parking-lot-t10-dataset
收藏资源简介：
Parking-Lot-T10是一个带标注的真实世界停车场数据集，数据来源于捷克布尔诺理工大学（BUT）校园内T10停车场的单个固定摄像头。该数据集旨在作为一个紧凑的、PKLot风格的基准数据集，用于训练深度卷积神经网络（CNN）来检测和分类停车位的占用状态。数据集包含了在不同天数、不同时间（光照、天气和占用情况各异）下以每10分钟间隔采集的帧，并经过人工标注为占用状态。数据集包含三种形式的数据：1) 分类数据集：包含97,209个按停车位裁剪的图像（61,057个‘占用’类，36,152个‘空闲’类），以文件夹名作为标签，格式适用于PyTorch的ImageFolder加载器和MobileNet等CNN骨干网络。2) 检测数据集：包含3,137帧完整图像，已划分为训练集（2,195帧）、验证集（470帧）和测试集（472帧），采用Ultralytics YOLO格式标注，包含‘空闲’（0）和‘占用’（1）两类边界框。3) 原始捕获数据：包含3,336个带时间戳的.jpg原始帧，分布在48个采集日中，是标注数据的来源。数据集适用于计算机视觉任务，特别是停车位占用情况的图像分类和目标检测。所有标注数据均派生自同一组原始捕获，确保了检测帧与分类裁剪图像之间的一致性。
Parking-Lot-T10 is an annotated real-world parking lot dataset, sourced from a single fixed camera at the T10 parking lot on the campus of Brno University of Technology (BUT) in the Czech Republic. The dataset is designed as a compact, PKLot-style benchmark for training deep convolutional neural networks (CNNs) to detect and classify parking space occupancy. It includes frames captured at 10-minute intervals across different days and times (varying in lighting, weather, and occupancy), manually annotated for occupancy status. The dataset consists of three forms of data: 1) Classification dataset: contains 97,209 cropped images by parking space (61,057 occupied class, 36,152 empty class), with folder names as labels, formatted for use with PyTorchs ImageFolder loader and CNN backbones like MobileNet. 2) Detection dataset: contains 3,137 full frames, divided into training set (2,195 frames), validation set (470 frames), and test set (472 frames), annotated in Ultralytics YOLO format with bounding boxes for empty (0) and occupied (1) classes. 3) Raw capture data: includes 3,336 timestamped .jpg raw frames from 48 collection days, serving as the source for annotations. The dataset is suitable for computer vision tasks, particularly image classification and object detection for parking space occupancy. All annotated data are derived from the same set of raw captures, ensuring consistency between detection frames and classification cropped images.
Parking-Lot-T10 数据集概述
基本信息
- 来源：捷克布尔诺理工大学（BUT）校园内的 T10 停车场
- 采集设备：单一固定摄像头（Raspberry Pi）
- 采集频率：白天每 10 分钟拍摄一张
- 作者/维护者：Tomáš Fryža（BUT），标注工作由 tymfly7 完成
- 许可证：MIT License（© 2026 Tomáš Fryža）
- 用途：用于深度 CNN 机器学习训练，检测和分类停车位占用情况，支持 CNN 分类器模型和 YOLO 目标检测
数据集构成概览
| 子集 | 任务类型 | 样本数量 | 类别 |
|---|---|---|---|
t10lot_labeled/crops_classifiers/ |
分类（按车位） | 97,209 张裁剪图（占用 61,057 张 · 空闲 36,152 张） | occupied（占用）, vacant（空闲） |
t10lot_labeled/crops_yolo_detect/ |
检测（完整帧） | 3,137 帧（训练 2,195 · 验证 470 · 测试 472） | vacant（0）, occupied（1） |
DATA/ |
原始采集帧 | 3,336 张带时间戳的 .jpg，覆盖 48 个采集日 |
— |
两个标注数据集均来源于 DATA/ 中的同一批原始采集帧，因此检测帧与其对应的分类裁剪图是一致的。
目录结构
parking-lot-t10-data/
├── DATA/ # 原始采集帧
│ └── YYYY-MM-DD/ # 每个采集日一个文件夹
│ └── YYYY-MM-DD_HHMM.jpg # 每 10 分钟一张
├── PYTHON/ # 采集工具（Raspberry Pi）
│ ├── camera.py # picamera2 循环采集脚本
│ └── test_time.py
├── t10lot_labeled/ # 标注数据集
│ ├── crops_classifiers/ # 分类数据集（按车位的裁剪图）
│ │ ├── occupied/ *.jpg # 61,057 张占用车位
│ │ └── vacant/ *.jpg # 36,152 张空闲车位
│ └── crops_yolo_detect/ # 检测数据集（YOLO 格式）
│ ├── dataset.yaml # Ultralytics 数据配置（nc=2）
│ ├── images/{train,val,test}/ # 3,137 帧，按 2195/470/472 划分
│ └── labels/{train,val,test}/ # 每张图像一个 .txt 标签文件
├── LICENSE
└── README.md
分类数据集
- 位置：
t10lot_labeled/crops_classifiers/ - 格式：PKLot 风格，文件夹名即为标签（
occupied/vacant） - 使用方式：可直接用于
torchvision的ImageFolder加载器，适配 MobileNet 等 CNN 骨干网络 - 示例代码： python from pathlib import Path from torchvision import datasets, transforms
tf = transforms.Compose([ transforms.Resize((96, 96)), transforms.ToTensor(), ]) root = Path("~/parking-lot-t10/t10lot_labeled/crops_classifiers").expanduser() ds = datasets.ImageFolder(root, transform=tf)
ds.classes -> [occupied, vacant]
检测数据集
-
位置：
t10lot_labeled/crops_yolo_detect/ -
格式：标准 Ultralytics YOLO 布局，每个图像对应一个
.txt标签文件，每行格式为class cx cy w h（归一化值 0–1） -
类别映射：
0 = vacant（空闲），1 = occupied（占用） -
dataset.yaml配置： yaml path: ~/parking-lot-t10/t10lot_labeled/crops_yolo_detect train: images/train val: images/val test: images/test nc: 2 names: {0: vacant, 1: occupied} -
训练示例： bash yolo detect train model=yolo11n.pt data=~/parking-lot-t10/t10lot_labeled/crops_yolo_detect/dataset.yaml imgsz=640 epochs=100
原始采集帧
- 位置：
DATA/ - 说明：按采集日分组（
YYYY-MM-DD/），文件名编码采集时间戳（YYYY-MM-DD_HHMM.jpg） - 作用：标注检测帧的源头，标注数据集可从原始帧复现
- 采集脚本：
PYTHON/camera.py
标注格式总结
- 分类标注：通过文件夹名（
occupied/vacant）编码，每个文件为一个裁剪出的车位 - 检测标注：每个图像对应一个
.txt标签文件，每行一个标注车位，格式为class cx cy w h
