CURE-TSR：面向交通标志识别的挑战性虚拟与真实环境数据集
计算机视觉与模式识别
2018-11-14 v2
摘要
本文研究了交通标志识别算法在挑战性条件下的鲁棒性。现有数据集在规模与挑战性条件覆盖方面存在局限，这促使我们生成了面向交通标志识别的挑战性虚拟与真实环境（CURE-TSR）数据集。该数据集包含基于真实世界与模拟器数据的超过两百万张交通标志图像。我们在真实场景中对现有方案的性能进行基准测试，并分析了相对于挑战性条件的性能变化。我们表明，挑战性条件会显著降低基线方法的性能，尤其是当这些条件导致空间信息丢失或错位时。我们还研究了数据增强的效果，并表明将模拟器数据与真实世界数据结合使用可提升真实场景中的平均识别性能。该数据集公开于 https://ghassanalregib.com/cure-tsr/。
引用
@article{arxiv.1712.02463,
title = {CURE-TSR: Challenging Unreal and Real Environments for Traffic Sign Recognition},
author = {Dogancan Temel and Gukyeong Kwon and Mohit Prabhushankar and Ghassan AlRegib},
journal= {arXiv preprint arXiv:1712.02463},
year = {2018}
}
备注
31st Conference on Neural Information Processing Systems (NIPS), Machine Learning for Intelligent Transportation Systems Workshop, Long Beach, CA, USA, 2017