面向无约束道路的细粒度车辆检测（FGVD）数据集
计算机视觉与模式识别
2023-01-02 v1
摘要
以往的细粒度数据集主要关注分类，且通常在受控环境下拍摄，相机聚焦于物体。我们引入了首个野外的细粒度车辆检测（FGVD）数据集，由安装在汽车上的移动相机采集。它包含 5502 张场景图像，具有 210 个独特的细粒度标签，涵盖多种车辆类型，并组织为三级层次结构。虽然以往的分类数据集也包含不同种类汽车的车系，但 FGVD 数据集引入了用于分类两轮车、机动三轮车和卡车的新类标签。FGVD 数据集具有挑战性，因为其在复杂交通场景中具有车辆的类型、尺度、姿态、遮挡和光照条件上的类内与类间差异。当前的对象检测器如 yolov5 和 faster RCNN 由于缺乏层次化建模，在我们的数据集上表现不佳。除了提供现有对象检测器在 FGVD 数据集上的基线结果外，我们还展示了现有检测器与近期层次残差网络（HRN）分类器组合用于 FGVD 任务的结果。最后，我们表明 FGVD 车辆图像在细粒度数据集中是最难分类的。
引用
@article{arxiv.2212.14569,
title = {A Fine-Grained Vehicle Detection (FGVD) Dataset for Unconstrained Roads},
author = {Prafful Kumar Khoba and Chirag Parikh and Rohit Saluja and Ravi Kiran Sarvadevabhatla and C. V. Jawahar},
journal= {arXiv preprint arXiv:2212.14569},
year = {2023}
}