智能车载终端驱动的城市事件识别数据集

本算法基于 YOLO 在城市/道路场景进行 171 类事件识别，数据以相对路径组织并按 train/val/test 划分，标签遵循 YOLO 归一化格式（class 与 xywh∈[0,1]，与 dataset.yaml 的 nc、names 对齐）；训练从 samples_index_data.csv 读取 train 样本，按 img_size=640 进行等比例 letterbox 预处理并启用 flip、HSV 扰动与 mosaic 增强（示例超参：epochs=100、batch=16），验证/测试不做增强（augmentations=none）；推理阶段以 conf_thres=0.25 和 iou_thres=0.45 进行 NMS，输出 class_id、confidence、bbox 并可映射为中文类名；评估报告 mAP@0.50 与 mAP@0.50:0.95 等指标；统一使用相对路径、严格校验标签与类别范围，非法/失效样本记录并过滤，确保训练与评估的可复现与稳定。

搜集汇总

背景与挑战

背景概述

该数据集是一个规模为305.8GB的智能车载终端驱动的城市事件识别数据集，主要用于智慧城市管理系统，通过摄像头实时监控自动识别交通违规、基础设施维护等171类城市管理问题。它基于YOLO深度学习算法，识别准确率可达95%以上，支持实时处理（响应时间小于100ms），旨在提高问题发现效率90%以上并减少人工巡查成本70%。