自动驾驶交通物体多类别检测数据集
一、基础信息
数据集名称: 自动驾驶交通物体多类别检测数据集
数据规模:
- 训练集: 1,717 张
- 验证集: 489 张
- 测试集: 238 张
- 总计: 2,444 张道路场景图片
分类类别:
1. bicycle: 两轮交通工具检测
2. bus: 大型公共交通工具识别
3. bus-stop-sign: 公交站台定位标识
4. car: 多种乘用车型检测
5. crosswalk: 行人过街区域识别
6. crosswalk-sign: 人行横道警示标志
7. empty-street: 无障碍物道路场景
8. green-traffic-light: 通行信号状态识别
9. motorcycle: 机动两轮车检测
10. red-traffic-light: 禁行信号状态识别
11. stop-sign: 强制停止交通标识
标注格式:
YOLO 格式标注，包含标准化坐标框与类别编码
数据特性:
涵盖日间道路场景，包含车辆、交通设施、信号灯等多维度要素
二、适用场景
自动驾驶感知系统开发:
支持构建实时交通要素检测模型，用于自动驾驶系统的环境感知模块训练。
智慧交通监控系统:
可用于开发道路异常状态检测系统，识别违规停车、信号灯故障等场景。
辅助驾驶技术研发:
为 ADAS 系统提供多目标检测训练数据，增强车道保持、碰撞预警等功能。
交通场景理解研究:
支持学术机构开展复杂交通场景下的多目标交互关系研究。
