摘要面向细粒度车辆识别和智能交通研究的大规模车辆颜色图像数据集包含超过1万幅经过清理、后处理、标注和整合的车辆图像。数据集概述面向细粒度车辆识别和智能交通研究的大规模车辆颜色图像数据集包含超过1万幅经过清理、后处理、标注和整合的车辆图像。数据覆盖白色、黑色、灰色、银色、红色、蓝色、棕色、绿色、米色、橙色、金色、黄色、紫色、粉色和棕褐色共15种常见车身颜色可为复杂光照、不同车型和多样背景下的车辆颜色分类提供训练与评估资源。数据结构与关键特征数据集按照train、val和test三个目录划分为训练集、验证集和测试集每个目录均包含beige、black、blue、brown、gold、green、grey、orange、pink、purple、red、silver、tan、white和yellow共15个类别文件夹。训练集约包含7,500幅图像验证集和测试集分别约包含1,500幅图像。数据具有颜色类别丰富、车辆类型多样、背景差异明显等特点同时部分近似颜色类别如灰色与银色、米色与棕褐色具有较高的细粒度识别难度。应用价值与研究方向该数据集可用于车辆颜色分类、细粒度车辆识别、车辆检索、交通视频目标跟踪及基于文本描述的车辆搜索。研究人员可以探索卷积神经网络、Vision Transformer、颜色恒常性、注意力机制和多任务学习并围绕光照变化、阴影与反光干扰、相似颜色区分、跨场景迁移、图像与实时视频域适应以及模型轻量化部署开展研究从而为肇事逃逸调查、车辆追踪、公共安全预警和智能交通系统提供辅助技术支持。数据集来源由张家梁(Bob)整理并于2026年在7zcode平台公开发布。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Datasets-716文件大小570M原创声明本数据集为整理作品