CeyMo：道路上看得更多——一种用于道路标记检测的新型基准数据集
计算机视觉与模式识别
2022-05-06 v3
摘要
在本文中，我们介绍一种用于道路标记检测的新型道路标记基准数据集，以解决现有公开可用数据集的局限性，如缺乏具有挑战性的场景、偏重车道线标记、无评估脚本、缺乏标注格式以及分辨率较低。我们的数据集共包含 2887 张图像，具有属于 11 个类别的 4706 个道路标记实例。图像分辨率为 1920 x 1080，捕捉了广泛的交通、光照和天气条件。我们提供多边形、边界框和像素级分割掩码形式的道路标记标注，以支持多样化的道路标记检测算法。我们提供的评估指标和评估脚本，将进一步促进道路标记检测新方法与现有方法的直接比较。此外，我们评估了基于实例分割和目标检测的方法用于道路标记检测任务的有效性。我们给出了两个实例分割模型和两个解算器检测模型的速度与准确率分数，作为我们基准数据集的性能基线。数据集和评估脚本公开于 https://github.com/oshadajay/CeyMo。
引用
@article{arxiv.2110.11867,
title = {CeyMo: See More on Roads -- A Novel Benchmark Dataset for Road Marking Detection},
author = {Oshada Jayasinghe and Sahan Hemachandra and Damith Anhettigama and Shenali Kariyawasam and Ranga Rodrigo and Peshala Jayasekara},
journal= {arXiv preprint arXiv:2110.11867},
year = {2022}
}
备注
Accepted to 2022 IEEE/CVF Winter Conference on Applications of Computer Vision (WACV 2022)