带标注信息的隧道目标识别数据集，可识别隧道内交通事故，起火，人和车辆，均为原始图片，正确识别率可达79.6% ，支持yolo，coco json，pascal voc xml格式

标记标签：

本数据集包含以下四类目标：

• accident：隧道内交通事故场景。
• fire：隧道内起火或烟雾场景。
• person：隧道内行人。
• vehicle：隧道内车辆（包括小型车、卡车等）。

对应的中文标签为：事故、火、人、车辆。

数据集分割

数据集已按标准机器学习流程划分为训练集、验证集和测试集，具体数量如下：

• 训练集：564 张图片
• 验证集：160 张图片
• 测试集：81 张图片

预处理

为适配主流目标检测模型，所有图片已统一预处理：

• 调整大小：统一缩放至 640x640 像素。

数据集详情：

下图展示了数据集的统计信息和部分样本预览：

训练图：

使用本数据集训练YOLO模型得到的损失曲线和精度指标图如下：

数据集下载地址：

数据集提供多种格式，请根据您的需求选择下载：

• YOLO v12格式：https://download.csdn.net/download/pbymw8iwm/92547905
• YOLO v11格式：https://download.csdn.net/download/pbymw8iwm/92547906
• YOLO v9格式：https://download.csdn.net/download/pbymw8iwm/92547907
• YOLO v8格式：https://download.csdn.net/download/pbymw8iwm/92547904
• YOLO v7格式：https://download.csdn.net/download/pbymw8iwm/92547902
• YOLO v5格式：https://download.csdn.net/download/pbymw8iwm/92547910
• COCO JSON格式：https://download.csdn.net/download/pbymw8iwm/92547909
• Pascal VOC XML格式：https://download.csdn.net/download/pbymw8iwm/92547903
• YOLO Darknet格式：https://download.csdn.net/download/pbymw8iwm/92547908

YOLO模型训练指南

步骤一：准备数据

1. 下载数据集并解压到当前工作目录。
2. 克隆训练仓库：https://gitcode.com/pbymw8iwm/YOLOProject
3. 将训练脚本复制到数据集目录。

步骤二：开始训练

根据您使用的YOLO版本选择对应的训练脚本：

• YOLOv8: python train_yolov8.py
• 其他版本请参考仓库中的对应脚本。

模型验证与测试

模型下载：训练完成后会在 runs/detect/train/weights 目录下生成最佳模型 best.pt。

模型验证测试情况：验证集上的mAP、精确率、召回率等指标可在训练日志中查看。

验证测试代码示例：

#需要安装pip install ultralytics
from ultralytics import YOLO
import cv2
 
# 加载训练好的 YOLO .pt 模型
model = YOLO('best.pt')  # 替换为你实际的 .pt 模型文件路径
 
# 定义要测试的图片路径
image_path = './image.jpg'  # 替换为你实际的图片文件路径
 
# 使用模型对图片进行预测
results = model(image_path)
 
# 获取预测结果
for result in results:
    # 获取绘制了检测框的图片
    annotated_image = result.plot()
 
    # 显示图片
    cv2.imshow("YOLOv Inference", annotated_image)
 
    # 等待按键退出
    cv2.waitKey(0)
 
    # 关闭所有 OpenCV 窗口
    cv2.destroyAllWindows()