一、計算機視覺數據集收集

1. Kitty數據集

數據鏈接：http://www.cvlibs.net/datasets/kitti/

主要應用方向：用于評測立體圖像(stereo)，光流(optical flow)，視覺測距(visual odometry)，3D物體檢測(object detection)和3D跟蹤(tracking)等計算機視覺技術在車載環境下的性能。

數據說明：

(1)數據集概述https://blog.csdn.net/solomon1558/article/details/70173223。

1)評測核心：計算機視覺技術在車載環境下的性能。

2)描述數據集的論文：

(a)Are we ready for Autonomous Driving? The KITTI Vision Benchmark Suite

(b)Vision meets Robotics: The KITTI Dataset

(2)涵蓋場景：包含市區、鄉村和高速公路等場景采集的真實圖像數據，

每張圖像涵蓋車輛15+、行人30+。

(3)數據集組成：389對立體圖像和光流圖

39.2km視覺測距序列

200k+ 3D標注物體的圖像

以10Hz的頻率采樣

(4)標簽分類：

1)大類：’Road’, ’City’, ’Residential’, ’Campus’ 和 ’Person’

2)對于3D物體檢測：car, van, truck, pedestrian, pedestrian(sitting), cyclist, tram、misc。使用激光雷達的坐標系，標簽存儲于date_drive_tracklets.xml(date表示日期，drive表示序列號)，每條標注包含(所屬類別，3D尺寸(height，weight和length))

(5)評估方法：

1)對于立體圖像和光流，依據disparity與end-point error計算得到平均錯誤像素數目

2)對于數據測距和SLAM任務，根據軌跡終點的誤差進行評估。傳統的方法同時考慮平移和旋轉的誤差。

————————————————

2. Oxford RobotCar數據集

數據鏈接：https://www.cityscapes-dataset.com/

主要應用方向：自動駕駛視覺場景分析

數據說明：

(1)? 數據集概述

1)評測核心：旨在建立長期自治的自動駕駛數據集

2)描述數據集的論文：Year, 1000km: The Oxford RobotCar Dataset，http://robotcar-dataset.robots.ox.ac.uk/images/robotcar_ijrr.pdf

2)http://ori.ox.ac.uk/publications/包含研究發表的內容和各類數據集

(2)? 涵蓋場景：牛津大學校園內路測，1010.64公里，時長一年半。在各種天氣條件下收集數據，包括大雨，夜間，陽光直射和積雪，也包含施工路段行駛場景。

(3)? 數據集組成：

1)數據存儲格式：圖像數據以8位Bayer的PNG格式存儲，可通過MATLAB的demosaic轉換為RGB，激光雷達數據以雙精度浮點型二進制格式存儲，GPS和INS以ASCII格式存儲，時間戳timestamp單位為毫秒。

(4)評估方法：使用自動駕駛感知類評價方法。

3. Cityscape數據集(目前公認最具權威性和專業性圖像語義分割評測集之一)

一個面向城市道路街景語義理解的數據集

數據鏈接：https://www.cityscapes-dataset.com/

主要應用方向：圖像語義分割(像素分割、實例分割)

數據說明：

(1)數據集概述

1)評測核心：評價像素級分割和實例級分割能力

2)描述數據集的論文：https://arxiv.org/pdf/1604.01685.pdf

(2)涵蓋場景：50個城市不同情況下的街景，以及30類物體標注

(3)數據集組成

5000張精細標注的圖像、20000張粗略標注的圖像、30類標注物體

(4)標簽分類：30類標注物體

(5)評估方法：用PASCAL VOC標準的 intersection-over-union (IoU)得分來對算法性能進行評價。

4. Comma.ai數據集(核心方法為CNN)

數據鏈接：https://github.com/commaai/research

主要應用方向： 圖像識別

數據說明：

(1)數據集概述

1)評測核心：

2)描述數據集的論文： https://github.com/commaai/research

https://arxiv.org/abs/1608.01230

(2)涵蓋場景：高速公路視頻數據

(3)數據集組成

包括10個可變大小的視頻片段，以20 Hz的頻率記錄；

記錄了一些測量值，如汽車速度，加速度，轉向角，GPS坐標，陀螺儀角度。這些測量值將轉換為統一的100 Hz，

5. Udacity數據集(目標檢測數據集)

數據鏈接：https://github.com/udacity/self-driving-car/tree/master/datasets

主要應用方向： 目標檢測、自動駕駛

數據說明：

(1)數據集概述

1)評測核心：檢測目標檢測任務性能

2)描述數據集的論文：https://github.com/udacity/self-driving-car/tree/master/annotations

(2)涵蓋場景：

(3)數據集組成

除了車輛拍攝的圖像以外，還包括車輛本身的屬性和參數信息，例如經緯度、制動器、油門、轉向度、轉速。

數據組成：左上角、右下角坐標，圖片名，類別

(4)評估方法：感知類算法評價指標

6. BDDV數據集

Berkeley的大規模自動駕駛視頻數據集

數據鏈接：http://data-bdd.berkeley.edu/#video

主要應用方向：

數據說明：

(1)數據集概述

1)評測核心：自動駕駛感知類性能測試

(2)涵蓋場景：

(3)數據集組成：在一天中的許多不同時間，天氣條件和駕駛場景中探索超過1,100小時駕駛體驗的100,000個高清視頻序列。我們的視頻序列還包括GPS位置，IMU數據和時間戳

每類任務詳細數據信息：http://bdd-data.berkeley.edu/wad-2018.html

————————————————

2、語音語義數據集收集

3、NLP類

總結

以上是生活随笔為你收集整理的计算机视觉的测试数据集,自动驾驶数据集整理的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。