道路障碍检测与行人检测数据集 YOLOV11模型如何训练 自动驾驶视角AI赋能 道路障碍物交通标志及交通工具车辆行人检测数据集

【道路障碍检测行人检测数据集】Obstacle-dataset数据集是一个用于道路障碍物检测等任务的数据集。数据集包含5066训练集1266验证集1583测试集张图片。txt格式标注。标注类型如下交通标志与设施stop_signreflective_cone、warning_column、spherical_roadblock、pole交通工具bicycle、bus、truck、car、motorbike、tricycle公共设施与物品ashcan、fire_hydrant生物类person、dog**道路障碍检测与行人检测数据集Obstacle-dataset✅ 一、数据集基本信息表项目内容数据集名称Obstacle-dataset总图像数量7,915 张数据划分- 训练集5,066 张- 验证集1,266 张- 测试集1,583 张标注格式YOLO 格式.txt文件每张图像对应一个标签文件类别数量nc14 类类别列表names[stop_sign, reflective_cone, warning_column, spherical_roadblock, pole, bicycle, bus, truck, car, motorbike, tricycle, ashcan, fire_hydrant, person, dog]应用场景智能交通、自动驾驶、道路巡检、行人安全预警✅ 二、类别中文对照表英文类别名中文含义stop_sign停止标志reflective_cone反光锥桶warning_column警示柱spherical_roadblock球形路障pole杆状物如电线杆bicycle自行车bus公交车truck卡车car小汽车motorbike摩托车tricycle三轮车ashcan垃圾桶fire_hydrant消防栓person行人dog狗 注该数据集可用于多类目标检测尤其适合城市道路环境下的障碍物识别和行人检测任务。✅ 三、模型验证结果统计表基于您提供的日志类别图像数实例数Box§Recall®mAP0.5mAP0.5:0.95all126679920.6740.5670.6120.419stop_sign1852170.8030.6640.7270.602person51722190.6710.4160.4960.259bicycle1332630.5880.3610.3980.206bus1271990.6220.3880.4680.35truck2784300.5950.2420.3260.208car48420260.7070.4770.5550.342motorbike1072230.4960.4530.4640.253reflective_cone1354620.7810.7940.8400.618ashcan1922830.7830.7460.7880.631warning_column833150.6140.7620.7630.584spherical_roadblock742800.8520.8820.9150.724pole3966610.6030.4750.5170.254dog1001350.4750.4070.3710.188tricycle1361540.8290.7990.8620.625fire_hydrant1191250.7830.6340.6870.517整体性能分析mAP0.5: 61.2% → 模型对大部分目标有较好检测能力mAP0.5:0.95: 41.9% → 在高IoU下仍有提升空间表现最佳类spherical_roadblockmAP0.591.5%、reflective_cone84.0%较弱类dog37.1%、truck32.6%、person49.6%✅ 四、建议优化方向类别问题建议personPrecision 高但 Recall 低增加小尺寸行人样本使用更高分辨率输入truck/bus检测率偏低收集更多遮挡/远距离车辆图像增强数据dogmAP 较低与其他动物区分困难需增加负样本或使用更复杂模型poleRecall 仅 47.5%容易被误判为其他垂直结构可加入上下文特征✅ 五、后续可用代码YOLOv8训练fromultralyticsimportYOLO# 加载模型modelYOLO(yolov8n.pt)# 训练resultsmodel.train(dataobstacle.yaml,epochs150,imgsz640,batch16,nameobstacle_detection,device0,patience30,saveTrue)# 验证metricsmodel.val(dataobstacle.yaml,splittest)print(fmAP50:{metrics.box.map50:.3f}, mAP50-95:{metrics.box.map:.3f})✅ 数据集配置文件obstacle.yaml示例path:./Obstacle-datasettrain:images/trainval:images/valtest:images/testnc:14names:[stop_sign,reflective_cone,warning_column,spherical_roadblock,pole,bicycle,bus,truck,car,motorbike,tricycle,ashcan,fire_hydrant,person,dog]