ParkingSticker：一个真实场景目标检测数据集
计算机视觉与模式识别
2020-02-13 v2
摘要
我们提出一个新的且具有挑战性的目标检测数据集 ParkingSticker，其比 PASCAL VOC 等流行的现有数据集更贴近工业问题中可用的数据类型。ParkingSticker 包含 1,871 张来自安防摄像头视频片段的图像。目标是识别朝向闸门的安防摄像头所拍摄的、正接近闸口的车辆上的停车贴纸。图像中的停车贴纸周围绘制了边界框。这些停车贴纸平均远小于其他流行目标检测数据集中的物体；这使得 ParkingSticker 成为对目标检测方法的一项具有挑战性的测试。该数据集还非常真实地代表了众多工业问题中可用的数据——客户给出少量视频帧，并要求解决一个极困难的问题。我们给出了基于 YOLOv2 架构的多种目标检测流程的性能，表明在 ParkingSticker 中识别停车贴纸虽具挑战但可行。我们相信该数据集将促使研究者在真实世界约束（如非理想摄像头位姿、小物体尺寸与图像尺寸比）下解决真实世界问题。
引用
@article{arxiv.2001.11639,
title = {ParkingSticker: A Real-World Object Detection Dataset},
author = {Caroline Potts and Ethem F. Can and Aysu Ezen-Can and Xiangqian Hu},
journal= {arXiv preprint arXiv:2001.11639},
year = {2020}
}
备注
8 pages, 8 figures; Updated authors