智慧交通-闯红灯检测 yolo 数据集![在这里插入图片描述](https://developer.qcloudimg.com/http-save/yehe-12490569/efe79237064b620ca9e7d5901f574ea0.png)

【数据内容】
3500张图片，包含汽车、绿灯、摩托车、红灯、停止线、黄灯等目标，图片清晰标注，适合目标检测模型训练
【格式支持】
数据集已标注好，支持多种格式输出，直接可用![在这里插入图片描述](https://developer.qcloudimg.com/http-save/yehe-12490569/12acaa279178506c4fb21ea9d2e9e452.png)


# YOLO闯红灯检测数据集
## 一、数据集信息表
| 项目 | 详细说明 |
| ---- | ---- |
| 数据集名称 | YOLO闯红灯交通场景目标检测数据集 |
| 图片总量 | 3500张 |
| 标注类别（共6类） | 汽车（car）、绿灯（green_light）、摩托车（motorcycle）、红灯（red_light）、停止线（stop_line）、黄灯（yellow_light） |
| 标注状态 | 全部已标注，图片清晰，开箱即用 |
| 数据格式 | 支持标准YOLO格式，同时兼容多种主流标注格式，可按需转换 |
| 适用场景 | 路口闯红灯行为识别、交通违章检测、城市安防监控、智能交通系统开发、目标检测模型训练 |

---

![在这里插入图片描述](https://developer.qcloudimg.com/http-save/yehe-12490569/594ff6384fdd1447e797ed5330c820ed.png)
## 二、核心标签
`#闯红灯检测` `#交通目标检测` `#路口违章识别` `#YOLO数据集` `#智能交通` `#交通灯检测`

---

## 三、数据集目录结构
```
traffic_light_violation_dataset/
├── images/
│   ├── train/
│   ├── val/
│   └── test/
├── labels/
│   ├── train/
│   ├── val/
│   └── test/
└── traffic.yaml
```

---

## 四、数据集配置文件 `traffic.yaml`
```yaml
path: ./traffic_light_violation_dataset
train: images/train
val: images/val
test: images/test

nc: 6
names:
  0: car
  1: green_light
  2: motorcycle
  3: red_light
  4: stop_line
  5: yellow_light
```

---

## 五、环境依赖安装
```bash
pip install ultralytics torch opencv-python
```

---

## 六、模型训练代码 `train_traffic.py`
```python
from ultralytics import YOLO

def main():
    # 加载YOLO预训练模型（兼容YOLOv8/YOLOv11）
    model = YOLO("yolov8s.pt")

    # 启动训练
    train_results = model.train(
        data="./traffic_light_violation_dataset/traffic.yaml",
        epochs=100,
        imgsz=640,
        batch=16,
        device=0,          # 无GPU改为 device="cpu"
        workers=4,
        patience=15,
        project="runs/train",
        name="traffic_violation_detect",
        exist_ok=True,
        pretrained=True
    )
    print("训练完成，权重保存路径：runs/train/traffic_violation_detect/weights")

    # 测试集评估
    metrics = model.val(data="./traffic_light_violation_dataset/traffic.yaml", split="test")
    print(f"测试集 mAP@50: {metrics.box.map50:.4f}")

if __name__ == "__main__":
    main()
```

---

## 七、推理测试代码 `predict_traffic.py`
```python
from ultralytics import YOLO
import cv2

# 加载训练好的最优模型
model = YOLO("runs/train/traffic_violation_detect/weights/best.pt")

if __name__ == "__main__":
    img_path = "traffic_test.jpg"
    # 执行检测并保存结果
    results = model.predict(
        source=img_path,
        conf=0.25,
        iou=0.45,
        save=True
    )
    # 可视化结果
    detect_img = results[0].plot()
    cv2.imshow("Traffic Light Violation Detection", detect_img)
    cv2.waitKey(0)
    cv2.destroyAllWindows()
```

---



【数据内容】3500张图片，包含汽车、绿灯、摩托车、红灯、停止线、黄灯等目标，图片清晰标注，适合目标检测模型训练【格式支持】数据集已标注好，支持多种格式输出，直接可用

智慧交通-闯红灯检测 yolo 数据集   交通违规检测数据集  监控视角交通违法检测数据集

人工智能

算法

3500张高质量YOLO闯红灯检测数据集，包含汽车、摩托车、交通灯等6类目标标注，支持多种格式输出。适用于交通违章识别、智能安防系统开发，开箱即用，配套完整训练代码，助力目标检测模型快速部署。

代码解释

YOLO

2026上云采购 | AI焕新·智启新局

datainlong

4核4G3M云服务器 新用户低至38元/年！

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

智慧交通-闯红灯检测 yolo 数据集   交通违规检测数据集  监控视角交通违法检测数据集-腾讯云开发者社区-腾讯云

智慧交通-闯红灯检测 yolo 数据集交通违规检测数据集监控视角交通违法检测数据集

智慧交通-闯红灯检测 yolo 数据集交通违规检测数据集监控视角交通违法检测数据集

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

智慧交通-闯红灯检测 yolo 数据集 交通违规检测数据集 监控视角交通违法检测数据集

智慧交通-闯红灯检测 yolo 数据集 交通违规检测数据集 监控视角交通违法检测数据集

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

智慧交通-闯红灯检测 yolo 数据集交通违规检测数据集监控视角交通违法检测数据集

智慧交通-闯红灯检测 yolo 数据集交通违规检测数据集监控视角交通违法检测数据集