FishEye8K：用于鱼眼相机目标检测的基准与数据集
计算机视觉与模式识别
2023-06-07 v2
摘要
随着人工智能的发展，道路目标检测作为计算机视觉中的热门课题，多使用透视相机。鱼眼镜头以更少相机监控道路交叉口并提供全向广覆盖，但存在视角畸变。据我们所知，目前尚无面向鱼眼相机交通监控的公开数据集。本文介绍了一个用于道路目标检测任务的公开 FishEye8K 基准数据集，包含跨越五类（行人、自行车、小轿车、公交车、卡车）的 157K 个边界框。此外，我们给出了最先进（SoTA）模型的基准结果，包括 YOLOv5、YOLOR、YOLO7 和 YOLOv8 的变体。该数据集包含使用 18 个鱼眼相机在台湾地区新竹录制的 22 段视频中的 8,000 张图像，分辨率为 1080×1080 与 1280×1280，用于交通监控。由于超宽全景与半球形鱼眼相机图像存在大畸变且道路参与者众多（尤其是骑踏板车的人），数据标注与验证过程艰巨且耗时。为避免偏差，特定相机的帧仅被分配至训练集或测试集之一，每类图像数与边界框数均维持约 70:30 比例。实验结果表明，YOLOv8 与 YOLOR 分别在输入尺寸 640×640 与 1280×1280 下表现更优。数据集将在 GitHub 上以 PASCAL VOC、MS COCO 和 YOLO 标注格式提供。FishEye8K 基准将为鱼眼视频分析与智慧城市应用作出重要贡献。
引用
@article{arxiv.2305.17449,
title = {FishEye8K: A Benchmark and Dataset for Fisheye Camera Object Detection},
author = {Munkhjargal Gochoo and Munkh-Erdene Otgonbold and Erkhembayar Ganbold and Jun-Wei Hsieh and Ming-Ching Chang and Ping-Yang Chen and Byambaa Dorj and Hamad Al Jassmi and Ganzorig Batnasan and Fady Alnajjar and Mohammed Abduljabbar and Fang-Pang Lin},
journal= {arXiv preprint arXiv:2305.17449},
year = {2023}
}
备注
CVPR Workshops 2023