Samples
Overview
一个针对车辆分类及检测的数据集,主要用于检测车尾,2D检测框并不会包含车辆全部,如下
数据集共含有50k的图像,134361个box2D标签。时间场景有三种,分别是
day; night; twilight
Data Explore
nexet_2017_1 -- 含有50k张用于车辆检测的图像
train.csv -- 显示每张图片的时间场景以及拍摄点,每行记录的特征值如下
image_filename lighting city
train_boxes.csv -- 图片中车辆的box2D以及车辆类型,每行记录的特征值如下
image_filename x0 y0 x1 y1 label confidence
数据初始化
修改对应的root_path,从文件中获取图片的标签imgs_lable_dict,键、值分别是图片和对应的标签,键值是一个列表格式,每一个元素为一个车辆标签,其格式为[xmin, ymin, xmax, ymax, catagory]
import os
import csv
imgs_lable_dict = {}
with open(os.path.join(root_path, "train_boxes.csv"), "r") as file:
csv_file = csv.reader(file)
csv_file.__next__()
for row in csv_file:
if row[0] not in imgs_lable_dict.keys():
imgs_lable_dict[row[0]] = []
imgs_lable_dict[row[0]].append([float(row[1]), float(row[2]), float(row[3]), float(row[4]), row[5]])
关注公众号,后台回复 nexet 即可获得数据集