eye 行人號誌閱讀器
開源與資料
本專題建立在多項開源專案與公開資料之上。以下列出使用的資料來源、工具及其授權，MIT 授權項目另以藍色標示。
最後更新：2026 年 10 月 9 日
訓練資料來源
| 來源 | 用途 | 用量 | 授權 |
|---|---|---|---|
| 自建台灣路口資料集（Roboflow） | 偵測與燈色分類的主要資料 | 下載 2,455 張，篩除車輛視角後 1,364 張 | CC BY 4.0 |
| 維基共享資源（第一批） | 台灣號誌影像、街景困難負樣本 | 328 張 | CC BY-SA／CC BY／CC0，逐張不同 |
| ImVisible PTL（上海，Samuel Yu 等） | 國外行人號誌 | 篩選後 2,802 張可用 | MIT |
| pedestrian-traffic-light（ono-gedd7，Roboflow Universe） | 國外近距離號誌 | 683 張 | CC BY 4.0 |
| Traffic Lights of New York（Hugging Face） | 車用號誌負樣本 | 151 張，裁切出 558 個燈箱 | MIT，影像來自 Unsplash |
| nsw_traffic_lights（Hugging Face） | 車用號誌負樣本與誤判測試 | 66 張 | MIT |
| 開發板相機實拍 | 最接近實際使用情境的影像 | 51 張路口影像 | 自有，不公開（影像含路人臉部） |
| 近距離合成影像（程式產生） | 手機螢幕、近距離情境 | 每版約 1,500＋200 張 | 由自建資料產生 |
國外資料最多僅占訓練集的三分之一，以台灣號誌的外觀為主體。維基共享資源影像的逐張作者與授權清單，收錄於專題文件。
使用的工具與開源專案
模型訓練與推論
- Ultralytics YOLO偵測模型（YOLO26n）與燈色分類模型（YOLO11n-cls）的訓練框架及預訓練權重AGPL-3.0
- PyTorch深度學習框架BSD-3-Clause
- OpenCLIP篩除機車與行車視角的影像（不部署至開發板）MIT
- ONNX Runtime於電腦上模擬開發板推論，進行離線評估MIT
- OpenCV影像前處理Apache-2.0
- NumPy數值運算BSD-3-Clause
- Pillow影像讀寫與號誌影像裁切HPND
K230 開發板
- nncase將模型轉換為 int8 kmodel，於 KPU 上執行Apache-2.0
- CanMV K230 韌體 v1.8開發板上的 MicroPython 執行環境GitHub 未標示授權
外殼設計與製造
- build123d以程式建立參數化 CAD 模型Apache-2.0
- trimesh檢查封閉實體、懸空面與零件干涉MIT
- PyVista外殼渲染圖MIT
- OrcaSlicer切片，產生 Bambu Lab 印表機的列印檔AGPL-3.0
- ReportLab外殼設計文件 PDFBSD
網站
- Lighthouse檢測網站效能、無障礙與最佳實務Apache-2.0
- axe-core無障礙規則（WCAG 2.2 AA）；Lighthouse 內建，另以 Playwright 執行完整規則MPL-2.0
- Playwright以實際瀏覽器自動測試：多種螢幕尺寸、顯示模式、鍵盤操作與互動功能Apache-2.0
- html-validate檢查 HTML 是否符合規範MIT
- fonttools僅保留網頁使用的字元，縮減中文字型檔案MIT
- 粉圓 Huninn、Noto Sans TC、IBM Plex Mono網站字型OFL-1.1
- Wrangler（Cloudflare）部署至 Cloudflare PagesApache-2.0
雲端服務（非開源）
- Kaggle免費 GPU（T4），用於模型訓練服務條款
- Roboflow影像標註與資料集管理服務條款
- Onshape雲端檢視與分享外殼模型服務條款
授權注意事項
Ultralytics YOLO 採用 AGPL-3.0 授權：學術研究可正常使用；若日後公開發布以其訓練的模型或用於商業用途，須依 AGPL-3.0 釋出原始碼，或另行取得商業授權。
CC BY 與 CC BY-SA 授權的影像，於報告或展示中直接引用時，須標示作者、授權與原始連結；CC BY-SA 影像的衍生作品須以相同授權釋出。