优秀！华为诺亚方舟实验室联合中山大学发布新一代半/自监督的2D基准数据集SODA10M

最新推荐文章于 2025-04-02 12:20:06 发布
最新推荐文章于 2025-04-02 12:20:06 发布
阅读量2.9k 收藏 3
点赞数
分类专栏： 无人驾驶
学习记录
本文链接：https://blog.csdn.net/qq_15698613/article/details/118388048
版权

32个城市采集的一千万张多样性丰富的无标签道路场景图片以及两万张带标签图片

https://arxiv.org/pdf/2106.11118.pdf 2021年6月最新的

对比一下数据集：

SODA10M主要分为两个部分，分别包含一千万张无标签图片以及两万张有标签图片（标注了6种主要的人车场景类别，Pedestrian/Cyclist/Car/Truck/Tram/Tricycle）。

采集的地区位置

重要表格：

详细代码地址：https://soda-2d.github.io/

目标检测YOLO实战应用案例100讲-自动驾驶复杂场景下目标检测
qq_36130719的博客
12-16 698
自动驾驶是最近几年计算机科学和机械工程领域研究的热点之一，其目标是实现无 人驾驶车辆的自主行驶。自动驾驶目标检测技术是自动驾驶技术的重要组成部分之一，它 利用图像或传感器数据等方式来检测和识别车辆周围的行人、车辆、交通标志和信号等目 标物体。自动驾驶目标检测在复杂场景下是一个重要挑战。在这种情况下，目标物体数量 增多，形状多样，运动模式复杂，并且环境光照、天气等因素会影响目标检测的准确性和 鲁棒性。在当前越来越复杂的交通场景下，出现了遮挡目标漏检和多尺度目标检测不一致 的问题。
[论文笔记] SODA小目标综述（西工大）
qq_44690067的博客
08-01 7631
西工大发表的一篇小目标检测综述，从小目标检测难点、小目标检测算法等等方面进行综述
SODA：为小目标检测提供的大型基准数据集
最新发布
gitblog_00742的博客
04-02 615
SODA：为小目标检测提供的大型基准数据集 SODA Official code library for SODA: A Large-scale Benchmark for Small Object Detection. 项目地址...
深度学习论文解析(二)：SODA用于建筑工地的大规模开放场地目标检测数据集
深度学习算法工程师，专注于前沿算法研究与实战应用。在这里，我将分享深度学习领域的实战经验、优质数据集资源以及最新论文解读与精度分析，旨在与广大技术爱好者共同探索人工智能的奥秘，助力技术成长与创新。
02-08 1051
构建用于深度学习目标检测的综合图像数据集对建筑业意义重大，但创建难度大。本文开发并公开了名为 Site Object Detection Dataset (SODA) 的大规模建筑工地图像数据集，包含 15 个物体类别，从多个工地不同场景收集超 20,000 张图像。统计分析显示其多样性和规模良好，用两种深度学习目标检测算法评估，最高平均精度均值（mAP）达 81.47%，为建筑业提供了数据集并建立了算法评估基准。
SODA10M 数据集下载记录
weixin_51486807的博客
08-26 2860
官网打不开的，可以直接通过下方网盘链接下载，我就是把官网的下载链接复制到了下面。官网上还有2TB的未标注数据，需要请前往官网下载。总文件约5.6GB，百度云盘提取码为1234。
（杂1）从soda10m数据集中选择想要的部分数据集并生成新的json文件
qq_38927534的博客
06-19 1009
【代码】从soda10m数据集中选择想要的部分数据集并生成新的json文件。
SODA数据集coco处理
weixin_44280724的博客
12-10 1096
import os import xml.etree.ElementTree as ET from PIL import Image import numpy as np img_path = r'D:\sodad\Images\\' #原图.jpg文件的路径 labels_path = r'D:\sodad\label\val\\' #labels中.txt文件的路径 annotations_path = r'D:\sodad\
SODA-A数据集处理成适合YOLOV8训练的数据集
X131644的博客
06-21 1772
【代码】SODA-数据集处理成适合YOLOV8训练的数据集。
行人车辆检测数据集一共4500张验证集500张
04-08
行人车辆检测数据集一共4500张验证集500张，我使用yolov5检测，map能高达98%!效果显著。
【数据下载】SODA数据更新至2022并教学下载
miaobo0的博客
04-10 2032
以前分享过SODA数据下载，但上次版本过于凌乱。因此重新借助更新再分享一次，不为过。链接：SODA Reanalysis Project (umd.edu)为什么我说更新了呢？以前使用也是SODA3里面的数据。【数据下载】SODA数据更新至2022并教学下载。我为什么那么喜欢使用SODA数据？但是需要高分辨率还是需要找别的。就是三维网格化的数据，好用。01：介绍----总是很长的。年份：1980-2017；现在：1980-2022；
soda-sql：对SQL可访问数据进行度量收集，数据测试和监视
02-26
苏打SQL SQL可访问数据的数据测试，监视和分析。 苏打SQL有什么作用？ 苏打SQL可让您 检测到不良数据时停止管道 通过超高效SQL提取指标和列配置文件 通过声明性配置文件完全控制指标和查询 为什么要使用苏打SQL？ 为了防止数据的使用者遭受静默数据问题，最好的方法是分析和测试数据： 当它降落在您的仓库中时， 在每个重要的数据处理步骤之后 就在消费之前。 这样，您可以防止将不良数据传递给下游使用者。 您将花费更少的时间进行消防并获得更好的声誉。 苏打SQL如何工作？ Soda SQL是一个命令行界面（CLI）和Python库，用于使用SQL测量和测试您的数据。 作为输入，Soda SQL使用YAML配置文件，其中包括： SQL连接详细信息 要计算什么指标 对测量进行哪些测试 基于这些配置文件，Soda SQL将执行扫描。 扫描将执行所有测量并运行与一个表关联的所
基于Yolov7分叉改进（源码）.rar
04-15
1、资源内容：基于Yolov7分叉改进（源码）.rar 2、适用人群：计算机，电子信息工程、数学等专业的大学生课程设计、期末大作业或毕业设计，作为“参考资料”使用。 3、更多仿真源码和数据集下载列表（自行寻找自己需要的）：https://blog.csdn.net/m0_62143653?type=download 4、免责声明：本资源作为“参考资料”而不是“定制需求”不一定能够满足所有人的需求，需要有一定的基础能够看懂代码，能够自行调试，能够自行添加功能修改代码。由于作者大厂工作较忙，不提供答疑服务，如不存在资源缺失问题概不负责，谢谢理解。
YOLOv10 自定义数据训练
Warmer_Sweeter
05-30 1706
点击下方卡片，关注“小白玩转Python”公众号在计算机视觉快速发展的世界中，YOLO（You Only Look Once）系列在实时目标检测方面一直设定了基准。最新版本YOLOv10有望进一步突破这些界限。在这篇博客文章中，我们将探讨YOLOv10的架构，重点介绍其主要特性，讨论它如何优于其前辈，并在自定义数据集上进行训练。介绍YOLOv10在其前代基础上进行改进，解决了后处理和模型架构中的局...
【数据集】【YOLO】【目标检测】行人车辆识别数据集 8673 张，行人车辆识别毕业设计，YOLO行人车辆识别算法实战训练教程。
CV 小涵的博客，计算机本硕211毕业，研究计算机视觉、模型微调、RAG等方向，收藏有国内外优质数据集，解决视觉相关项目方案，欢迎交流讨论。
11-10 7389
【数据集】【YOLO】【目标检测】行人车辆识别数据集 8673 张，YOLO行人车辆识别算法实战训练教程。 数据集中包含3种分类：{'0': 'Bus', '1': 'Car', '2': 'Person'}，代表大巴车、轿车、行人。 数据集来自国内外图片网站、无人机航拍视频截图、监控视频截图； 可用于无人机车辆检测、监控车辆检测等。 检测场景为道路、景区、停车场等有车辆行驶的场景，可用于智慧交通等，服务于道路监管、车流量管控、车辆跟踪等。 基于QT的yolo可视化界面实战教程（详细步骤）。
首篇代客泊车中的环视鱼眼BEV感知
CV_Autobot的博客
05-01 1193
作者|自动驾驶专栏 编辑|自动驾驶专栏点击下方卡片，关注“自动驾驶之心”公众号ADAS巨卷干货，即可获取点击进入→自动驾驶之心【全栈算法】技术交流群论文链接：https://arxiv.org/pdf/2212.04111.pdf摘要本文介绍了代客泊车中环视鱼眼BEV感知。代客泊车场景下的环视鱼眼感知是自动驾驶的基础和关键。停车场的环境条件与常见的公开数据集表现不同，例如停车场中光照不好...
WoodScape: A multi-task, multi-camera fisheye dataset for autonomous driving
qiqisunshine的博客
09-21 1561
鱼眼相机数据集适配的任务
面向大规模小目标检测：综述和基准
qq_44634175的博客
12-21 2839
在本节中，简要介绍构建SODA-D和SODA-A的数据采集和注释过程。然后，阐明了基准测试的特点以及数据集与相关现有数据集之间的主要差异。从算法和数据集的角度详尽地回顾了数百篇关于SOD的文献。为了促进SOD的发展，构建了驾驶场景和空中场景下的两个大型基准，分别称为SODA-D和SODA-A。这些经过良好注释的数据集是为小目标检测量身定做的大规模基准测试的首次尝试，可以作为一个公正的平台来对各种SOD方法进行基准测试。在SODA的基础上，对几种有代表性的算法进行了彻底的评估和比较。
【翻译】FisheyeMultiNet: Real-time Multi-task Learning Architecture for Surround-view Automated Parking
Hali_Botebie的博客
04-28 1405
FisheyeMultiNet: Real-time Multi-task Learning Architecture for Surround-view Automated Parking System FisheyeMultiNet：用于环视自动泊车系统的实时多任务学习架构 Abstract 自动泊车是一种低速机动场景，其结构非常复杂且复杂，需要在车辆周围进行全方位360°近场传感。 本文从基...
简述华为鲲鹏的生态体系
04-26
华为鲲鹏生态体系是基于华为自主研发的鲲鹏芯片，构建起来的一套完整的生态系统。该生态系统包括了鲲鹏芯片、操作系统、开发工具、应用程序及云服务等多个方面。其中，鲲鹏芯片是整个生态系统的核心，它具有高性能、低功耗、安全可靠等特点，可以支持各种应用场景。操作系统方面，华为提供了鲲鹏专用的操作系统——鲲鹏OS，它可以支持多种应用程序。同时，华为也提供了鲲鹏开发工具链，包括编译器、调试器等，可以帮助开发者更好地开发应用程序。华为还提供了一系列的应用程序，如人工智能、大数据、虚拟化等，可以满足不同客户的需求。最后，华为还提供了云服务，可以帮助客户快速部署应用程序，提高效率。通过这样的生态体系，华为鲲鹏可以支持不同的应用场景，如云计算、边缘计算、智能化等，帮助客户提高效率、降低成本、提升用户体验。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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