产品中心
在智能交通与自动驾驶技术快速发展的今天，如何高效、准确地感知道路环境已经成为研究与应用的核心问题。车辆、行人和交通信号灯作为城市交通系统的关键元素，对道路安全与交通效率具有直接影响。然而，真实道路场景往往伴随 复杂光照、遮挡、多目标混杂以及交通信号状态多样化 等挑战，使得视觉识别与检测任务难度显著增加。
为了推动相关研究与应用落地，我们构建了一个 7种交通场景数据集，涵盖 机动车、非机动车、行人及不同状态的交通信号灯。该数据集不仅具备场景多样性和标注精准性，而且已按照 train、val、test 划分，可直接应用于 目标检测、场景理解和交通管理系统 的研究和开发。
本博客将对该数据集进行详细介绍，帮助研究人员和开发者快速上手，应用于自动驾驶与智慧交通的各类任务中。
数据集已划分为 train、test、val 三个部分，共计 千张图片，并配套提供了完整的标注文件，采用 YOLO 格式标注，可直接用于训练目标检测模型。
类别信息如下：
nc: 7
names:
0: Motor Vehicle
1: Non_motorized Vehicle
2: Pedestrian
3: Traffic Light-Red Light
4: Traffic Light-Yellow Light
5: Traffic Light-Green Light
6: Traffic Light-Off0：机动车
1：非机动车辆
2：行人
3：红绿灯
4：交通信号灯黄灯
5：交通灯绿灯
6：交通灯关闭
链接:https://pan.baidu.com/s/1PxCazLxUVFdwrrsHKVYP8Q?pwd=h48p
提取码:h48p 复制这段内容后打开百度网盘手机App，操作更方便哦
随着智慧交通与自动驾驶的发展，如何在复杂的道路环境中实现多目标检测与识别，成为计算机视觉研究的重要方向。本数据集围绕城市交通场景构建，涵盖了机动车、非机动车、行人以及多状态的交通信号灯，共计 7 类目标。
数据集不仅提供了不同光照、天气条件下的图片，还包含了丰富的场景变化，例如：
这些特性使得数据集更贴近真实的交通环境，有助于提升模型的泛化能力。
0 0.521 0.643 0.245 0.321
2 0.345 0.512 0.153 0.278 其中 0 表示类别 Motor Vehicle，后续四个数分别为 x_center, y_center, width, height（归一化到 0-1 之间）。
该数据集可广泛应用于智能交通与计算机视觉的研究与实践，包括但不限于：
本数据集不仅适合科研人员进行交通视觉研究，也适合开发者和学习者在实际项目中应用，具体人群包括：
本数据集聚焦于 城市交通场景，涵盖机动车、非机动车、行人以及不同状态的交通信号灯，共计 7 类目标，能够较好地反映现实道路环境中的复杂性与多样性。其标注格式采用通用的 YOLO 标准，并提供了合理的 train / val / test 划分，方便研究人员和开发者快速使用。
通过该数据集，研究者可以开展 多目标检测、小目标识别、交通灯状态分类、场景感知融合 等任务，进而提升自动驾驶与智慧交通系统的感知与决策能力。相比通用目标检测数据集，本数据集更具 交通领域的针对性，在小目标检测与复杂场景建模方面具有明显优势。
未来，随着数据规模的扩大与多模态信息（如视频、雷达数据）的引入，该数据集可进一步支撑 更高精度、更强鲁棒性 的智能交通感知系统研究与应用。
