TrafficCAM：一种用于交通流分割的多功能数据集
计算机视觉与模式识别
2022-11-18 v1
摘要
交通流分析正在彻底改变交通管理。通过量化交通流数据，交通控制部门可向驾驶员提供实时警报，建议最快路线，从而优化物流运输并缓解拥堵。现有交通流数据集存在两个主要局限：类别数量有限（通常仅限于一种车辆）以及缺乏未标注数据。本文提出一个名为 TrafficCAM 的新基准交通流图像数据集。我们的数据集有两个主要亮点：首先，TrafficCAM 提供像素级与实例级语义标注，并涵盖大量类型的车辆与行人；其由在印度八座城市使用固定摄像头于街道上录制的大量与多样化视频序列组成。其次，TrafficCAM 旨在为全监督任务尤其是半监督学习技术建立新基准。它是首个提供大量未标注数据的数据集，有助于在低标注成本需求下更好地捕捉交通流量化。更确切地说，我们的数据集包含 4,402 帧带语义与实例标注的图像，以及 59,944 帧未标注图像。我们通过在全监督语义与实例分割以及半监督语义与实例分割任务这四种设定下对若干 SOTA 方法进行大量全面实验来验证该新数据集。我们的基准数据集将公开发布。
引用
@article{arxiv.2211.09620,
title = {TrafficCAM: A Versatile Dataset for Traffic Flow Segmentation},
author = {Zhongying Deng and Yanqi Chen and Lihao Liu and Shujun Wang and Rihuan Ke and Carola-Bibiane Schonlieb and Angelica I Aviles-Rivero},
journal= {arXiv preprint arXiv:2211.09620},
year = {2022}
}