智能交通数据集Rope3D(仅限科研使用)

Rope3D Dataset

官网:https://thudair.baai.ac.cn/index

!!!如想要使用Rope3D数据集进行2D检测,最后有我们处理完的数据集链接=。 =!!!

介绍:

DAIR-V2X数据集是首个用于车路协同自动驾驶研究的大规模、多模态、多视角数据集,全部数据采集自真实场景,同时包含2D&3D标注,具备如下特点:

  • 总计71254帧图像数据和71254帧点云数据;
  • DAIR-V2X协同数据集(DAIR-V2X-C),包含38845帧图像数据和38845帧点云数据
  • DAIR-V2X路端数据集(DAIR-V2X-I),包含10084帧图像数据和10084帧点云数据
  • DAIR-V2X车端数据集(DAIR-V2X-V),包含22325帧图像数据和22325帧点云数据
  • 首次实现车路协同时空同步标注;
  • 传感器类型丰富,包含车端相机、车端LiDAR、路端相机和路端LiDAR等类型传感器;
  • 障碍物目标3D标注属性全面,标注10类道路常见障碍物目标;
  • 采集自北京市高级别自动驾驶示范区10公里城市道路、10公里高速公路、以及28个路口;
  • 数据涵盖晴天/雨天/雾天、白天/夜晚、城市道路/高速公路等丰富场景;
  • 数据完备,包含脱敏后的原始图像和点云数据、标注数据、时间戳、标定文件等。
    我们按照5:2:3把数据集划分成训练集、验证集和测试集,本次发布训练集和验证集,测试集将随同后续Challenge活动发布。

样本:

请添加图片描述
在这里插入图片描述
Tips:该数据本身是用作3D检测或者点云检测而创建的,为了能够适应我们的研究需要将其处理成了2D数据集。(如研究3D点云检测的同学可以直接从官网下载)

分享一个我们处理完的数据集(YOLO训练格式):
下载链接https://pan.baidu.com/s/1VjJjB-78li3wzPXn0RA6MA
提取码:836j
其中训练集包含8752张;验证机包含2189张

  • 6
    点赞
  • 22
    收藏
    觉得还不错? 一键收藏
  • 14
    评论
### 回答1: ua-detrac车辆检测数据集是一个广泛应用于车辆物体检测和计数的公开数据集。该数据集由北京大学汽车与交通工程研究中心(VCC)创建,包含了45个小时的1080p高清视频,涵盖了几十种不同的交通场景,包括城市街道、高速公路、停车场等等。 ua-detrac车辆检测数据集中每一秒有30张图片,总共包含了总计1.2万张图片。数据集中每张图片都被标记了车辆位置、大小、朝向和种类等信息,这些信息对于车辆物体检测算法的准确性至关重要。 此外,ua-detrac数据集还提供了用于训练和评估目的的分区,分别是训练集、验证集和测试集。这些分区让开发者可以更好地评估和比较自己的算法性能,同时还可以根据自己的需求选择不同的数据集子集进行训练和测试。 总的来说,ua-detrac车辆检测数据集是一个广泛应用于车辆物体检测和计数任务的高质量数据集,让开发者可以快速构建高性能的车辆检测算法,以改善交通安全和交通流通问题。 ### 回答2: ua-detrac车辆检测数据集是在城市交通场景下拍摄的一组用于机器视觉研究的数据集。该数据集包含了超过10小时的车辆视频以及其它相关数据,比如车辆颜色、车型、方向和速度等特征。数据集覆盖了多种场景,包括道路、停车场和交叉口等,以及多种天气条件,如晴天、雨天和雾天等。 该数据集包含了一组标记工具,能够为每个图像标注出每一辆车的位置、大小、方向和速度,从而支持各种车辆检测和目标跟踪算法的研究和实验。此外,该数据集还提供了多种图像格式,包括JPEG和PNG格式,以便不同算法的开发者能够自由选择合适的图像格式和解码方式。 ua-detrac车辆检测数据集可用于各种车辆检测和跟踪算法的研究和比较,例如基于深度学习的卷积神经网络(CNN)和循环神经网络(RNN)算法。此外,该数据集还可以用于城市交通管理、自动驾驶汽车和安全驾驶等领域的研究和应用。 总之,ua-detrac车辆检测数据集是一个在城市交通场景下研究车辆检测和跟踪算法所必须的重要工具,有助于促进机器视觉、城市交通智能交通系统等领域的发展和进步。
评论 14
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值