Maison > Périphériques technologiques > IA > Résumé des ressources d'ensembles de données open source pour la conduite autonome

Résumé des ressources d'ensembles de données open source pour la conduite autonome

王林
Libérer: 2023-04-12 20:07:04
avant
1712 Les gens l'ont consulté

​Ensemble de données de paires d'images de paysage urbain

Adresse de téléchargement de l'ensemble de données : http://m6z.cn/6qBe8e

Les données de paysage urbain (page d'accueil de l'ensemble de données) contiennent des vidéos étiquetées prises à partir de véhicules conduits en Allemagne. Cette version est un sous-échantillon traité créé dans le cadre du document Pix2Pix. L'ensemble de données contient des images fixes de la vidéo originale et les étiquettes de segmentation sémantique sont affichées avec l'image originale. C'est l'un des meilleurs ensembles de données pour les tâches de segmentation sémantique.

Résumé des ressources densembles de données open source pour la conduite autonome

Ensemble de données de segmentation sémantique pour les voitures autonomes

Adresse de téléchargement de l'ensemble de données : http://m6z.cn/5zYdv9

Cet ensemble de données fournit des images de données et une segmentation sémantique étiquetée capturées via le simulateur de voiture autonome CARLA. Cet ensemble de données peut être utilisé pour entraîner des algorithmes ML afin d'identifier les segmentations sémantiques des voitures, des routes, etc. dans les images.

Résumé des ressources densembles de données open source pour la conduite autonomeRésumé des ressources d'ensembles de données open source pour la conduite autonome

Ensemble de données vidéo de conduite BDD100K

Adresse de téléchargement de l'ensemble de données : http://m6z.cn/6qBeaa

Ensemble de données à grande échelle et éclairage complet tous temps d'UCB, comprenant 1 100 heures de vidéo HD, GPS/IMU , informations d'horodatage, annotation de boîte englobante 2D de 100 000 images, annotation de segmentation sémantique et de segmentation d'instance, annotation de décision de conduite et annotation de l'état de la route de 10 000 images. Dix tâches de conduite autonome dont l'utilisation est officiellement recommandée dans cet ensemble de données : annotation d'image, détection de route, segmentation de zone carrossable, détection de participants au trafic, segmentation sémantique, segmentation d'instance, détection et suivi multi-objets, segmentation et suivi multi-objets, domaine apprentissage de l'adaptation et de l'imitation.

Résumé des ressources densembles de données open source pour la conduite autonome

Ensemble de données CULane

Adresse de téléchargement de l'ensemble de données : http://m6z.cn/643fxb

CULane est un ensemble de données complexes à grande échelle utilisé pour la recherche universitaire sur la détection des voies de circulation. Ces informations ont été collectées par des caméras installées sur six véhicules différents conduits par différents conducteurs à Pékin. Plus de 55 heures de vidéo ont été collectées et 133 235 images ont été extraites. Dans chaque image, les voies de circulation sont annotées manuellement avec des splines cubiques. Dans les situations où les marquages ​​au sol sont masqués par les véhicules ou invisibles, l'annotation des voies est toujours effectuée de manière contextuelle. La voie de l’autre côté de la barrière n’a aucune annotation. Dans cet ensemble de données, l'accent est mis principalement sur la détection des marquages ​​à quatre voies, ce qui constitue la plus grande préoccupation dans les applications pratiques. Les autres marquages ​​au sol n'ont pas d'annotations.

Résumé des ressources densembles de données open source pour la conduite autonome

Ensemble de données sur les panneaux de signalisation de la région africaine

Adresse de téléchargement de l'ensemble de données : http://m6z.cn/6j5167

Les deux ensembles de données open source sont uniquement utilisés pour extraire les panneaux de signalisation utilisés dans la région africaine. L'ensemble de données contient 76 classes de toutes les catégories, par exemple les panneaux réglementaires, d'avertissement, d'orientation et d'information. L'ensemble de données contient un total de 19 346 images et au moins 200 instances par catégorie.

Résumé des ressources densembles de données open source pour la conduite autonome

Argoverse Dataset

Adresse de téléchargement de l'ensemble de données : http://m6z.cn/5P0b9B

Argoverse cible les tâches : suivi 3D et prédiction d'action. Les ensembles de données correspondant aux deux tâches sont en réalité indépendants. L'équipement de collecte et. le lieu de collecte est le même. Il fournit une vidéo à 360 degrés et des informations sur les nuages ​​de points, et reconstruit la carte sur la base du nuage de points, avec un éclairage complet toute la journée. Les cadres de délimitation 3D dans les vidéos et les nuages ​​de points sont annotés. L'ensemble de données de suivi 3D contient 113 vidéos de 15 à 30 secondes et la prédiction d'action contient 323 557 vidéos de 5 secondes (320 heures au total). Le principal point fort de l’ensemble de données est le lien entre les données originales et les cartes.

Résumé des ressources densembles de données open source pour la conduite autonome

Ensemble de données de détection de voie du simulateur de conduite

Adresse de téléchargement de l'ensemble de données : http://m6z.cn/5zYdzP

Cet ensemble de données est constitué d'images générées par le simulateur de conduite Carla. Les images de formation sont des images capturées par une dashcam installée dans un véhicule simulé. Les images d'étiquettes sont des masques de segmentation. L'image de l'étiquette classe chaque pixel comme suit : limite de voie gauche et limite de voie droite. Le défi associé à cet ensemble de données est de former un modèle capable de prédire avec précision les masques de segmentation de l'ensemble de données de validation.

Résumé des ressources densembles de données open source pour la conduite autonome

Ensemble de données sur les véhicules à conduite autonome sur la route

Adresse de téléchargement de l'ensemble de données : http://m6z.cn/5ss0xe

Cet ensemble de données fournit des données de formation faciles à utiliser pour les véhicules autonomes. Fournit l'angle de braquage, l'accélération, le freinage et la position du rapport correspondant à chaque image de la vidéo de conduite. La vidéo a été enregistrée à l’aide d’une caméra montée sur le pare-brise d’une voiture circulant sur une route de l’État indien du Kerala.

Résumé des ressources densembles de données open source pour la conduite autonomeRésumé des ressources d'ensembles de données open source pour la conduite autonome

Ensemble de données sur les piétons Caltech

Adresse de téléchargement de l'ensemble de données : http://m6z.cn/5P0bdX

L'ensemble de données sur les piétons Caltech se compose d'environ 10 heures de vidéo 640 x 480 à 30 Hz, qui provient d'un véhicule circulant dans un trafic régulier. en milieu urbain. Environ 250 000 images (dans 137 segments d'une minute environ) ont été annotées, avec un total de 350 000 cadres de délimitation et 2 300 piétons.

Résumé des ressources densembles de données open source pour la conduite autonome

Ensemble de données CamSeq 2007

Adresse de téléchargement de l'ensemble de données : http://m6z.cn/5ss0Ho

CamSeq est un ensemble de données terrain qui peut être librement utilisé pour des travaux de recherche en reconnaissance de cibles vidéo. L'ensemble de données contient 101 paires d'images de 960 x 720 pixels. Chaque masque est spécifié par "_L" en dehors du nom du fichier. Toutes les images (originales et réelles) sont au format PNG couleur 24 bits non compressé.

Cet ensemble de données a été initialement conçu pour le problème des voitures autonomes. Cette séquence représente une scène de conduite dynamique dans la ville de Cambridge, filmée depuis une voiture dynamique. Il s'agit d'un ensemble de données complexe, car en plus du mouvement propre de la voiture, les autres voitures, vélos et piétons ont également leur propre mouvement et se bloquent souvent les uns les autres.

Résumé des ressources densembles de données open source pour la conduite autonome

Ensembles de données de scènes industrielles réelles

Certains médias ont collecté un grand nombre d'ensembles de données de scènes réelles de l'industrie et de l'industrie, avec un total de 1 473 Go de ressources d'ensembles de données internes de haute qualité. Les ensembles de données proviennent de scénarios commerciaux réels et sont collectés et fournis par des partenaires industriels et des médias.

Résumé des ressources densembles de données open source pour la conduite autonome

Dans le cadre du module de classement, les développeurs peuvent utiliser gratuitement des ensembles de données internes pour le développement d'algorithmes. Nous fournissons également à chacun une assistance gratuite en matière de puissance de calcul ainsi que des questions et réponses techniques associées.

De plus, une fois que le score du modèle d'algorithme a atteint la norme, les développeurs recevront des récompenses fixes. Les développeurs les mieux classés pourront également signer et coopérer avec la plateforme pour continuer à recevoir un partage des revenus à long terme provenant des commandes de l'algorithme !

La plateforme a répondu aux besoins réels des villes intelligentes, de l'immobilier commercial, des cuisines lumineuses et d'autres industries, y compris, mais sans s'y limiter, la détection de cibles, la reconnaissance de comportement, la segmentation d'images, la compréhension vidéo, le suivi de cibles, l'OCR et d'autres directions d'algorithmes visuels.

Le dernier projet de détection de cible : projet d'identification de téléphone portable : http://m6z.cn/6qBdJS

Plus de projets de classement : http://m6z.cn/6xrthf​

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!

Étiquettes associées:
source:51cto.com
Déclaration de ce site Web
Le contenu de cet article est volontairement contribué par les internautes et les droits d'auteur appartiennent à l'auteur original. Ce site n'assume aucune responsabilité légale correspondante. Si vous trouvez un contenu suspecté de plagiat ou de contrefaçon, veuillez contacter admin@php.cn
Tutoriels populaires
Plus>
Derniers téléchargements
Plus>
effets Web
Code source du site Web
Matériel du site Web
Modèle frontal