CityFlow数据集提供了超过3小时的高清视频，涵盖10个路口的40个摄像头，旨在推动多目标多摄像头跟踪的研究。文章分析了不同网络架构、损失函数和任务效率，并在基准上进行了广泛实验，包括MTMC跟踪、MTSC跟踪、目标检测和车辆ReID。此外，数据集包含丰富的场景和交通条件，促进交通优化技术的进展。
摘要
城市交通优化使用交通摄像头作为传感器，推动了先进的多目标多摄像头(MTMC)跟踪的需求。背景
这项工作引入了CityFlow，这是一个城市规模的交通摄像头数据集，包含超过3小时的同步高清视频，来自10个路口的40个摄像头，同时两个摄像头之间的最长距离为2.5公里。据我们所知，CityFlow是城市环境中最大的空间覆盖和摄像头/视频数量的数据集。该数据集包含超过200K的带注释的边界框，涵盖了广泛的场景、视角、车辆模型和城市交通流状况。摄像机的几何形状和校准信息被提供来辅助时空分析。此外，该基准的一个子集可用于基于图像的车辆再识别(ReID)任务。
在这个数据集上，我们对基线/最先进的方法进行了广泛的实验评估，包括MTMC跟踪、多目标单摄像头(MTSC)跟踪、目标检测和基于图像的ReID，分析了不同网络架构、损失函数、任务效率的时空模型及其组合。
在2019年人工智能城市挑战赛(AI City Challenge)上，我们推出了一个evaluation server，让研究人员可以比较他们最新技术的性能。我们希望这个数据集能够催化该领域的研究，推动最先进的技术向前发展，并导致在现实世界中部署交通优化。
数据集
1.有5个场景：说明该数据集覆盖范围广，city
最低0.47元/天 解锁文章
587
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
