交通违规目标检测数据集VOC+YOLO格式992张7类别

数据集格式Pascal VOC格式YOLO格式(不包含分割路径的txt文件仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件)图片数量(jpg文件个数)992标注数量(xml文件个数)992标注数量(txt文件个数)992标注类别数7所在github仓库firc-dataset标注类别名称(注意yolo格式类别顺序不和这个对应而以labels文件夹classes.txt为准):[bamaxian,buxing,chepai,jidongche,motuoche,toukui,wutoukui]对应中文类别名[斑马线, 步行, 车牌, 机动车, 摩托车, 头盔, 无头盔]每个类别标注的框数bamaxian斑马线 框数 252buxing步行/行人 框数 391chepai车牌 框数 513jidongche机动车 框数 552motuoche摩托车 框数 558toukui头盔 框数 420wutoukui无头盔 框数 260总框数2946每个类别占有图片数bamaxian斑马线 占有图片数 230buxing步行/行人 占有图片数 227chepai车牌 占有图片数 351jidongche机动车 占有图片数 374motuoche摩托车 占有图片数 279toukui头盔 占有图片数 177wutoukui无头盔 占有图片数 148图片分辨率640x640使用标注工具labelImg标注规则对类别进行画矩形框重要说明数据集没有划分训练验证测试集需自行划分特别声明本数据集不对训练的模型或者权重文件精度作任何保证应用场景该数据集聚焦交通违规检测核心场景在自动驾驶安全系统开发中可训练模型识别行人、车辆及未戴头盔、未礼让行人等违规行为用于智能交通管理系统支持车牌识别与斑马线检测助力城市智慧监管。数据涵盖日间/夜间、多样天气及动态行驶状态精准标注7类关键交通元素含头盔佩戴、行人安全等所有标注经交通法规验证支持复杂多目标检测。原生适配YOLO格式v8/v11/v26便于工业级训练。既可支撑驾驶行为分析、安全教育应用如集成至驾驶培训系统实时反馈危险行为也可为交通执法AI提供未戴头盔、未礼让行人等核心训练素材兼具科研与工程落地价值。图片预览标注例子