数据集内容:
1. 多角度场景:监控摄像头视角,行人视角;
2. 标注内容:6个分类,['No_Entry', 'No_Left_Turn', 'No_Parking', 'No_Right_Turn', 'No_U_Turn', 'Stop'],分别为禁止通行、禁止左转、禁止停车、禁止右转、禁止掉头、减速慢行等;
3. 图片总量:3630 张图片数据;
4. 标注类型:含有yolo TXT格式;
数据集结构:
TrafficSigns_yolo/
——test/
————images/
————labels/
——train/
————images/
————labels/
——valid/
————images/
————labels/
——data.yaml
道路交通标识检测算法的必要性:
1. 交通安全需求升级
随着全球汽车保有量突破15亿辆,交通事故已成为全球第九大死因。中国交通标志检测数据显示,约30%的交通事故与驾驶员未及时识别交通标志相关。例如,未遵守限速标志导致的超速事故占比达18%,未注意禁止转向标志引发的侧翻事故占比达12%。YOLO算法通过实时识别限速、禁止通行、警示标志等,可降低驾驶员反应时间需求,为自动驾驶系统提供关键决策依据。
2. 自动驾驶技术突破
L4级自动驾驶系统要求环境感知模块在100ms内完成交通标志识别。特斯拉Autopilot、Waymo等系统已将YOLO作为核心检测算法,其单阶段检测架构比Faster R-CNN等两阶段算法快3-5倍。YOLOv8在TT100K中国交通标志数据集上实现96.7%的mAP(均值平均精度),较YOLOv5提升8.2%,满足自动驾驶对实时性与准确性的双重严苛要求。
1