铁路人工智能学习基准 (RAIL-BENCH)：面向铁路领域感知的基准套件

自动列车在现有铁路基础设施上运行需要稳健的基于摄像头的感知能力，但铁路领域缺乏具备标准化评估协议的公开基准套件，以便可重复地对比各种方法。我们提出RAIL-BENCH，这是首个面向铁路领域的感知基准套件。它包含五个挑战——铁轨检测、目标检测、植被分割、多目标跟踪和单目视觉里程计—each tailored to the specific characteristics of railway environments (针对铁路环境的特定特征而量身定制)。RAIL-BENCH 提供来自多样真实场景的精选训练和测试数据集、评估指标以及公开排行榜（https://www.mrt.kit.edu/railbench）。对于铁轨检测挑战，我们引入 LineAP，这是一种基于线段的平均精度指标，用于独立于实例级分组地评估多边形预测的几何准确性，解决了现有线检测指标的关键局限性。