一编号，参数写进实验记录表里，对比时先看参数再看结果，能避免九成误判。
6. 把测试集变成回归基线：一次手动记录改变的工作习惯
这套测试集最好用的地方，是把它固定下来当回归基线。比如你现在有两个候选权重，一个是官方yolov5s.pt，一个是你自己微调过的，怎么快速判断要不要换？跑同一套测试集，记录各自的人、猫、狗AP，做一张对比表，五分钟出结论。关键是，这个基线要保持固定，不能今天换一张图、明天删一张图，否则所有对比都不成立。
我现在的做法是：建一个test_bench目录，把测试集原图和对应的验证yaml全部放进去，然后写一个极简脚本，把每次实验的指标自动追加到同一张CSV里，命令如下：
python val.py --data data.yaml --weights ./weights/yolov5s.pt --img 640 --conf-thres 0.001 --iou-thres 0.6 --project ./runs/bench --name yolo5s_v1 | tee -a ./bench_results.logtee -a把输出同时打印到屏幕和日志文件，日志文件里沉淀的就是一次次实验的原始数据。等积累了七八条记录，再用Excel或pandas拉一张透视表，看每个权重的mAP趋势、类别间差异，比翻训练曲线直观得多。从那以后，我每次新训完一个模型，都强制走一遍这个流程：固定测试集、固定参数、固定脚本，跑完记日志，再对比。这套操作说不上高深，但确实帮我避开了很多“感觉模型变好了”的错觉。测试集的使命就是当一面诚实的镜子，希望你也能用好这份资源，让每次实验结论都站得住脚。
本文还有配套的精品资源，点击获取
