RSUD20K：面向自动驾驶道路场景理解的数据集
计算机视觉与模式识别
2024-02-13 v2
摘要
道路场景理解在自动驾驶中至关重要，它使机器能够感知视觉环境。然而，近期针对从特定地理位置收集的数据集进行学习而定制的目标检测器，难以泛化到不同地点。本文提出了 RSUD20K，一个用于道路场景理解的新数据集，包含超过 20K 张来自孟加拉国道路驾驶视角的高分辨率图像，并包含针对 13 个目标的 130K 个边界框标注。这个具有挑战性的数据集涵盖了多样的道路场景、狭窄街道和高速公路，包含来自不同视角的目标，以及拥挤环境中密集杂乱的目标和各种天气条件下的场景。我们的工作显著改进了先前的研究，提供了详细的标注并增加了目标的复杂性。我们对该数据集进行了全面检验，对各种最先进的目标检测器进行了基准测试，并探索了将大型视觉模型用作图像标注器。
引用
@article{arxiv.2401.07322,
title = {RSUD20K: A Dataset for Road Scene Understanding In Autonomous Driving},
author = {Hasib Zunair and Shakib Khan and A. Ben Hamza},
journal= {arXiv preprint arXiv:2401.07322},
year = {2024}
}