X-MAS：面向真实环境室外监控的极大规模多模态传感器数据集
机器人学
2023-01-02 v1
摘要
在机器人与计算机视觉领域，围绕监控任务（包括利用相机进行人体检测、跟踪与运动识别）已开展广泛研究。此外，如同其他计算机视觉任务一样，深度学习算法在上述任务中被广泛采用。现有公开数据集不足以支撑开发基于学习的方法来处理室外及极端情况（如恶劣天气与低照度条件）下的各类监控问题。因此，我们引入一个名为极大规模多模态传感器数据集（eXtremely large-scale Multi-modAl Sensor dataset，X-MAS）的新型大规模室外监控数据集，其包含超过 500,000 对图像以及由训练有素的标注员标注的第一人称视角数据。此外，单对数据包含多模态数据（如红外图像、RGB 图像、热图像、深度图像与 LiDAR 扫描）。据我们所知，这是首个聚焦于监控任务的大规模第一人称视角室外多模态数据集。我们概述了该数据集并给出统计信息，同时介绍了利用深度学习算法使用本数据集的方法。有关数据集与研究的最新信息见 https://github.com/lge-robot-navi，数据集将通过服务器提供下载。
引用
@article{arxiv.2212.14574,
title = {X-MAS: Extremely Large-Scale Multi-Modal Sensor Dataset for Outdoor Surveillance in Real Environments},
author = {DongKi Noh and Changki Sung and Teayoung Uhm and WooJu Lee and Hyungtae Lim and Jaeseok Choi and Kyuewang Lee and Dasol Hong and Daeho Um and Inseop Chung and Hochul Shin and MinJung Kim and Hyoung-Rock Kim and SeungMin Baek and Hyun Myung},
journal= {arXiv preprint arXiv:2212.14574},
year = {2023}
}
备注
8 pages, 13 figures, IEEE Robotics and Automation Letters