自动驾驶中的交通标志识别：数据集、基准测试与现场实验
计算机视觉与模式识别
2026-03-25 v1
摘要
交通标志识别（TSR）是自动驾驶中核心的感知能力，对跨区域变化、长尾类别和语义模糊性都要求较高，才能在实际场景中实现可靠部署。尽管识别精度不断提高，现有交通标志数据集和基准测试仍为分析不同建模范式在这些实际挑战下的行为提供有限的诊断性见解。我们提出TS-1M数据集，包含超过一百万张真实世界图片，覆盖454个标准化类别，并配套诊断性基准测试，以分析模型能力边界。除常规的训练-测试评估外，我们提供一系列挑战性场景，包括跨区域识别、稀有类别识别、低清晰度鲁棒性和语义文本理解，实现对现代TSR模型的系统性、细粒度评估。在TS-1M上，我们对三种典型学习范式（经典监督模型、自监督预训练模型和多模态视觉语言模型）进行统一基准测试。我们的分析揭示了范式依赖性行为：语义对齐是跨区域泛化和稀有类别识别的关键因素，而纯视觉模型对外观变化和数据不平衡仍然敏感。最后，我们通过实际场景的自动驾驶实验验证了TS-1M的实际价值，将交通标志识别与语义推理和空间定位集成，以支持地图级别的决策约束。总体而言，TS-1M为TSR建立了参考级诊断性基准，提供了面向稳健和语义感知交通标志感知的原则性见解。项目页面：https://guoyangzhao.github.io/projects/ts1m。
引用
@article{arxiv.2603.23034,
title = {Traffic Sign Recognition in Autonomous Driving: Dataset, Benchmark, and Field Experiment},
author = {Guoyang Zhao and Weiqing Qi and Kai Zhang and Chenguang Zhang and Zeying Gong and Zhihai Bi and Kai Chen and Benshan Ma and Ming Liu and Jun Ma},
journal= {arXiv preprint arXiv:2603.23034},
year = {2026}
}