IDD：面向非约束环境自主导航问题探索的数据集

尽管近年来出现了若干用于自主导航的数据集，但它们往往聚焦于结构化驾驶环境。这通常对应于界限分明的基础设施（如车道线）、少量定义明确的交通参与者类别、物体或背景外观的低差异性，以及严格遵守交通规则。我们提出 IDD，一个用于非结构化环境中道路场景理解的新数据集，在上述假设大体不成立的情况下采集。它包含 10,004 张图像，精细标注了从印度道路 182 个驾驶序列中收集的 34 个类别。与 Cityscapes 等流行基准相比，标注集进行了扩展以涵盖新类别。它还反映了与现有数据集显著不同的道路场景标签分布，大多数类别展现出更大的类内多样性。符合真实驾驶行为，它还标识了如道路外可行驶区域等新类别。我们提出了一种新的四级标签层次结构，允许不同复杂度的变化，并为新训练方法开辟了可能。我们的实证研究对标签特征进行了深入分析。语义分割的先进方法在我们的数据集上取得了低得多的准确率，证明了其与 Cityscapes 的区别。最后，我们提出该数据集是领域自适应、少样本学习和道路场景行为预测等新问题的理想平台。