交通标志识别数据集与数据增强
计算机视觉与模式识别
2023-04-03 v1 机器学习
摘要
尽管已有许多用于交通标志分类的数据集，但为交通标志识别收集的数据集很少，且其中少数数据集获得了足够多的实例，尤其是用于以深度学习方法训练模型。与传统方法（如通过颜色、形状等）相比，深度学习几乎是训练覆盖各种高度相似类别的实用模型以用于真实世界的唯一途径。此外，对于某些特定标志类别，其标志含义注定无法在数据集中获得足够实例。为解决此问题，我们提出了一种利用交通标志标准的交通标志识别数据集独特数据增强方法。我们称之为 TSR 数据集增强。我们基于基准 Tsinghua-Tencent 100K（TT100K）数据集来验证该独特数据增强方法。我们在基于 TT100K 数据集的四个主要迭代版本数据集上执行了该方法，实验结果表明我们的方法是有效的。本文公开的包括基于 TT100K 的迭代版本数据集、数据增强方法源代码及训练结果。
引用
@article{arxiv.2303.18037,
title = {Traffic Sign Recognition Dataset and Data Augmentation},
author = {Jingzhan Ge},
journal= {arXiv preprint arXiv:2303.18037},
year = {2023}
}
备注
14pages, 11 figures