EuroCity Persons 数据集：一种用于目标检测的新基准
计算机视觉与模式识别
2019-05-23 v2 人工智能
机器学习
机器人学
摘要
大数据在深度学习于计算机视觉中的成功里占有很大份额。近期工作表明，通过利用更大的数据集，目标检测性能还有显著的进一步提升潜力。在本文中，我们引入 EuroCity Persons 数据集，其提供了大量高度多样、准确且详细的城市交通场景中行人、骑行者及其他乘骑者的标注。该数据集的图像是在 12 个欧洲国家的 31 座城市里在移动车辆上采集的。EuroCity Persons 在超过 47300 张图像中人工标注了超过 238200 个行人实例，其规模几乎是先前用于基准测试的人员数据集的一个数量级。该数据集还包含大量行人朝向标注（超过 211200 个）。我们优化了四种最先进的深度学习方法（Faster R-CNN、R-FCN、SSD 和 YOLOv3）作为新目标检测基准的基线。在基于先前数据集的实验中，我们分析了这些检测器在用新数据集训练时的泛化能力。我们进一步研究了训练集大小、数据集多样性（白天 vs. 夜间、地理区域）、数据集细节（即目标朝向信息的可用性）以及标注质量对检测器性能的影响。最后，我们分析了错误来源并讨论了前路。
引用
@article{arxiv.1805.07193,
title = {The EuroCity Persons Dataset: A Novel Benchmark for Object Detection},
author = {Markus Braun and Sebastian Krebs and Fabian Flohr and Dariu M. Gavrila},
journal= {arXiv preprint arXiv:1805.07193},
year = {2019}
}
备注
Submitted to IEEE Trans. on Pattern Analysis and Machine Intelligence