行业报告 AI展会 数据标注 标注供求
数据标注数据集
主页 > 智能驾驶 > 正文

自动驾驶方向开源数据集资源汇总

城市景观图像语义分割数据集

数据集下载地址:https://data.sykv.cn/auto/358.html

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。

城市景观图像语义分割数据集

Cityscapes 道路场景标注数据

数据集下载地址:https://data.sykv.cn/auto/158.html

Cityscapes数据集旨在用于评估视觉算法在语义城市场景理解的主要任务上的性能:像素级,实例级和全景语义标记;支持旨在开发大量(弱)带注释数据的研究,例如用于训练深度神经网络。

Cityscapes 道路场景标注数据

KITTI 自动驾驶数据

数据集下载地址:https://www.sykv.cn/cat/down/auto/19903.html

KITTI是一系列以自动驾驶为目标的机器视觉任务数据,包括:空间建模、视觉流、视觉测距、3D物体检测、3D物体追踪等。数据来自一辆搭载2台彩色和黑白摄像机、360度激光雷达和GPS定位系统的小汽车,在中等规模城市Karlsruhe行驶并记录数据。

图片

中国交通标志检测数据集

数据集下载地址:https://data.sykv.cn/auto/53.html

中国交通标志检测数据集(CCTSDB)来源于 A Real-Time Chinese Traffic Sign Detection Algorithm Based on Modified YOLOv2一文提出的训练数据集。

图片

多车道检测数据集(济青高速公路数据集)

数据集下载地址:https://data.sykv.cn/auto/238.html

多车道检测数据集(济青高速公路数据集)该数据集是多车道检测数据集,可用于测试和评估多种车道检测算法。它由中国济青(济南-青岛)高速公路某些路段的路面行车记录仪收集,车道采用半手动方法标注(如下所述)。数据集中有40个视频剪辑,每个视频剪辑持续3分钟,帧速率为30 fps,视频分辨率为1920×1080。总共包含210610个具有不同照明强度和不同道路状况(上游,下坡,隧道,涵洞,坡道等)的道路图像。

图片

交通信号识别视频数据集

数据集下载地址:https://www.sykv.cn/cat/down/auto/19537.html

Traffic Lights Recognition (TLR) 是一个交通信号灯识别的视频数据,在真实的道路上采集的交通信号灯视频,分辨率为 640x480,由法国一所大学提供。公共数据库,城市场景中交通灯识别(TLR)的基本事实和基准。

图片

高速公路车辆视频数据

数据集下载地址:https://www.sykv.cn/cat/down/auto/19538.html

公路交通数据集(聚类)用于聚类视频纹理的高速公路交通视频数据集。。

高速公路车辆视频数据

ETH 行人视频数据

数据集下载地址:https://www.sykv.cn/cat/down/security/19539.html

ETH Pedestrian dataset 是一个包含行人的视频数据,可用以进行行人检测和识别等机器视觉任务。

图片

自动驾驶车道线检测数据集

数据集下载地址:https://data.sykv.cn/auto/52.html

自动驾驶车道线检测数据集。

图片

CBCL StreetScenes Challenge 场景数据

数据集下载地址:https://data.sykv.cn/auto/165.html

该 StreetScenes挑战框架是图片,注释,集合软件和绩效措施,目标检测。  每个图像都是从DSC-F717相机中及其周围拍摄的波斯顿, 嘛。  然后,用手在每个图像上标记多边形,以包围9个对象类别的每个示例,包括[汽车,行人,自行车,建筑物,树木,天空,道路,人行道和商店]。  这些图像的标记是在仔细检查下完成的,以确保在遮挡和其他常见图像变换方面始终以相同的方式标记对象。StreetScenes 标签还与LabelMe注释兼容。

图片

汽车图片数据集

数据集下载地址:https://data.sykv.cn/auto/215.html

6万张汽车图片数据集,该数据集是从网上搜集获得。欢迎使用_The Car Connection图片数据集!从互联网抓取了297,000张图片,其中约有198,000个唯一URL。最后筛选出大约60,000张图片。

图片

EPA车辆数据集

数据集下载地址:https://data.sykv.cn/auto/256.html

EPA车辆数据集(〜1980-2021)数据集包含有关EPA跟踪的内容的相关信息,燃油经济性数据是在密歇根州安阿伯市环境保护局国家车辆和燃油排放实验室进行的车辆测试的结果,也是由汽车制造商在EPA的监督下进行的。



 

公路交通视频数据集

数据集下载地址:https://data.sykv.cn/auto/375.html

这是[1]和[2]中使用的高速公路交通视频数据库。这段视频是在 华盛顿州西雅图的I-5 州际公路上用固定摄像机拍摄了两天多的时间。视频被手动标记为轻、中、重
交通,分别对应于自由流动的交通、减速交通以及停止或非常慢速的交通。

 

MIT Cars 汽车图像数据

数据集下载地址:https://data.sykv.cn/auto/64.html

麻省理工学院生物和计算学习中心车辆数据库综合汽车(CompCars)数据集包含来自两个场景的数据,包括来自网络性质和监视性质的图像。网络自然数据包含163辆汽车,1,716辆车型。共有136,726张图像捕获整个汽车,27,618张图像捕捉汽车零件。完整的汽车图像标有边界框和视点。每个车型都标有五个属性,包括最大速度,排量,车门数量,座椅数量和汽车类型。

 

Stanford Cars 汽车图像数据

数据集下载地址:https://data.sykv.cn/auto/63.html

汽车数据集包含196类汽车的16185个图像。数据分为8,144个训练图像和8,041个测试图像,其中每个类别大致分为50-50个分割。课程通常在Make,Model,Year等级别,例如2012 Tesla Model S或2012 BMW M3 coupe。​​​​​​​

 

车库检测图像数据

数据集下载地址:https://data.sykv.cn/auto/350.html

车库检测非官方的半监督学习目标栏:AllGarageDoorEntrancesVisible.培训数据可在以下文件中找到:image_labels_train.csv可以在GarageImages文件夹中找到图像。


GTSRB - 德国交通标志识别基准数据集

数据集下载地址:https://www.sykv.cn/cat/down/auto/15497.html

德国交通标志基准是2011年国际神经网络联合会议(IJCNN)举办的多级单图像分类挑战。我们诚挚地邀请相关领域的研究人员参加:该比赛旨在让参与无需特殊领域知识。​​​​​​​

芝加哥汽车超速数据

数据集下载地址:https://www.sykv.cn/cat/down/text/19404.html

2014 - 2016年芝加哥的摄像机违规行为,芝加哥街头摄像机记录的每日限速违规行为。此数据集反映了作为自动速度执行计划的一部分,安装在芝加哥市的每台摄像机记录的每日违规速度。这些数据反映了2014年7月1日至2016年12月31日期间发生的违规行为。报告的违规行为由摄像机和雷达系统收集,并由两个独立的城市承包商进行审查。无论是否发出引文,此数据集都包含所有违规。​​​​​​​


CityStreet:多视图人群计数数据集

数据集下载地址:https://www.sykv.cn/cat/down/facedetect/19540.html

在我们的“广域人群计数”论文中使用的多视图人群计数数据集包括我们提议的数据集CityStreet,以及两个现有数据集PETS2009和DukeMTMC重新用于多视图人群计数。​​​​​​​


UCSD 行人视频数据

数据集下载地址:https://www.sykv.cn/cat/down/security/19917.html

加州大学圣地亚哥分校的行人数据集,目前人们对用于监控所有类型环境的视觉技术非常感兴趣。这可能有许多目标,例如安全性,资源管理或广告。然而,视觉技术的部署总是受到整个社会的怀疑,因为人们认为它可能被用来侵犯个人的隐私权。这种紧张局势在数据挖掘的所有领域都很常见,但由于两个原因,它成为计算机视觉中一个特别严重的问题:
1)隐私受损的感知对于技术来说尤其强烈,这种技术默认情况下会记录人们的行为; 
2)目前基于视觉的监控方法通常基于对象跟踪或图像基元,例如对象轮廓或斑点,这意味着某些尝试“识别”或“
从外行人的角度来看,环境监测存在许多问题,可以在没有明确跟踪个人的情况下解决。​​​​​​​

微信公众号

声明:本站部分作品是由网友自主投稿和发布、编辑整理上传,对此类作品本站仅提供交流平台,转载的目的在于传递更多信息及用于网络分享,并不代表本站赞同其观点和对其真实性负责,不为其版权负责。如果您发现网站上有侵犯您的知识产权的作品,请与我们取得联系,我们会及时修改或删除。

网友评论:

发表评论
请自觉遵守互联网相关的政策法规,严禁发布色情、暴力、反动的言论。
评价:
表情:
用户名: 验证码:点击我更换图片
SEM推广服务

Copyright©2005-2026 Sykv.com 可思数据 版权所有    京ICP备14056871号

关于我们   免责声明   广告合作   版权声明   联系我们   原创投稿   网站地图  

可思数据 数据标注行业联盟

扫码入群
扫码关注

微信公众号

返回顶部