自动驾驶方向开源数据集资源汇总

人工智能 无人驾驶 新闻
本文收集了关于自动驾驶的一些开源数据集。

​城市景观图像对数据集

数据集下载地址:http://m6z.cn/6qBe8e

城市景观数据(数据集主页)包含从德国驾驶的车辆中拍摄的标记视频。此版本是作为 Pix2Pix 论文的一部分创建的已处理子样本。数据集包含来自原始视频的静止图像,语义分割标签与原始图像一起显示在图像中。这是语义分割任务的最佳数据集之一。

图片

自动驾驶汽车的语义分割数据集

数据集下载地址:http://m6z.cn/5zYdv9

该数据集提供通过 CARLA 自动驾驶汽车模拟器捕获的数据图像和标记语义分割。该数据集可用于训练 ML 算法以识别图像中汽车、道路等的语义分割。

图片

BDD100K驾驶视频数据集

数据集下载地址:http://m6z.cn/6qBeaa

UCB的全天候全光照大型数据集,包含1,100小时的HD录像、GPS/IMU、时间戳信息,100,000张图片的2D bounding box标注,10,000张图片的语义分割和实例分割标注、驾驶决策标注和路况标注。官方推荐使用此数据集的十个自动驾驶任务:图像标注、道路检测、可行驶区域分割、交通参与物检测、语义分割、实例分割、多物体检测追踪、多物体分割追踪、域适应和模仿学习。

图片

CULane数据集

数据集下载地址:http://m6z.cn/643fxb

CULane 是一个大规模的具有挑战性的数据集,用于交通车道检测的学术研究。它是由安装在北京不同司机驾驶的六辆不同车辆上的摄像头收集的。收集了超过 55 小时的视频,提取了 133,235 帧。在每一帧中,交通车道都用三次样条手动注释。对于车道标记被车辆遮挡或看不见的情况,仍根据上下文进行车道注释。障碍物另一侧的车道没有注释。在这个数据集中,主要关注的是四车道标记的检测,这在实际应用中是最受关注的。其他车道标记没有注释。

图片

非洲地区交通标志数据集

数据集下载地址:http://m6z.cn/6j5167

两个开源数据集仅用于提取非洲地区使用的交通标志。该数据集包含来自所有类别的 76 个类,例如,监管、警告、指南和信息标志。该数据集总共包含 19,346 张图像和每个类别至少 200 个实例。

图片

Argoverse数据集

数据集下载地址:http://m6z.cn/5P0b9B

Argoverse针对的任务:3D追踪和动作预测,两个任务对应的数据集其实是独立的,只是采集设备和采集地点一样而已。提供了360度的视频和点云信息,并根据点云重建了地图,全天候全光照。标注了视频和点云中的3D bounding box。3D追踪的数据集包含113段15-30秒的视频,动作预测中包含323,557段5秒的视频(总计320小时)。数据集的主要亮点还是在原始数据和地图的联动上。

图片

驾驶模拟器车道检测数据集

数据集下载地址:http://m6z.cn/5zYdzP

该数据集由 Carla 驾驶模拟器生成的图像组成。训练图像是由安装在模拟车辆中的行车记录仪捕获的图像。标签图像是分割掩码。标签图像将每个像素分类为:左侧车道边界的和右侧车道边界。与该数据集相关的挑战是训练一个能够准确预测验证数据集的分割掩码的模型。

图片

道路上自动驾驶汽车数据集

数据集下载地址:http://m6z.cn/5ss0xe

该数据集为自动驾驶车辆提供了易于使用的训练数据。提供驾驶视频中每一帧对应的转向角、加速度、刹车和档位。这段视频是使用安装在汽车挡风玻璃上的摄像头录制的,该汽车沿着印度喀拉拉邦的道路行驶。

图片

加州理工学院行人数据集

数据集下载地址:http://m6z.cn/5P0bdX

加州理工学院行人数据集由大约 10 小时的 640x480 30Hz 视频组成,该视频取自在城市环境中通过常规交通行驶的车辆。注释了大约 250,000 帧(在 137 个大约分钟长的片段中),总共 350,000 个边界框和 2300 个行人。

图片

CamSeq 2007数据集

数据集下载地址:http://m6z.cn/5ss0Ho

CamSeq是一个地面数据集,可自由用于视频目标识别中的研究工作。该数据集包含 101 个 960x720 像素的图像对。每个掩码都由文件名之外的“_L”指定。所有图像(原始图像和真实图像)均为未压缩的 24 位彩色 PNG 格式。

该数据集最初是针对自动驾驶汽车的问题而设计的。此序列描绘了从一辆动感的汽车拍摄的剑桥市的动感驾驶场景。这是一个具有挑战性的数据集,因为除了汽车的自我运动之外,其他汽车,自行车和行人也有自己的运动,而且它们经常相互堵塞。

图片

真实的工业场景数据集

有媒体收集了大量工业界、产业界的真实场景数据集,共有高达1473GB高质量内部数据集资源。数据集均来自于真实的业务场景,由产业合作伙伴和媒体搜集和提供。

图片

在打榜模块下,开发者们可以免费的使用内部数据集进行算法开发,我们还给大家提供了免费的算力支持以及相关技术答疑。

不仅如此,算法模型的分数达到标准后会给予开发者们定额的奖励,排名靠前的开发者还可以与平台签约合作,持续获得算法的订单长期分成收益!

平台已对接智慧城市、商业地产、明厨亮灶等行业真实需求,包括不限于目标检测、行为识别、图像分割、视频理解、目标跟踪、OCR等视觉算法方向。

最新目标检测类项目:打手机识别项目:http://m6z.cn/6qBdJS

更多打榜项目:http://m6z.cn/6xrthf​

责任编辑:张燕妮 来源: 智驾最前沿
相关推荐

2023-10-30 09:47:00

自动驾驶技术

2023-07-12 09:52:57

自动驾驶模式

2021-11-18 09:50:35

自动驾驶辅助驾驶人工智能

2022-10-27 10:18:25

自动驾驶

2018-10-24 14:16:33

自动驾驶道路测试牌照

2023-11-06 09:42:03

自动驾驶数据

2022-07-12 09:42:10

自动驾驶技术

2020-03-27 22:15:52

自动驾驶物联网大数据

2021-08-19 11:33:16

自动驾驶人工智能AI

2020-09-28 14:00:06

自动驾驶AI网络

2019-09-19 14:10:12

人工智能物联网自动驾驶

2021-12-16 10:45:22

自动驾驶数据人工智能

2021-12-01 10:21:27

自动驾驶技术人工智能

2018-10-30 09:47:31

2021-01-26 21:26:10

自动驾驶AI人工智能

2024-01-30 09:39:36

自动驾驶仿真

2020-03-27 16:20:06

自动驾驶疫情技术

2022-01-06 10:21:56

自动驾驶数据人工智能
点赞
收藏

51CTO技术栈公众号