MicroVision：面向检测易捕路用户和微型交通工具的开放数据集与基准模型
计算机视觉与模式识别
2026-03-20 v1
摘要
微型交通工具作为一种日益流行的出行方式，因易捕路用户（VRUs）在与微型交通工具共享基础设施的场景中增加相互作用，带来了新的交通安全和规划挑战，包括停放的微型交通工具（MMVs）。支持交通安全和规划的做法越来越依赖于从图像中检测路用户——这一计算机视觉任务高度依赖训练图像的质量。然而，现有的开放图像数据集在 VRUs 和 MMVs 的聚焦和多样性方面不足，例如将行人和 MMV 骑手归类为"person"，或未包含如电滑板车等新型 MMVs。此外，数据常从汽车视角采集，缺乏仅 VRUs 行驶区域（人行道、自行车道）的数据。为弥合这一差距，我们介绍 MicroVision 数据集：一个开放的图像数据集和标注数据，用于训练和评估检测最常见的 VRUs（行人、骑行者、电滑板车骑手）和静止 MMVs（自行车、电滑板车）的模型，数据采集角度为 VRUs 视角。该数据集记录于瑞典哥德堡，包含超过 8000 张匿名化的全高清图像，标注了超过 3 万个 VRUs 和 MMVs，覆盖整整一年时间，涵盖近 2000 个独特的互动场景。随数据集一起，我们提供基于最新架构的首个基准目标检测模型，在未见测试集上实现最高平均精度达 0.723。该数据集和模型可支持交通安全区分不同 VRUs 和 MMVs，或帮助监控系统识别微型交通工具的使用情况。数据集和模型权重可访问于 https://doi.org/10.71870/eepz-jd52。
关键词
引用
@article{arxiv.2603.18192,
title = {MicroVision: An Open Dataset and Benchmark Models for Detecting Vulnerable Road Users and Micromobility Vehicles},
author = {Alexander Rasch and Rahul Rajendra Pai},
journal= {arXiv preprint arXiv:2603.18192},
year = {2026}
}