博客原文《深度学习目标检测：YOLOv5实现红绿灯检测(含红绿灯数据集+训练代码) 》https://blog.csdn.net/guyuealian/article/details/128240198 ； 目前，基于YOLOv5s的红绿灯检测精度平均值mAP_0.5=0.93919，mAP_0.5:0.95=0.63967，基本满足业务的性能需求。另外，为了能部署在手机Android平台上，本人对YOLOv5s进行了模型轻量化，开发了一个轻量级的版本yolov5s05_416和yolov5s05_320，在普通Android手机上可以达到实时的检测和识别效果，CPU(4线程)约30ms左右，GPU约25ms左右 ，基本满足业务的性能需求。

《红绿灯(交通信号灯)检测数据集》https://blog.csdn.net/guyuealian/article/details/128222850 ； 在智慧城市，自动驾驶领域，经常需要用到交通信号灯数据（红绿灯数据）；这里分享鄙人整合的两个交通信号灯(红绿灯)检测数据集：Traffic-Lights-Dataset-Domestic和Traffic-Lights-Dataset-Foreign；前者是在国内收集到的红绿灯检测数据集，共3053张；后者是从国外收集到的红绿灯检测数据集，共10142张；两者数据集都已经标注好红灯、绿灯、黄灯，可直接用于目标检测模型训练。

Android实现红绿灯检测APP(可实时运行))： https://blog.csdn.net/guyuealian/article/details/128240334 ； 考虑到原始YOLOv5的模型计算量比较大，鄙人在YOLOv5s基础上，开发了一个非常轻量级的的红绿灯检测模型yolov5s05_320。从效果来看，Android红绿灯检测模型的检测效果还是可以的，高精度版本YOLOv5s平均精度平均值mAP_0.5=0.93919，而轻量化版本yolov5s05_416平均精度平均值mAP_0.5=0.71944左右。APP在普通Android手机上可以达到实时的检测识别效果，CPU(4线程)约30ms左右，GPU约25ms左右 ，基本满足业务的性能需求。

python交通信号灯检测yolov5交通信号灯识别，红绿灯检测，左转右转识别项目部署视频教程 项目下载：https://download.csdn.net/download/babyai996/85054532