摘要：为满足城市道路交通事故检测的实际需求，本研究构建了一个面向交通场景的大规模标注数据集。检测类别涵盖乘用车、商用车、事故场景和道路危险物四类。均来源于真实城市道路交通监控系统，覆盖不同时段、不同天气条件和不同道路场景，确保了数据的多样性和代表性。
数据集简介
数据集概述
本研究构建了面向城市道路交通场景的目标检测数据集，包含3,157张高清图像和12,461个精确标注框，检测目标涵盖乘用车、商用车、事故场景和道路危险物四个类别。数据集采用分层随机抽样方法，按照8:1:1的比例划分为训练集（2,525张）、验证集（317张）和测试集（315张），确保各类别在不同数据集中的分布一致性。所有图像统一为1280×720分辨率，均来源于真实交通监控场景，采用YOLO标准格式进行人工标注，标注精度通过双人交叉验证确保。在模型训练中，采用预训练迁移学习策略和多种数据增强技术优化模型性能，实验结果表明，模型在验证集上的平均精确率（mAP@0.5）达到97.9%，各类别检测性能均衡优异，充分证明了数据集构建的科学性和训练策略的有效性。
图1 数据集直方图
图2 YOLO标注格式说明图
模型训练
图3 训练与验证指标随Epoch变化趋势图
图4 不同置信度阈值下的F1曲线
图5 目标检测PR曲线
图6 归一化混淆矩阵
应用案例
图7 应用案例：基于YOLO26的城市道路交通事故目标检测与异常事件识别研究
数据集信息
免责声明与引用
数据仅用于科研与教学用途。若用于商业场景，请自行核验数据许可。 如需引用，请在论文或报告中注明数据集名称与版本号。
作者信息
作者：Bob (张家梁)
项目编号：AI-75-Datasets
原创声明：本数据集为原创作品
联系方式
开源协议
本项目采用AGPL-3.0开源协议，允许个人和组织自由使用、修改和分发代码，但基于本项目的衍生作品必须同样开源，且用于提供网络服务时需向用户提供完整源代码。本项目仅供学习研究使用，作者不对使用本项目产生的任何后果承担责任，使用者应遵守当地法律法规，合理合法使用本项目。如本项目对您的研究或工作有所帮助，欢迎引用并注明出处。
评论(0)