Mapillary交通标志数据集是世界上最大，用途最广泛的可公开获得的交通标志数据集，可用于教学机器检测和识别交通标志。该数据集由来自世界各地的100,000张图像组成，从天气和一天中的时间到相机传感器和视点的变化都很大。

超过300种不同的交通标志类别已经过验证和注释，从而在图像中产生了320,000多个带有标签的交通标志。使用我们的计算机视觉技术，已对52,000多幅图像进行了全面验证和注释，其余图像部分进行了注释。   我们已经进行了广泛的实验，为检测和分类任务建立了牢固的基线。此外，我们已经验证了该数据集的多样性可以对交通标志检测和分类的现有大型基准数据集进行有效的转移学习。

我们还使用过去的交通标志数据集和其他交通标志数据集研究了转移学习的影响。我们的结果表明，由于我们数据集的完整性和多样性，对我们的数据集进行预训练可将二进制检测任务的平均精度提高约6％。

图像由经验丰富的摄影师利用不同的成像设备（手机，平板电脑，运动相机，专业捕捉装备）进行拍摄捕捉。通过这种方式，我们的数据集涵盖了多样性，丰富的细节以及地理信息。为了使数据集能作为一个基准进行各种任务，我们定义语义图像分割以及实例图像分割，旨在进一步开发用于视觉道路场景理解的先进算法。下图就是本文对图像进行分类的标签，包括大类以及在大类中分的小类。源于International  Conference on Computer Vision (ICCV 2017)。

数据集特点

1、100,000张高分辨率图像（52,000张完整注释，48,000张部分注释），带有大于200万个手动绘制多边形的像素标注

2，超过300种带有边界框注释的交通标志类

3，图像和交通标志类别的全球地理覆盖范围，覆盖北美和南美，欧洲，非洲，亚洲和大洋洲

4，包含天气条件（太阳，雨，雪，雾，阴霾）和拍照时间（黎明，白天，黄昏，甚至夜晚）的变化。