(IRTSD-Datasetv1)-Indian Road Traffic Sign Detection dataset

The advancement of machine and deep learning methods in traffic sign detection is critical for improving road safety and developing intelligent transportation systems. However, the scarcity of a comprehensive and publicly available dataset on Indian traffic has been a significant challenge for researchers in this field. To reduce this gap, we introduced the Indian Road Traffic Sign Detection dataset (IRTSD-Datasetv1), which captures real-world images across diverse conditions. Our dataset consists of 5141 images spanning 37 traffic sign classes, collected from over 90 cities in India, with varying distances and lighting conditions, using mobile phones. To demonstrate the effectiveness of our dataset, we evaluated it using YOLOv8, YOLOv10, and RT-DETR algorithms, achieving a mean average precision (mAP) of up to 98.25%. We believe that our dataset provides a solid foundation for future research in traffic sign detection or any computer vision task, contributing to significant advancements in this field.

机器学习和深度学习技术在交通标志检测领域的进步对于提升道路交通安全和发展智能交通系统至关重要。然而，关于印度交通的全面且公开可用的数据集的匮乏，已成为该领域研究人员面临的一大挑战。为弥合这一差距，我们推出了印度道路交通标志检测数据集（IRTSD-Datasetv1），该数据集捕捉了在不同条件下的真实世界图像。本数据集包含5141张图像，涵盖了37个交通标志类别，这些图像来自印度超过90个城市，展现了不同的距离和光照条件，并使用手机采集。为验证数据集的有效性，我们采用YOLOv8、YOLOv10和RT-DETR算法进行了评估，实现了高达98.25%的平均精度均值（mAP）。我们坚信，我们的数据集为未来在交通标志检测或任何计算机视觉任务中的研究奠定了坚实基础，并对此领域的发展做出了重大贡献。

搜集汇总

背景与挑战

背景概述

该数据集是一个专注于印度道路环境的交通标志检测数据集，包含5141张图像，覆盖37个交通标志类别，采集自印度90多个城市，使用手机拍摄，涵盖了不同距离和光照条件下的真实场景。它旨在支持机器学习和计算机视觉研究，特别是在交通标志检测领域，已通过YOLOv8等算法验证，平均精度(mAP)达到98.25%，为智能交通系统和道路安全应用提供了基础资源。