StreetView-Waste：用于城市废物管理的多任务数据集

城市废物管理是智慧城市发展的关键挑战。尽管已有越来越多的垃圾检测数据集，但对于从垃圾车捕获的图像中监控满溢的垃圾容器，关注仍不足。虽然现有数据集很有价值，但常缺乏特定容器跟踪的标注，或在静态、无情境的环境中捕获，限制了其在实际物流场景中的实用性。为填补这一空白，我们提出 StreetView-Waste，一个包含城市场景中垃圾和垃圾容器的综合性数据集。该数据集支持三个关键评估任务：(1) 垃圾容器检测，(2) 垃圾容器跟踪，(3) 垃圾溢出分割。数据集发布伴随基准模型，在目标检测、跟踪和分割方面对 state-of-the-art 模型进行基准测试。此外，我们通过两种互补策略提升基准性能：一种基于启发式的方法用于改进垃圾容器跟踪，另一种基于模型无关的框架利用几何先验来细化垃圾分割。我们的实验结果表明，虽然微调的目标检测器在检测垃圾容器方面取得相当好的性能，但基准跟踪方法难以准确估计容器数量；然而，我们提出的启发式方法将平均绝对计数误差降低 79.6%。类似地，尽管对非晶形垃圾分割具有挑战性，我们的方法在轻量级模型上将分割 [email protected] 提升 27%，证明了多模态输入对该任务的价值。最终，StreetView-Waste 提供了一个具有挑战性的基准，旨在鼓励针对城市废物管理实用感知系统的研究。