计算机数据集信息表1信息类别详情数据集类别计算机视觉领域下的目标检测数据集核心识别类别为“r”边界专注于触觉路面相关目标的特征捕捉与识别数据数量包含171张图像数据配套构建1个目标检测模型同时提供2个关联数据集形成“图像-模型-辅助数据集”的基础资源体系数据格式以图像文件为核心载体未明确标注具体文件格式如JPG、PNG等但适配计算机视觉模型训练的通用图像输入需求可直接用于模型训练与测试核心应用价值1. 为视障辅助设备研发提供数据支撑助力设备精准识别触觉路面边界提升视障人士出行安全性2. 支撑智能交通或市政巡检系统开发实现触觉路面设施的自动化检测与维护3. 作为目标检测算法的专项训练数据优化小类别目标仅r”类识别的精度与稳定性计算机数据集信息表2盲道数据集核心信息表信息类别具体内容数据集类别目标检测类数据集核心标注类别为“path路径对应盲道”标注形态采用多边形polygon格式精准框定盲道区域轮廓同时包含图像基础属性尺寸、分辨率等与标注历史记录两类辅助信息。数据数量数据集共含55张图像按用途划分为训练集40张、验证集10张、测试集5张标注层面包含1个核心模型、11条有效注释每张图像均关联完整的原始数据与标注数据JSON格式文件。数据格式图像文件格式为PNG单张图像尺寸907×684像素0.62MP标注数据与源数据均以JSON格式存储标注文件含框选ID、类型、坐标、顶点数组等细节源数据文件记录创建时间、所有者、数据集关联关系等元信息。核心应用价值1. 为盲道识别算法开发提供标注数据支撑助力导盲设备如导盲机器人、智能眼镜实现实时盲道定位2. 可用于城市无障碍设施巡检系统训练辅助检测盲道破损、占用等问题3. 为计算机视觉领域“细长型路径目标检测”任务提供专项数据样本。该数据集的核心类别聚焦目标检测专门针对“盲道”这一特定对象构建标注体系。标注方式采用多边形框选能更贴合盲道长条状、不规则的实际形态避免矩形框标注的精度损耗同时附带的图像属性与历史记录让数据可追溯性更强。数据格式上PNG图像格式能保留盲道细节纹理避免压缩失真JSON格式的标注与源数据则便于算法读取和二次处理其中标注文件里的顶点数组、坐标信息可直接用于模型训练时的特征提取源数据的元信息则为数据管理和版本控制提供便利整体格式设计围绕“易用性”和“实用性”展开。