面向发展中城市的大规模 CCTV 车辆检测数据集 BMD-45
摘要
来自固定 CCTV 摄像机的稳健车辆检测是智能交通系统的关键环节。然而，现有基准数据集主要包含相对均匀、高度组织化的交通模式，且多从自我中心的驾驶视角或受控的航空视角捕获。这一区域和传感器视角偏差制造了显著的差距。在发展中国家快速城市化中心观察到的稠密、异构、混乱的交通条件下，基于 UA-DETRAC 和 COCO 等数据集训练的模型难以泛化。为解决这一局限，我们介绍 BMD-45，一个由 48 万个边界框标注覆盖 4.5 万张图像的数据集，来自 3600 多台运行中的 Safe City CCTV 摄像机。BMD-45 包含 14 个细粒度车辆类别，包括区域特有的模式，如 auto-rickshaws 和 tempo travellers，这些在现有基准数据集中不存在。数据集捕获了现实部署中的各种挑战，包括极端的视角变化、遮挡和车辆密度。我们使用最新检测器建立了全面的基线，并发现 striking 的 domain gap：在 UA-DETRAC 上微调的模型在 BMD-45 上仅达到 33.6% 的 [email protected]:0.95，而在 BMD-45 上原地训练可达 83.8%，实现约 2.5 倍的提升，这一性能提升即使考虑到 novel vehicle classes 也持续存在。这一性能差距凸显了地理上多样化交通基准数据集的重要性，并将 BMD-45 确立为开发面向世界各地下发达城市环境中鲁棒感知系统基准的基准数据集。数据集可在 https://huggingface.co/datasets/iisc-aim/BMD-45 访问。
引用
@article{arxiv.2604.24419,
title = {BMD-45: A Large-Scale CCTV Vehicle Detection Dataset for Urban Traffic in Developing Cities},
author = {Akash Sharma and Chinmay Mhatre and Sankalp Gawali and Ruthvik Bokkasam and Brij Sharma and Vishwajeet Pattanaik and Punit Rathore and Raghu Krishnapuram and Vijay Gopal Kovvali and Anirban Chakraborty and Yogesh Simmhan},
journal= {arXiv preprint arXiv:2604.24419},
year = {2026}
}
备注
Accepted at CVPR 2026 Findings Track. To appear in the IEEE/CVF Conference on Computer Vision and Pattern Recognition 2026