Tbilisi-Night-Traffic-Sample

这是一个名为'Tbilisi Night Traffic Detection Dataset — Sample Version (by KIALGE)'的数据集，免费样本版本包含5张图片，完整版本包含31张图片。数据集来自格鲁吉亚第比利斯的夜间交通场景，采用iPhone 15 Pro Max拍摄的4K视频提取帧，并以YOLOv8 COCO格式标注。数据集适用于夜间计算机视觉、交通和车辆检测、智能城市AI系统、YOLOv8/YOLOv9训练、低光检测基准测试和自动驾驶研究等领域。数据集包含高分辨率帧、YOLOv8 COCO格式的边界框标签、完全匿名化的面部、训练就绪的结构（images/, labels/, data.yaml）以及自定义商业许可证。

原始信息汇总

Tbilisi Night Traffic Detection Dataset — Sample Version 数据集概述

数据集基本信息

• 数据集名称：Tbilisi Night Traffic Detection Dataset — Sample Version (by KIALGE)
• 提供方：KIALGE
• 样本版本内容：包含一个免费的5图像样本。
• 完整数据集内容：包含31张经过匿名化处理的第比利斯（格鲁吉亚）夜间交通帧图像，提取自4K iPhone视频片段，并以YOLOv8 COCO格式进行标注。

数据集构成与格式

• 样本数据集结构：
  • images/：包含5个样本帧。
  • labels/：包含5个YOLO格式的txt标注文件。
  • data.yaml：Ultralytics YOLO配置文件。
  • LICENSE.txt：自定义商业许可证。
• 标注格式：YOLOv8 COCO格式的边界框标注（TXT文件），所有边界框坐标已归一化。
• 类别定义（COCO类别ID）：
  • 0: person
  • 2: car
  • 5: bus
  • 7: truck
  • 9: traffic light

技术细节

• 数据来源：iPhone 15 Pro Max拍摄的4K视频。
• 帧提取方法：使用FFmpeg以每秒1帧的速率提取。
• 使用的检测器：YOLOv8n。
• 匿名化处理：使用OpenCV + YOLO进行人脸模糊处理。
• 场景描述：夜间第比利斯十字路口，湿滑沥青路面，有反光。

主要应用场景

• 夜间计算机视觉研究。
• 交通与车辆检测。
• 智慧城市AI系统开发。
• YOLOv8 / YOLOv9模型训练。
• 低光照检测基准测试。
• 自动驾驶研究。

许可证信息

• 许可证类型：自定义商业许可证 (© 2025 KIALGE)。
• 允许用途：
  • 训练机器学习模型。
  • 商业使用训练好的模型。
  • 研究与内部项目。
• 禁止用途：
  • 重新分发或共享本数据集。
  • 上传至HuggingFace、Kaggle、GitHub等平台。
  • 销售衍生数据集。
  • 与客户或第三方共享。
• 完整许可证文本包含在LICENSE.txt文件中。

完整数据集获取

• 完整数据集包含31张高分辨率图像及YOLO标注，需通过Gumroad购买。
• 完整数据集购买地址：https://kialge.gumroad.com/l/rhlyb

搜集汇总

数据集介绍

构建方式

在智能交通与计算机视觉研究领域，高质量夜间数据集的构建对于提升模型在低光照条件下的感知能力至关重要。Tbilisi-Night-Traffic-Sample数据集源于格鲁吉亚第比利斯市夜间交通场景的实景采集，原始素材通过iPhone 15 Pro Max设备录制4K分辨率视频，并采用FFmpeg工具以每秒一帧的速率进行关键帧提取，最终获得31张高分辨率图像。所有图像均经过严格的匿名化处理，利用OpenCV与YOLOv8模型对画面中的人脸区域进行模糊，以保护个人隐私。标注工作遵循YOLOv8 COCO格式，对行人、轿车、公交车、卡车及交通信号灯五类目标进行了边界框标注，数据直接适配主流检测框架的训练需求。

特点

该数据集的核心特点体现在其专注于夜间低光照交通场景，涵盖了湿滑路面与灯光反射等复杂视觉条件，为模型在真实世界恶劣光照环境下的鲁棒性评估提供了宝贵资源。数据规模虽为样本版本，但结构完整，包含图像、标签及配置文件，并采用YOLO标准化的归一化坐标格式，确保了即插即用的便利性。所有数据均已完成人脸匿名化处理，符合伦理规范，同时其标注类别聚焦于城市交通中的关键实体，直接服务于智能交通系统、自动驾驶研究及低光视觉基准测试等前沿方向。

使用方法

对于研究人员与开发者而言，该数据集的使用方法极为清晰。用户可直接利用其提供的`data.yaml`配置文件，配合`images`和`labels`文件夹中的内容，无缝接入Ultralytics YOLOv8或YOLOv9等训练流程，进行夜间车辆与行人检测模型的开发与微调。数据集适用于计算机视觉领域的算法基准测试，特别是在低光照条件下评估检测器的性能。需要注意的是，该样本数据集受定制商业许可证约束，允许用于模型训练、商业应用及内部研究，但明确禁止任何形式的再分发、公开上传或衍生数据集的销售行为，使用者应严格遵守许可条款。

背景与挑战

背景概述

随着智能交通系统与自动驾驶技术的蓬勃发展，夜间低光照环境下的视觉感知成为计算机视觉领域的关键研究课题。Tbilisi-Night-Traffic-Sample数据集由KIALGE于2025年创建，旨在为夜间交通场景下的目标检测提供高质量的标注数据。该数据集采集自格鲁吉亚第比利斯的真实夜间交叉路口，包含从4K视频中提取的匿名化图像帧，并以YOLOv8 COCO格式标注了行人、车辆及交通信号灯等关键目标。其核心研究问题聚焦于解决低光照、湿滑路面反光等复杂条件下的目标识别难题，为智慧城市AI系统、自动驾驶研究及低光检测基准测试提供了重要的数据支撑。

当前挑战

该数据集致力于应对夜间交通场景目标检测的固有挑战，包括低光照条件下图像细节丢失、车辆灯光与湿滑路面反射造成的干扰、以及动态环境中目标尺度与姿态的剧烈变化。在构建过程中，研究团队面临数据采集与处理的诸多困难：需在真实夜间环境中获取高质量4K视频，同时确保帧率提取的稳定性；采用YOLOv8模型进行初步检测后，仍需人工校验与修正标注以保障精度；此外，为保护隐私，所有图像均经过人脸模糊等匿名化处理，这在一定程度上增加了数据预处理的技术复杂度。

常用场景

经典使用场景

在智能交通与计算机视觉领域，夜间低光照条件下的目标检测一直是技术难点。Tbilisi-Night-Traffic-Sample数据集以其真实的第比利斯夜间交通场景，为研究者提供了宝贵的基准数据。该数据集最经典的使用场景是训练和评估YOLOv8、YOLOv9等先进目标检测模型在夜间的性能，特别聚焦于车辆、行人及交通信号灯的识别，有效支持了低光照环境下的算法鲁棒性研究。

实际应用

超越纯学术研究，该数据集的实际应用价值体现在智慧城市系统的构建中。基于此类数据训练的模型，可直接部署于城市交通监控网络，实现夜间车流统计、违章行为识别与交通安全预警。同时，它为自动驾驶系统的感知模块提供了至关重要的夜间测试数据，有助于提升自动驾驶车辆在黄昏及夜间等挑战性时段的环境感知能力与行驶安全。

衍生相关工作

围绕低光照目标检测这一核心挑战，该数据集已衍生出多项经典研究工作。研究者们利用其评估了不同数据增强策略（如低光照模拟、噪声注入）对模型性能的影响，并催生了专注于夜间场景的域自适应与迁移学习新方法。此外，它常被用作基准，与KITTI、BDD100K等数据集的日间数据结合，以综合评估模型在全天候条件下的泛化能力，推动了鲁棒感知系统的进展。