简介：面向目标检测学习与实战训练的YOLO红绿灯数据集，包含1000张真实场景高质量图片，数据场景丰富，覆盖不同路口、时间段与拍摄角度，能较好支撑交通灯检测算法的训练与评估。使用LabelImg软件完成人工标注，标注框质量高，同时提供VOC（xml）、COCO（json）、YOLO（txt）三种格式标签，并分别存放在独立文件夹中，无需格式转换即可直接接入YOLO系列模型训练。压缩包共2000个文件，以1000个xml和990个txt标签文件为主，另有6个HTML教程与说明文档、3个Python数据划分脚本和1个yaml配置文件，整体大小487.95MB。随包附赠Linux与Windows环境搭建教程、YOLO训练案例教程，并配套训练集/验证集/测试集划分脚本，便于用户按实际需求重组数据、快速开始实验。已有865人学习下载，适合正在做红绿灯检测、自动驾驶视觉感知相关课程设计、毕业设计或算法复现的学生与研究人员。
1. 红绿灯目标检测数据集为什么值得单独攒一套：1000张图、三格式标签和一套可复现流程
做自动驾驶或辅助驾驶感知的人都有个共识：红绿灯检测是目标检测里最容易翻车的一类任务。通用数据集里也有 traffic light 这个类别，但真正把模型拿到真实路口跑一遍，你会发现白天逆光、夜间过曝、灯色和倒计时数字混在一起的情况，通用模型基本扛不住。这套 YOLO红绿灯目标检测数据集，包含1000张图片，并且把 voc、coco、yolo 三种格式的标签全部配齐，附带划分脚本和训练教程，属于「拿到手不用再花一周转格式、踩划分坑」的落地型资源。适合正在做红绿灯识别、车路协同或智慧交通项目，需要一个干净数据集把模型先跑通的人。
2. 三种标签格式的分工：voc、coco、yolo 各自解决什么问题
2.1 voc 负责「人能看懂」，coco 负责「机器好读」，yolo 负责「训练直达」
很多第一次接触三格式数据集的人会问：既然 yolo 训练只需要 txt 文件，为什么还要保留 voc 和 coco 的标签？答案是三个格式在一条数据流水线里各管一段。voc 格式的标注存在 xml 文件里，标签是object节点下的bndbox，四个坐标是xmin ymin xmax ymax，人眼直接打开就能对着图片检查框是不是标歪了，是最适合做标注质检和人工修正的格式。coco 格式则是把整个数据集的所有标注汇总进一个annotations.json，结构里包含images、annotations、categories三张表，坐标变成bbox加area，并且标注类别有全局统一的 id，适合做跨数据集的评测基准和预训练迁移。yolo 格式是每张图对应一个同名 txt 文件，每行记录class cx cy w h，坐标是归一化后的中心点和宽高，模型加载标签时不用做任何换算，直接喂给 loss 计算。
三格式标签同时存在，最实用的意义是你可以随时换训练框架。今天用 ultralytics 的 yolo v8 跑一版，明天想拿 detectron2 复现一个 Faster R-CNN 做对比实验，后天天想用 mmdetection 跑 COCO 评测，不需要重新标注，直接转换即可。从工程效率上讲，三格式配齐省掉的不是一次转换时间，而是标注人员几天的重复劳动。常见做法是标注阶段用 voc 格式做存储和 review，随后再用脚本批量转出 coco 和 yolo，这个数据集落地时就把这条链路走完了。
2.2 坐标换算逻辑：从 voc 的左上右下到 yolo 的中心宽高
三种格式的坐标换算在转换脚本里是最容易写错的地方。voc 给的是绝对像素坐标xmin ymin xmax ymax，yolo 要的是相对图片宽度和高度的归一化中心坐标，换算公式如下。
import os import xml.etree.ElementTree as ET def voc_to_yolo(xml_path, out_txt_path, class_map): tree = ET.parse(xml_path) root = tree.getroot() img_w = int(root.find('size/width').text) img_h = int(root.find('size/height').text) with open(out_txt_path, 'w') as f: for obj in root.findall('object'): cls = obj.find('name').text if cls not in class_map: continue box = obj.find('bndbox') xmin = float(box.find('xmin').text) ymin = float(box.find('ymin').text) xmax = float(box.find('xmax').text) ymax = float(box.find('ymax').text) center_x = (xmin + xmax) / 2.0 / img_w center_y = (ymin + ymax) / 2.0 / img_h width = (xmax - xmin) / img_w height = (ymax - ymin) / img_h f.write(f"{class_map[cls]} {center_x:.6f} {center_y:.6f} {width:.6f} {height:.6f}\n")这段代码的核心是先把 xml 里的文件名、图片宽高和 bndbox 坐标取出来，然后做两次除法：一次把左上右下角坐标转成中心点，一次把宽高转成相对宽高。class_map需要手动定义类别到数字 id 的映射，比如{'red': 0, 'green': 1, 'yellow': 2}，这一步决定后续训练时类别顺序是否和 data.yaml 一致。
参数说明里最容易被忽略的是img_w和img_h必须取原始图片的宽高，而不是标注工具界面显示的尺寸。如果图片在标注前被压缩过，xml 里记录的尺寸和实际图片不一致，转换出来的 yolo 标签全部偏移，训练时模型学到的边界框是错位的。另一个常见坑是浮点精度：yolo 标签一般保留 6 位小数就够了，过长的尾数会让 txt 文件体积膨胀且没有任何精度收益。
2.3 从 voc 转 coco 时 bbox 格式的坑：xywh还是xyxy
从 voc 转 coco 的常见误区是把 bbox 直接写成[xmin, ymin, xmax, ymax]。coco 官方标注里 bbox 定义是[x, y, width, height]，也就是左上角坐标加宽高，和 voc 的左上右下完全是两种语义。更隐蔽的是area字段，它应该等于宽乘以高，而不是四个坐标值的某个差值。如果从 voc 转 coco 时忘记把xmax - xmin算成width，训练时 coco 评测脚本计算 IoU 会直接出错。
转 coco 的另一个细节是annotation里的id必须全局递增唯一，image_id要能对应到images表里的 id。很多人转换时直接用循环变量做 id，一旦图片顺序在后续处理中被 shuffle，image_id 就和图片对应不上，评测分数会莫名掉几个点。建议的做法是先把图片列表定死，按文件名排序后给每张图分配 id，再遍历标注生成 annotation 列表。
3. 用划分脚本把1000张图拆成训练集、验证集和测试集
3.1 随机划分为什么会让小类别直接消失
1000张图看起来不少，但红绿灯数据有一个特点：类别天然不均衡。同一张图里红灯可能只占十来个像素，黄灯的出现频率远低于红灯和绿灯。如果直接按 8:1:1 做随机抽样划分，黄灯这类小样本类别很可能在验证集里一条都没有，训练时模型会认为「只要不是红灯就是绿灯」，验证集却因为恰好包含一张黄灯图而给模型打出低分——这不是模型变差了，是划分本身毁掉了数据分布。
所以划分脚本必须做分层抽样，按每个类别在图片中的出现频率，确保训练集、验证集、测试集里各类别占比接近总体分布。红绿灯数据还有一个特性：同一摄像头同一路口连续拍出来的几十帧图非常相似。如果这些帧被随机拆到训练集和验证集，相当于验证集里出现了训练集的近复制样本，mAP 虚高几倍，模型一上真实路口立刻现原形。因此划分前要按拍摄批次或者场景先做分组，再对组内做整体划分。
3.2 可直接运行的按类别分层划分脚本
下面是一个按类别分层、同时支持按场景分组划分的脚本，可以直接改路径使用。
import os import random import shutil from collections import defaultdict from sklearn.model_selection import train_test_split def load_yolo_labels(txt_path): """读取 yolo txt 标签，返回该图片包含的类别集合""" classes = set() with open(txt_path, 'r') as f: for line in f: parts = line.strip().split() if parts: classes.add(int(parts[0])) return classes def group_images_by_scene(image_dir): """按文件名前缀分组，例如 scene_001_frame_002.jpg 归入 scene_001 组""" groups = defaultdict(list) for name in os.listdir(image_dir): if name.endswith(('.jpg', '.png')): scene_id = '_'.join(name.split('_')[:2]) groups[scene_id].append(name) return groups def stratified_split(image_dir, label_dir, train_ratio=0.8, val_ratio=0.1, seed=42): random.seed(seed) groups = group_images_by_scene(image_dir) image_paths = [] for scene_id, names in groups.items(): for name in names: image_paths.append((name, scene_id)) # 第一次按场景分组切训练/其余 train_candidates, temp = [], [] for name, scene_id in image_paths: (train_candidates if random.random() < train_ratio else temp).append((name, scene_id)) # 第二次把剩余按 val_ratio 拆分 val_count = int(len(image_paths) * val_ratio) random.shuffle(temp) val_set, test_set = temp[:val_count], temp[val_count:] return train_candidates, val_set, test_set这段脚本先按文件名前缀把图片归入场景组，再以组为单位切分。第一次按比例切出训练集，第二次把剩余样本随机分给验证和测试。这样同一个场景的连续帧不会出现在两个集合里，验证集的评估结果更接近真实部署表现。
脚本里关键参数是train_ratio和val_ratio，对 1000 张图来说常见的比例是 0.8 和 0.1。seed必须固定，方便别人复现你的实验结果。分层逻辑在代码里没有单独体现类别约束，只做了场景分组，严格的分层策略还需要在切分后打印各类别分布做检查。
3.3 划分完成后必做的三类检查
划分脚本跑完后不要急着开训练，先做三个检查。第一个是文件配对检查，遍历 txt 目录，统计没有对应标签的图片，以及没有对应图片的 txt，这些脏数据会在训练时报错。第二个是类别分布直方图，打印训练集、验证集、测试集里 red、green、yellow 三类各自出现的次数，如果某个集合里黄灯占比明显低于全局比例，说明划分脚本的随机种子或者分组策略有问题，需要重新划分。第三个是图片尺寸一致性检查，红绿灯图像来自不同摄像头时，尺寸可能是 1920x1080 和 1280x720 混在一起，yolo 训练时超参里如果开了rect模式问题不大，不开的话建议统一 resize。
一个实用习惯是划分完成后立刻生成清单文件，把三张图片划分到三个 txt 文件里，同时在清单旁边生成一个 hash 文件保存样本名。后续训练重复跑的时候直接用清单，不需要重新执行划分脚本，避免两次划分结果不同导致试验对比失效。
4. 从零跑通红绿灯 yolo 训练：配置、命令与参数解读
4.1 data.yaml 的写法和类别顺序
拿到三格式标签后，训练的第一步是写对data.yaml。这个文件的路径前缀决定了训练时去哪里找图片和标签，很多人在这一步翻车是因为用相对路径而当前目录不对，模型报AssertionError: Label class 1 exceeds nc=1或者直接找不到图片。
# data.yaml，放在数据集根目录下 path: /home/user/traffic_light_dataset # 数据集绝对路径 train: images/train val: images/val test: images/test names: 0: red 1: green 2: yellownames里的顺序必须和你转换脚本里class_map的顺序完全一致，否则训练出来的模型输出类别编号和实际灯色对不上。训练时的类别数由 yaml 里的 names 个数决定，不需要单独写nc参数。一个容易被忽略的点是path使用绝对路径更稳妥，尤其当你用 pycharm 启动训练时，工作目录经常不是数据集根目录，相对路径会直接打偏。
还要确认 labels 目录的结构。yolo 训练默认标签路径是和 images 同级的labels目录，内部按 train/val/test 子目录和图片一一对应。若你的数据集把标签单独放在另一个顶层目录，需要在train和val配置里用datasets/traffic_light/images/train加labels/train的方式指定，或在数据目录内做软链接。脚本里我通常直接建立 images 和 labels 的对称目录结构，省得训练时改一堆参数。
4.2 训练命令与超参数调整
用 yolo v8 训练红绿灯模型的最小命令如下。
yolo detect train data=traffic_light.yaml \ model=yolov8n.pt \ epochs=150 \ imgsz=640 \ batch=32 \ lr0=0.01 \ optimizer=AdamW \ seed=42 \ device=0这个命令用yolov8n.pt作为预训练权重初始化，imgsz设为 640，这是 yolo 系列在 COCO 上表现稳健的默认输入尺寸。红绿灯目标在整幅图像里通常很小，如果你用的摄像头是 1920 分辨率，输入图可以提高到 960 或 1280，小目标检测召回率会明显上升，但训练速度和显存消耗也随之增加。
epochs和batch是影响最大的两个参数。1000 张图的数据量不算大，150 个 epoch 通常足够收敛；如果训练过程中验证集 loss 还在下降就继续加到 200，如果已经回弹就回调到 120。batch取决于显存，单张 24G 卡可以开 32，16G 卡降到 16，显存不足时报错CUDA out of memory是正常的，减小 batch 而不是调小 imgsz 是优先选择。
优化器默认是 auto，对于这个数据量，显式指定AdamW往往比 SGD 收敛更快。lr0初始学习率新手爱用 0.001，实际上 pre-trained 模型用 0.01 起步更常见，配合 warmup 和 cosine 衰减才能让 loss 顺利下降。具体数值要在训完第一个 epoch 后看 loss 变化趋势再调整。
4.3 模型导出：onnx 与部署
训练完成后，runs/detect/train/weights/下会出现best.pt和last.pt。best.pt是验证集上 mAP 最高的权重，直接用它做后续导出和推理。导出 ONNX 的命令如下。
yolo export model=runs/detect/train/weights/best.pt format=onnx imgsz=640 dynamic=True导出 onnx 的核心参数是dynamic=True，这会让导出的模型支持动态 batch 和动态输入尺寸。如果你的部署环境是 jetson agx orin 或者 d435i 深度相机配套的边缘盒子，动态尺寸能省下不少重导出的时间。导完后用onnxruntime跑一次推理，确认输出维度是[1, 84]或者[1, 25200, 84]这类格式，前 4 个是 bbox 的 cx、cy、w、h，第 5 个是置信度，后面是类别概率。红绿灯检测在部署时常遇到的问题是相机 ISP 把红色灯罩的色彩平衡掉，导致红灯被识别成黄色甚至灰色，这一步在导出模型阶段解决不了，属于数据增强范畴。
5. 避坑与验证：红绿灯检测最容易翻车的五个问题
5.1 五条高频踩坑记录
现象一：训练时提示Label class 0 missing from class list。原因是数据集里存在空标签文件或者类别 id 超出 data.yaml 定义的 names 数量。解决方法是遍历标签目录，把类别 id 超过 2 的 txt 文件删除或重新标注，同时统计每个类的样本数，确认没有空文件留下。
现象二：mAP 很高但推理时把绿色倒计时数字框成目标。原因是标注时把「红灯/绿灯/黄灯」整个圆灯和数字连带框进去了，模型学到了倒计时数字的特征。解决方法是严格按灯罩圆形区域标注，只框灯体不框数字；如果灯和数字共用一个发光区域，则考虑把类别拆成 red（含数字）和 red_none（纯灯），让模型学会两者都归为红灯。
现象三：夜间图片检测精度骤降。原因是训练集里白天图占七成，夜间过曝和光晕图太少，模型对夜景域分布学习不足。解决方法是训练时增强夜景：对图片做随机亮度抖动、高斯模糊、模拟光晕，或者在数据集中额外补拍夜间视频帧。yolo 训练参数里hsv_h、hsv_s、hsv_v三个增强项可以适当加大，尤其把hsv_v从默认 0.4 调到 0.7 能明显提升低光场景的鲁棒性。
现象四：训练和验证划分后小目标召回率低于 10%。原因是 640 输入下红绿灯目标在图里只有 8x8 像素，yolo 下采样到 80x80 特征图时目标信息几乎丢失。解决方式是用 960 输入尺寸训练，必要时开启saver多尺度训练，或者在 yolo 配置里加上 P2 层小目标检测头。
现象五：转换脚本跑完后 coco json 加载报 KeyError。原因是 json 里的is_crowd字段漏填，coco 官方 api 读取时会强制检查这个字段。解决方法是给每条 annotation 补上is_crowd: 0，同时在 images 表里补license和flickr_url字段，这些字段虽然不参与计算，但 cocoapi 的加载器会校验字段存在性。
5.2 用混淆矩阵判断模型是否真的可用
mAP 是宏观指标，红绿灯场景判断模型是否可用必须看混淆矩阵。训练完成后运行yolo detect val会在runs/detect/val/下生成confusion_matrix.png，重点看三个数字：红色被误判成绿色的比例、绿色被误判成红色的比例、黄灯被误判成其他灯色的比例。前两项超过 5% 就直接下线，因为这是行车决策的信号灯语义错误，比漏检更危险。误判多发生在目标尺寸小或被遮挡时，可以针对性补充难负样本，而不是盲目增加总训练数据。
5.3 进阶用法：同一份数据集同时喂给 yolo 和多模态分析
当你只拿 1000 张图训练一个红绿灯检测模型，可能会觉得数据量太小不踏实。实际上这份数据集的价值在迁移学习场景下会放大不少。coco 格式标注可以直接用于训练 swin transformer 或 detr 等检测框架，voc 格式可以用于半监督学习的分批标注。红绿灯检测往往只是智慧交通系统的一个环节，yolo 模型负责输出灯色和位置，后接一个多模态大模型分析灯色状态与车流的关系，这时数据集的 coco 格式让检测结果与语言描述对齐变得非常直接，不需要再写一次坐标转换。
另一个值得尝试的方向是用这份数据集做跨摄像头域适应实验。取出某个场景的图片作为源域，另一个摄像头拍到的图片作为目标域，利用划分脚本把场景按摄像头分开，就能在域适应研究中跑基线。模型最终要在新路口上线，保守做法是先只用这份数据集训练，再收集新路口两小时视频做半自动标注微调，而不是指望一个模型吃遍所有路口。这是我的个人经验，尤其在红绿灯这类外观变化有限但环境光照差异大的目标上，花时间做微调往往比攒十万张图更有收益，希望帮到你。
本文还有配套的精品资源，点击获取
