简介：面向自动驾驶场景的YOLOV5格式目标检测数据集，涵盖卡车、行人、交通信号灯等11个类别，并划分好训练集与验证集。数据将图片与标签统一按YOLOV5目录存放，无需额外处理即可直接开展模型训练与验证，适合目标检测学习者及自动驾驶研究者使用。图像统一为512x512的RGB格式，每张包含多个目标，除常规车辆与行人外，还覆盖路况、交通标志等丰富信息，可同时支撑自动驾驶感知与密集目标检测任务，无论是学术实验还是工程落地都能节省数据准备时间。
压缩包共2000个文件，以1999个txt标签文件为主体，并附带1个可直接运行的Python可视化脚本，随机读取图片后即可绘制边界框并保存结果，便于直观核查标注质量。资源包大小约492.73MB，配套数据包含训练集21031张图片、验证集5266张图片，类别文本文件齐全，标注边界框清晰，图像内容涵盖城市道路、快速路、交叉口等多种场景，目标密集且姿态多样，标注框与目标贴合度高。目前已有174人学习和下载。
1. 为什么自动驾驶数据集都要先套上 YOLOv5 目录格式
做目标检测的人迟早会遇到一个绕不开的场景：你手里有一批标注好的自动驾驶道路图像，类别有行人、车辆、红绿灯、交通标志等十几种，想直接用 YOLOv5 训练，结果第一步就卡在数据格式上。不是标签格式不对，就是训练集和验证集混在一起，或者类别编号对不上。这个标题里的“YOLOv5 目录格式”指的就是一套已经被 YOLOv5 训练流程默认接受的文件组织方式——images 和 labels 两个目录镜像对应、同名的 .jpg 和 .txt 配对、每个 .txt 里一行一个目标。把自动驾驶数据整理成这种格式，你就拿到了通往 YOLOv5 训练的钥匙，之后换 YOLOv8、YOLOv9 也基本是无痛迁移。
这篇文章面向的读者很明确：你刚接触 YOLOv5，手里有一批带标注的道路检测数据，或者想评估一个现成的 11 类别自动驾驶数据集是否适合自己用。我会把这套目录格式的每个细节拆开讲清楚，包括标签文件里五个数字分别代表什么、训练集和验证集怎么划分才不出问题、训练时超参数怎么配合数据集特性调整，以及那些让新手反复翻车的隐藏坑。不需要你有深厚的算法基础，但最好已经装好 YOLOv5 并能跑通官方提供的 coco128 样例，这样对照着改会顺手很多。
2. 11 类别自动驾驶数据的构成：从标注内容到场景分布
2.1 类别体系决定了模型的“世界观”
这个数据集包含 11 个类别，在自动驾驶感知里属于中等颗粒度的设定。常见做法是覆盖人、车、交通设施三大类，具体通常是 person（行人）、bicycle（自行车）、car（小汽车）、motorcycle（摩托车）、bus（公交车）、truck（卡车）、traffic light（红绿灯）、traffic sign（交通标志）、rider（骑手）、背景或未知车辆等。11 这个数字并不算多，对比 Waymo 开源数据集的 4 类或者 BDD100K 的 10 类，11 类的设计在标注成本和模型能力之间取了一个平衡。
选型时要明白一个关键点：类别粒度直接决定训练难度。如果只分 car、bus、truck 三大类，模型容易把卡车和小汽车混淆，因为它们在视觉上有大量相似纹理；如果把交通标志细分到限速牌、禁止转弯牌、斑马线牌，数据量不够时每个类别的样本会稀释到很难收敛。11 类的粒度相当于“够用就好”——对自动驾驶道路信息检测来说，知道前方是行人比知道行人拿着什么包更重要，知道有障碍物比知道障碍物是垃圾桶更重要。你用这个数据集训练出来的模型，定位是感知层面的“通用障碍物识别”，而不是高精地图级别的精细分类。
类别编号还有一个容易忽略的技术细节：YOLOv5 的标签文件里类别是从 0 开始编号的，也就是说这 11 个类别对应的编号是 0 到 10。如果你从别的标注工具导出时类别编号是从 1 开始，训练时会直接报错或者把类别错位，那个“数据都对但 mAP 很低”的经典翻车现场，很大概率就是这里出了问题。
2.2 训练集和验证集的划分逻辑
标题里特意强调“包含训练集、验证集”，说明数据集作者已经把划分做完了。但你要明白这种划分是怎么完成的，才能真正用好它。YOLOv5 目录格式里，训练集和验证集通过 images 下的 train 和 val 子目录区分，labels 目录保持完全镜像的结构：
dataset/ ├── images/ │ ├── train/ │ │ ├── 0001.jpg │ │ └── 0002.jpg │ └── val/ │ ├── 0001.jpg │ └── 0002.jpg ├── labels/ │ ├── train/ │ │ ├── 0001.txt │ │ └── 0002.txt │ └── val/ │ ├── 0001.txt │ └── 0002.txt └── data.yaml这种镜像结构的核心逻辑是：训练时 YOLOv5 的 dataloader 只需要读 train 目录下的图片路径，再按同名规则去 labels 目录找对应的 .txt 文件。所以 train 和 val 的划分粒度是“图片级”的，不是“类别级”的——同一张图片不会同时出现在训练集和验证集里，但同一个类别可以同时存在于两个集合中。
实际使用中，你应该检查一个容易被忽略的指标：训练集和验证集之间的场景重叠度。如果数据集的图片是从视频帧里抽出来的，作者又没有做合理的间隔采样，那么验证集里的图片可能和训练集里某张图片只差几帧，场景几乎一样。这种情况下训练出来的模型 mAP 会虚高，因为验证集等于开卷考试。拿到数据集后，我一般会抽样对比几个 val 图片和 train 图片，看看是不是同一段路、同一批车，如果是，就得自己重新划分。
2.3 data.yaml 是数据集的“说明书”
YOLOv5 训练时首先要读一个 data.yaml 文件，它告诉训练器去哪里找图片、有几类、类名是什么。这个文件写错一个单词，训练流程就会直接卡住。标准的 data.yaml 长这样：
path: F:/autodrive_dataset # 数据集根目录，建议用绝对路径 train: images/train # 训练集图片目录，相对于 path val: images/val # 验证集图片目录，相对于 path nc: 11 # 类别总数，必须和标签文件里的类别编号最大值+1相等 names: ['person', 'bicycle', 'car', 'motorcycle', 'bus', 'truck', 'traffic light', 'traffic sign', 'rider', 'other vehicle', 'unknown']这个文件有三个容易出错的点。第一是 path 字段，YOLOv5 在 5.0 之后的版本支持 path 作为根目录，train 和 val 写相对路径；如果你用的是老版本，它只认 train 和 val 为绝对路径。第二是 names 的顺序，这个顺序决定了训练时每个编号对应的类别名，必须和标注数据时的类别编号顺序完全一致，否则训练出来的模型在推理时会把“行人”标成“车”。第三是 nc 的值，它不一定是类别的最大编号，而是类别总数，从 0 编号时类别编号范围是 0 到 10，nc 就是 11。
3. 把数据集跑通 YOLOv5 训练：从环境到命令的完整链路
3.1 环境准备和目录检查
拿到一个 YOLOv5 格式的自动驾驶数据集，第一步不是急着训练，而是把数据完整性校验一遍。这个环节能省下后面几小时的排错时间。需要检查三件事：图片和标签是否一一对应、标签内容是否合法、目录路径是否符合 YOLOv5 的默认查找规则。
先做图片和标签的配对检查。写一个简单的 Python 脚本，遍历 images/train 下的所有 .jpg 文件，检查对应的 .txt 是否存在于 labels/train 下：
import os from pathlib import Path img_dir = Path('F:/autodrive_dataset/images/train') label_dir = Path('F:/autodrive_dataset/labels/train') missing_labels = [] for img_path in img_dir.glob('*.jpg'): label_path = label_dir / (img_path.stem + '.txt') if not label_path.exists(): missing_labels.append(img_path.name) print(f'Total images: {len(list(img_dir.glob("*.jpg")))}') print(f'Missing labels: {len(missing_labels)}') if missing_labels: print('First 10 missing:', missing_labels[:10])这段脚本的逻辑很简单：图片文件名的主干部分（去掉了 .jpg 后缀的 stem）必须和标签文件名的主干一致，这就是 YOLOv5 数据配对的核心规则。如果缺标签的数量超过几十个，不要直接开训，先补标签或者剔除对应图片，因为训练过程中 dataloader 遇到缺标签的图片会报错中断。
再检查标签内容的合法性。YOLOv5 的标签文件是纯文本，每行格式为“类别编号 x_center y_center width height”，五个值用空格分隔，其中四个坐标值都是相对于图片宽高的归一化比例，范围在 0 到 1 之间。如果某个值超出这个范围，训练时会被 clamp 或直接忽略。写个快速校验脚本：
import os from pathlib import Path label_dir = Path('F:/autodrive_dataset/labels/train') bad_files = [] for label_path in label_dir.glob('*.txt'): with open(label_path, 'r') as f: lines = f.readlines() for line in lines: parts = line.strip().split() if len(parts) != 5: bad_files.append((label_path.name, 'field count')) break cls = int(parts[0]) if cls < 0 or cls > 10: bad_files.append((label_path.name, f'class {cls} out of range')) break coords = list(map(float, parts[1:])) if any(c < 0 or c > 1 for c in coords): bad_files.append((label_path.name, 'coord out of [0,1]')) break print(f'Bad label files: {len(bad_files)}') for f in bad_files[:20]: print(f)这个脚本帮你筛掉三类最常见的脏数据：字段数不对的、类别编号越界的、坐标越界的。前两类说明标注导出环节出了问题，第三类常见于手工标注时把像素坐标误填进了归一化坐标字段。这些问题不提前清掉，训练到一半 loss 突然变成 nan，你很难定位是数据问题还是超参数问题。
3.2 训练命令和超参数的第一轮设定
数据集验证通过后，进入训练环节。以 YOLOv5 官方仓库为例，训练命令如下：
python train.py \ --data F:/autodrive_dataset/data.yaml \ --weights yolov5s.pt \ --img 640 \ --batch 16 \ --epochs 100 \ --workers 4 \ --device 0这里每个参数都有讲究。第一轮训练不要上来就用大模型或者大分辨率，先用 yolov5s 配合 640 分辨率跑通全流程，目的不是拿最高精度，而是确认数据链路没问题、loss 能正常下降。
--img 指的是训练时输入网络的图片尺寸。YOLOv5 支持多尺度训练，--img 640 代表基准尺寸是 640x640，训练过程中会在 0.5 到 1.5 倍之间随机缩放。对于自动驾驶道路图片，我一般不会从 416 起步，因为行人、交通标志这类小目标在低分辨率下细节损失太严重。反过来直接上 1280 会大幅增加显存消耗和训练时间，新手经常把显存跑爆。640 是平衡点。
--batch 16 在 11GB 显存级别的卡上配合 yolov5s 是安全的；如果你只有 6GB 显存，降到 8。batch size 影响最大的不是模型精度而是训练稳定性——batch 太小，BN 层的统计量波动大，loss 曲线会像锯齿一样抖动。--workers 是数据加载线程数，Windows 上建议设为 0 或 2，设大了容易报 DataLoader worker 相关的错误。
第一轮训练过程中要盯两个指标：一个是 loss 是否在持续下降，另一个是训练集和验证集的 mAP 是否同时上升。如果 mAP 一直不涨但 loss 在降，大概率是类别分布极度不均衡，某个类别样本太少，模型学了个“只预测多数类”的偷懒策略。
3.3 标签文件里的坐标到底怎么理解
很多新手卡在标签坐标上，总觉得这个格式别扭。简单说，YOLOv5 的标签坐标是归一化的中心点加宽高，和常见的 VOC 格式（左上角右下角的绝对像素坐标）完全不是一回事。转换关系如下：
# VOC 格式: x_min, y_min, x_max, y_max (像素坐标) # 转 YOLOv5 格式: cls x_center y_center width height (归一化) def voc_to_yolo(x_min, y_min, x_max, y_max, img_w, img_h): x_center = ((x_min + x_max) / 2) / img_w y_center = ((y_min + y_max) / 2) / img_h width = (x_max - x_min) / img_w height = (y_max - y_min) / img_h return x_center, y_center, width, height转出来的四个值全部在 0 到 1 之间。为什么用这种格式？因为不同图片的分辨率可能不同，归一化之后标签和图片分辨率解耦，换分辨率训练不需要重新标注。一个需要注意的边界问题是：如果标注框有一部分超出图片边界，坐标值会大于 1 或小于 0。YOLOv5 在训练时会把超出部分裁掉，但如果整个框都跑到图片外面了，那个目标就变成空标注。自动驾驶数据采集时，常常有目标刚进入画面边缘或被车身遮挡，这类“边缘截断”目标的比例不低，处理时我的经验是保留那些中心点在图片范围内的框，中心点也在范围外的直接剔除。
4. 从数据到模型的落地实践：用这个数据集训练出能用的检测器
4.1 第一次训练跑通后先看这几张图
训练结束后，YOLOv5 会在 runs/train/exp 目录下输出一系列可视化文件，最有诊断价值的是 confusion_matrix.png 和 results.png。不要急着去看测试集上的 mAP 数字，先看混淆矩阵。对于 11 个类别的自动驾驶数据集，你期望的是混淆矩阵的对角线最亮。如果 car 那一行有明显亮块出现在 truck 那一列，说明这两类的特征空间重叠严重，这是类别定义本身的边界模糊导致的，不是超参数问题。
results.png 里包含 mAP_0.5 和 mAP_0.5:0.95 两条曲线，以及训练和验证的 box loss、cls loss。这里有一个判断模型是否欠拟合的技巧：如果训练 loss 还在下降但验证 loss 已经不再下降，说明模型开始过拟合，应该提前停止而不是机械地跑完 100 个 epoch。YOLOv5 自带的 early stopping 机制默认观察 100 轮不提升才停，对自动驾驶这种场景丰富但单类样本可能不多的数据集来说，这个值偏大——我一般用 --patience 30，效果更敏捷。
视觉上也要验证。在 runs/train/exp 目录下有一个 test_batch0_labels.jpg 和 test_batch0_pred.jpg，前者是标注框的可视化，后者是模型预测框的可视化。对比看两点：第一，预测是否把行人、自行车这类小目标漏掉了；第二，预测框是否和真实框基本贴合。如果大量预测框偏移明显，多半是坐标回归的 loss 权重没调好，或者图片尺寸太小导致定位精度差。
4.2 针对 11 类别自动驾驶场景的超参数调整策略
第一次训练跑通后，不要满足于默认参数的效果。自动驾驶场景有它的特殊性：小目标多、背景复杂、类别不均衡。YOLOv5 的默认超参数是从 COCO 数据集上整出来的，直接用在自动驾驶数据上不一定最优。
第一个要调的是类别不均衡。统计一下你的 11 个类别各自有多少标注框，假设 car 有 6000 个框，traffic light 只有 300 个框，悬殊 20 倍。这种情况下模型会严重偏向预测 car。处理方式有两个：一是修改数据增强参数，让少数类别在 mosaic 和 copy-paste 增强中得到更多出现机会；二是直接给少数类别更高的 loss 权重，做法是在 data.yaml 中添加类别权重的配置项：
# 在 data.yaml 中追加这段 # 类别权重按样本数反比设置，训练时 loss 会按此加权 class_weights: [0.5, 1.0, 0.3, 1.0, 0.8, 0.7, 2.5, 2.0, 1.2, 1.5, 2.0]这段配置的含义是：样本多的类别（如 car）权重降到 0.3，样本少的类别（如 traffic light）权重提到 2.5，让模型更重视稀缺类别。实际效果上，class_weights 能明显提升小类别在 mAP 上的表现，代价是样本量大的类别精度略有下降。
第二个要调的是 mosaic 增强的强度。YOLOv5 默认开启 mosaic，把四张图拼成一张训练，对小目标检测帮助很大。但自动驾驶图片里很多小目标是交通标志和行人，mosaic 拼接时如果缩放倍数过大，这些小目标缩小到几个像素，学不到有效特征。如果你的数据集里小目标占比高，把 mosaic 概率从默认的 1.0 调到 0.7 到 0.8。
第三个要调的是 anchor 尺寸。YOLOv5 会在训练前自动用 k-means 重新计算数据集的 anchor，命令输出日志里能看到新 anchor 的数值。你只需要确认一个事：如果日志里计算出来的 anchor 有一个维度明显小于 5 个像素，说明数据集里存在大量极小目标，这种情况建议提高输入分辨率或者把这个小 anchor 去掉，否则训练过程会产生大量无意义的回归计算。
4.3 从 YOLOv5 迁移到 YOLOv8 的衔接操作
标题虽然是 YOLOv5 目录格式，但实际工作中你可能很快会想用 YOLOv8 再训一轮对比效果。好消息是 YOLOv5 的目录格式可以直接被 YOLOv8 吃进去，唯一要改的是 data.yaml 的写法。
YOLOv8 对 data.yaml 的要求更严格：path 必须存在，train 和 val 用相对路径时不能带开头的斜杠。最关键的区别在于 YOLOv8 检查标签是否存在的逻辑不同——如果你的 val 集图片在 images/val 下有，但对应的标签缺失，YOLOv8 在验证阶段会直接跳过这些图片而不是报错，导致 mAP 计算时“部分图片缺席”，数值看起来偏低但你不知道缺了多少。所以我切换到 YOLOv8 时，会重新跑一遍上面的标签配对检查脚本，确保每一张验证集图片都有对应标签。
YOLOv8 训练命令对应如下：
yolo detect train \ data=F:/autodrive_dataset/data.yaml \ model=yolov8s.pt \ imgsz=640 \ batch=16 \ epochs=100 \ device=0注意 YOLOv8 的参数名去掉了短横线前缀，写法是等号形式。同样的数据集、同样的 base 模型，YOLOv8 通常比 YOLOv5 的 mAP 高 1 到 3 个点，但推理速度会略慢。如果你的部署设备是边缘计算盒子，这个精度和速度的权衡要在实际硬件上测过再决定。
5. 避坑指南：这些坑我帮你踩过了
5.1 训练时 loss 一直是 nan，现象是 loss 曲线从第一个 epoch 就消失
出现这个问题的标签文件通常是空的，或者标签文件被标注工具保存成了 UTF-8 带 BOM 的格式。YOLOv5 读标签时按行解析并做 float 转换，遇到包含不可见字符的空行或特殊编码就直接算不出来 nan。解决方法是全局扫描一次所有标签文件，把空文件单独挪出来，用 notepad++ 或 VS Code 把坏文件转存为 UTF-8 无 BOM 格式。注意这个问题的隐蔽之处在于：tensorboard 里 loss 曲线不是报错，而是根本不显示，因为第一步就 nan 了，后续所有统计都会被污染。
5.2 训练正常但验证集 mAP 极低，典型值是小于 0.1
这个现象背后最常见的原因是类别编号错位。比如标注时 person 的编号是 1，但你 data.yaml 里 names 列表的第一个元素写成了 person，YOLOv5 训练时就会把编号为 1 的标签当作第二类 car 来学。训练 loss 看着正常，但模型实际学到的类别和真实标注完全对不上。解决方式是用上面写的标签检查脚本，统计每个编号的实际出现次数，然后人工核对 names 列表顺序。另一个低频原因是验证集里有一批图片分辨率特别低，检测器在 640 输入下完全识别不出来，建议先从验证集图片里抽样看几张大图和小图的占比。
5.3 训练到一半显存溢出，报 CUDA out of memory
这个不一定是 batch size 设大了。自动驾驶图片往往分辨率很高，YOLOv5 的 dataloader 会先把原图 resize 到 640，但 mosaic 增强会把这四张高分辨率图先拼接再缩放，拼接过程中的临时张量非常大。如果显存溢出发生在 epoch 刚开始时，优先把 --mosaic 关掉测试；如果确认是 mosaic 导致的，可以保留 mosaic 但把 --img 降到 512。还有一种隐蔽因素：--workers 在 Windows 下设太高会让内存分配碎片化，PyTorch 的缓存分配器拿不到连续显存，这种情况下把 workers 降为 0 往往立刻就好。
5.4 验证集 mAP 比训练集高很多，像是“开卷考试”
这个现象通常不是训练出了问题，而是数据划分出了问题。自动驾驶视频连续帧之间有极高的相似度，如果数据集作者在划分 train 和 val 时直接从视频中按时间顺序切分，没有隔帧抽取，那么 val 场景和 train 场景几乎完全重合。检测器的泛化能力被高估。解决方法是找到数据作者划分的具体逻辑，如果没有说明，就自己重新做一次划分：把所有图片按某种场景特征（比如文件名的时间戳前缀）分组，然后按组划分而不是按图片划分，保证同一段路的连续帧全部归入训练集或全部归入验证集。
5.5 模型推理时把红绿灯和交通标志互相误判
这个坑出在训练数据本身的标注质量上。红绿灯和交通标志在远距离、小尺寸下外观相似，如果标注时没有严格按类别边界区分，比如不带箭头的红绿灯被标成交通标志，模型学到的特征就会混淆。检查方法是在训练前可视化 30 张图片的标注框，把 traffic light 和 traffic sign 的框用不同颜色画出来，人眼过一遍。如果发现大量标注错误，这个数据集直接用的性价比很低，要么花时间修正标注，要么把这两个类别合并成一个“交通信号设施”类，从 11 类变成 10 类，模型反而更容易收敛。
6. 验证和进阶：用你自己的验证脚本给模型“上强度”
训练完不等于交付，你要有一套独立于 YOLOv5 默认评估逻辑的验证方法。用 YOLOv5 自带的 val.py 跑一个 baseline 是第一步，这一步只是告诉你 mAP 是多是少。真正有意义的是把模型放到一个你手工标注的“困难样本集”上做专项测试——这个困难样本集里放一些训练数据里极少出现的场景，比如傍晚逆光、雨天挡风玻璃反光、夜间远光灯直射、多个行人挨在一起等。每个场景剪辑 50 张图，让模型跑一遍，统计漏检率和误检率。这一轮跑下来，你才知道这个 11 类别模型在真实道路上到底有多可靠。多数情况下你会发现，夜间场景的 mAP 比白天低 15 到 20 个点，这不是模型不行，是数据本身在夜间样本上的覆盖不够，需要在训练集中补充夜间数据。
进阶方向还有两个。一是做模型蒸馏，用一个大模型（yolov5x 或 yolo11x）在这个数据集上训练出高精度 teacher，再把 predictions 作为 soft label 去指导一个小模型（yolov5n 或 yolov5s）训练。自动驾驶部署端的算力往往有限，蒸馏是在精度损失可控的条件下把模型体积压下来的常用手段。二是引入多尺度训练策略，把 --img 从 640 改成提供多尺度范围，例如用 yolo 的 --rect 参数配合多分辨率输入，让模型对不同距离的目标都有鲁棒性。
我的个人习惯是每个数据集都留出一份“死磕清单”：选出 100 张模型最容易翻车的图片，每次调参后只跑这 100 张，看那些难样本有没有改善——比如远处的骑手、被树挡了一半的交通标志、逆光下的深色车辆。这种做法比反复刷完整验证集高效得多，因为你很快能感知到模型的“短板分布”在哪里，而不是只看一个总分。希望这篇笔记能帮你少走几段弯路，把数据集的价值真正榨出来。
本文还有配套的精品资源，点击获取
