交通信号灯检测数据集 | 3200张YOLO自动驾驶数据集适用于自动驾驶感知、智能交通管控与目标检测研究一、数据集概述本数据集面向计算机视觉目标检测任务专为交通信号灯状态识别模型训练、验证与测试设计共包含约3200张高质量标注图像覆盖8类交通信号灯状态颜色×箭头方向组合。该数据集可广泛应用于自动驾驶感知、智能交通管控、辅助驾驶与车路协同等场景适用于YOLOv5/v7/v8/v10/v11/v12等主流检测框架。随着自动驾驶技术和智能交通系统的快速发展利用计算机视觉技术实现交通信号灯状态的精准识别已成为保障自动驾驶安全、提升交通管控效率的重要手段。本数据集针对交通信号灯检测场景中颜色区分、箭头方向细粒度识别、光照与天气变化等问题进行专项构建可为自动驾驶感知系统与智能交通设备提供高质量数据支撑。数据集下载通过网盘分享的文件交通信号灯检测-8类链接: https://pan.baidu.com/s/14W5f-NGXZxxsOzqwbTLFIg?pwds9sj提取码: s9sj二、数据集基本信息项目内容数据集名称交通信号灯检测数据集数据规模约3200张高质量标注图像任务类型目标检测Object Detection检测目标8类交通信号灯状态类别数量nc8类标注方式Bounding Box目标框标注数据格式YOLO标准格式数据来源真实道路场景采集数据划分Train / Valid / Test适配模型YOLOv5、YOLOv7、YOLOv8、YOLOv10、YOLOv11、YOLOv12、Faster R-CNN等三、数据集类别说明本数据集为多类别细粒度目标检测数据集共设置8个检测类别以颜色红/绿×箭头方向圆形/左转/右转/直行的组合方式划分覆盖交通信号灯的主要状态类型类别划分精细贴合自动驾驶感知实际需求。类别配置nc:8names:-green_circle-green_left-green_right-green_straight-red_circle-red_left-red_right-red_straight类别详情类别ID类别名称英文名称颜色箭头方向类别说明0绿灯-圆形green_circle绿色圆形绿色圆形信号灯允许通行1绿灯-左转green_left绿色左转箭头绿色左转箭头信号灯2绿灯-右转green_right绿色右转箭头绿色右转箭头信号灯3绿灯-直行green_straight绿色直行箭头绿色直行箭头信号灯4红灯-圆形red_circle红色圆形红色圆形信号灯禁止通行5红灯-左转red_left红色左转箭头红色左转箭头信号灯6红灯-右转red_right红色右转箭头红色右转箭头信号灯7红灯-直行red_straight红色直行箭头红色直行箭头信号灯八类设计以颜色红/绿×箭头方向圆形/左转/右转/直行的二维组合方式完整覆盖交通信号灯的主要状态类型。颜色与箭头方向的细粒度区分是检测的核心挑战适合多类别目标检测与细粒度分类研究。四、数据集结构说明数据集采用标准YOLO目录结构组织已按训练集、验证集、测试集进行科学划分结构清晰便于直接接入主流检测框架。交通信号灯检测-8类/ ├── train │ ├── images │ └── labels ├── valid │ ├── images │ └── labels ├── test │ ├── images │ └── labels └── data.yaml各数据集作用如下train/images labels训练集图像与标签用于模型参数学习与特征提取valid/images labels验证集图像与标签用于超参数调优、早停监控及防止过拟合test/images labels测试集图像与标签用于最终模型性能评估与泛化能力测试。标注文件为同名.txt格式每行格式为类别索引 x_center y_center width height坐标均为归一化值配套data.yaml已配置好类别名称与数量可直接适配YOLO系列等目标检测框架。五、数据集核心优势1. 专注交通信号灯细粒度识别本数据集以交通信号灯状态识别为核心任务所有图像聚焦于真实道路场景下的信号灯目标采集以颜色×箭头方向的组合方式划分8个细粒度类别。类别设计贴合自动驾驶感知与智能交通管控实际需求更利于训练出针对信号灯的高精度识别模型。覆盖场景包括城市道路交叉路口不同信号灯安装高度与角度不同距离近景/中景/远景不同天气条件不同光照条件能够有效提升模型的实际部署效果。2. 完整的信号灯状态覆盖8类标签以二维组合方式形成完整覆盖颜色维度红色禁止、绿色通行箭头维度圆形通用、左转、右转、直行组合覆盖了交通信号灯的主要状态类型为自动驾驶路口通行决策提供全面的信号灯感知基础。3. 丰富的环境条件覆盖数据覆盖天气条件晴天、阴天、雨天、雾天等光照条件白天强光、黄昏、夜间低照度、逆光等拍摄距离近距离信号灯特写、中距离、远距离小目标信号灯形态不同型号、不同尺寸、不同安装方式背景环境城市道路、路口、不同建筑与植被背景对颜色与箭头细粒度区分有一定挑战有效提升模型泛化能力。4. 高质量人工标注所有图像均经过高质量人工精准标注边界框规整、无漏标/错标以信号灯整体为目标进行框选标注8类状态颜色箭头判别标准统一清晰满足高精度细粒度检测模型训练需求有效保证模型训练质量。5. 即用型数据组织标准目录结构多类别配置无需复杂预处理下载即可直接用于模型训练降低使用门槛。配套data.yaml已配置好类别名称与数量一键启动训练。6. 专为自动驾驶感知设计信号灯状态识别是自动驾驶环境感知的核心能力之一。数据集在类别设计、场景覆盖、标注精度等方面均针对自动驾驶感知需求进行专项优化可直接支撑自动驾驶感知系统的模型训练与算法验证。六、适用场景自动驾驶信号灯状态感知为自动驾驶车辆提供交通信号灯的实时检测与状态识别能力支撑路口通行决策。智能交通信号管控在智能交通系统中自动检测信号灯状态辅助交通流优化与信号配时管理。辅助驾驶与车路协同为辅助驾驶系统提供信号灯状态信息实现车路协同场景下的信号灯状态推送与预警。路口通行决策支持为路口场景下的车辆通行决策提供信号灯状态依据提升通行安全与效率。交通数据采集与分析在交通调查中自动识别信号灯状态辅助交通流量分析与路口运行评估。教学科研用于多类别目标检测、细粒度分类研究等科研场景。七、适用研究方向本数据集可广泛应用于以下研究领域交通信号灯检测与识别研究8类细粒度目标检测研究颜色箭头自动驾驶环境感知研究智能交通系统ITS研究低光照环境目标检测研究YOLO系列模型优化研究轻量化检测模型与边缘部署研究域适应与跨场景泛化研究多类别目标检测研究车路协同与辅助驾驶研究八、总结交通信号灯检测数据集包含约3200张高质量标注图像采用标准YOLO格式构建专注于交通信号灯的状态检测与识别任务。数据集以颜色红/绿×箭头方向圆形/左转/右转/直行的组合方式覆盖绿灯-圆形、绿灯-左转、绿灯-右转、绿灯-直行、红灯-圆形、红灯-左转、红灯-右转、红灯-直行8类核心状态具有类别精细、场景多样、标注精准等特点可广泛应用于自动驾驶感知、智能交通管控、辅助驾驶与车路协同等领域是开展交通信号灯检测算法研发与自动驾驶感知系统建设的优质数据资源。