包含多种视角环境信息的多标签交通事故数据库
摘要
需要大量带注释的交通事故数据集来提高使用深度学习模型进行交通事故识别的准确性。传统的交通事故数据集提供了关于交通事故和其他教师标签的注释，提高了交通事故识别性能。然而，传统数据集中注释的标签需要更加全面，以详细描述交通事故。因此，我们提出了 V-TIDB，一个以各种环境信息作为多标签进行注释的大规模交通事故识别数据集。我们提出的数据集旨在通过在交通事故存在与否之外，将十种环境信息作为教师标签进行注释，来提高交通事故识别的性能。V-TIDB 是通过从互联网收集大量视频并用适当的环境信息对其进行注释而构建的。在我们的实验中，我们比较了仅训练与交通事故存在与否相关的标签时的交通事故识别性能，以及将环境信息作为多标签添加时的性能。在第二个实验中，我们比较了仅使用代表交通事故严重程度的接触级别进行训练的性能，以及将环境信息作为多标签添加时的性能。结果表明，10 个环境信息标签中有 6 个提高了识别交通事故存在与否的性能。在交通事故识别程度的实验中，所有环境信息都改善了对汽车残骸和接触的识别性能。这些实验表明，V-TIDB 可用于学习详细考虑环境信息的交通事故识别模型，并可用于适当的交通事故分析。
引用
@article{arxiv.2312.10737,
title = {Traffic Incident Database with Multiple Labels Including Various Perspective Environmental Information},
author = {Shota Nishiyama and Takuma Saito and Ryo Nakamura and Go Ohtani and Hirokatsu Kataoka and Kensho Hara},
journal= {arXiv preprint arXiv:2312.10737},
year = {2023}
}
备注
Conference paper accepted to IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS), 2023 Reason for revision: Corrected due to a missing space between sentences in the preview's abstract, which led to an unintended URL interpretation