BDD100K：面向异构多任务学习的多样化驾驶数据集
计算机视觉与模式识别
2020-04-09 v2
摘要
数据集推动了计算机视觉的发展，然而现有的驾驶数据集在视觉内容和支持的任务方面较为贫乏，不足以研究自动驾驶的多任务学习。研究人员通常被限制在一个数据集上研究一小部分问题，而真实世界的计算机视觉应用需要执行各种复杂度的任务。我们构建了 BDD100K，这是最大的驾驶视频数据集，包含 10 万个视频和 10 项任务，用于评估图像识别算法在自动驾驶上的激动人心的进展。该数据集具有地理、环境和天气的多样性，有助于训练不易被新条件所惊吓的模型。基于这一多样化数据集，我们为异构多任务学习构建了一个基准，并研究如何将这些任务一起解决。我们的实验表明，现有模型需要专门的训练策略才能执行此类异构任务。BDD100K 为这一重要领域的未来研究打开了大门。
引用
@article{arxiv.1805.04687,
title = {BDD100K: A Diverse Driving Dataset for Heterogeneous Multitask Learning},
author = {Fisher Yu and Haofeng Chen and Xin Wang and Wenqi Xian and Yingying Chen and Fangchen Liu and Vashisht Madhavan and Trevor Darrell},
journal= {arXiv preprint arXiv:1805.04687},
year = {2020}
}
备注
Published at IEEE Conference on Computer Vision and Pattern Recognition (CVPR) 2020