来自SWITRS的加利福尼亚交通碰撞数据:向CHP报告的每次交通冲突的详细信息。 California Traffic Collision Data from SWITRS_datasets.txt California Traffic Collision Data from SWITRS_datasets.zip

主要为9个视频，不提供代码，视频内容为南京市洪武路附近的监控视角下的车两道路路况，视频为裁剪过的。时间是在2017-10-17到2017-10-19三天五点过后的视频，时长不一。可用作计算机视觉、深度学习、机器学习、目标检测、路况分析等领域，在交通和计算机领域比较有用。

数据集包含58个类别的5998个交通标志图像。每个图像都是单个交通标志的缩放视图。注释提供图像属性（文件名，宽度，高度）以及图像和类别内的交通标志坐标（例如5 km / h的速度限制）。该数据集源自中国交通标志识别数据库。里加数据科学俱乐部的成员已经对其进行了探索，以便进行卷积神经网络的一些培训。 annotations.csv Chinese Traffic Signs_datasets.txt Chinese Traffic Signs_datasets.zip

CarND交通标志分类器- 交通标志识别 建立交通标志识别项目 该项目的目标/步骤如下： 加载数据集（请参见下面的链接到项目数据集） 探索，总结和可视化数据集 设计，训练和测试模型架构 使用模型对新图像进行预测 分析新图像的softmax概率 用书面报告总结结果 专栏积分 在这里，我将分别考虑并描述我在实现过程中如何解决每个要点。 可以在找到项目代码 数据集摘要与探索 该项目使用的数据集是，可从下载 训练示例数= 34799 有效示例数= 4410 测试例数= 12630 图像数据形状=（32，32，3） 班级数量= 43 这是分类分布的图像。 设计和测试模型架构 1.图像数据预处理 将图像数据归一化，以使数据具有均值零和均等方差。 对于图像数据，（像素-128）/ 128是近似标准化数据的快速方法，可以在此项目中使用。 灰度转换-图像颜色不是交通标志的显着特征。 2.

2019年1月1日~2019年3月31日之间，d07区的数据，数据格式为TXT格式。文档为百度文库的分享链接，打开下载即可。

LTM源代码

Learning Traffic as Images: A Deep Convolutional Neural Network for Large-Scale Transportation Network Speed Prediction Xiaolei Ma

Deep Learning for Encrypted Traffic Classification:An Overview.pdf

Robust Smartphone App Identification Via Encrypted Network Traffic Analysis.pdf

yolo标注格式，交通标志目标检测数据集Traffic Signs Dataset in YOLO format：prohibitory、danger、mandatory、other