CULane车道线数据集介绍

最新推荐文章于 2024-05-25 20:16:44 发布
最新推荐文章于 2024-05-25 20:16:44 发布
阅读量9.7k 收藏 35
点赞数 1
分类专栏： 车道线检测/道路边缘检测 文章标签： 深度学习 python 计算机视觉 人工智能 自动驾驶
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_43726913/article/details/115330065
版权
CULane是一个针对行车道检测的大型数据集，包含55小时视频，133,235帧图像，分为训练、验证和测试集。每个车道用三次样条曲线手工标注，测试集包含9种挑战场景。数据集专注于四个车道标记的检测。提供下载链接、数据内容说明和评估工具。" 86653147,8273944,理解信息熵、联合熵、条件熵、交叉熵和相对熵,"['信息理论', '数据科学', '机器学习', '统计学', '熵']
摘要由CSDN通过智能技术生成

原文链接：

https://xingangpan.github.io/projects/CULane.html

在这里插入图片描述

描述

CULane是一个大规模的具有挑战性的数据集，用于行车道检测的学术研究。 它是由安装在六辆由北京不同驾驶员驾驶的不同车辆上的摄像机收集的。 收集了超过55小时的视频，并提取了133,235帧。 数据示例如上所示。 我们将数据集分为88880个训练集，9675个验证集和34680个测试集。 测试集分为正常类别和8个具有挑战性的类别，分别对应于上面的9个示例。

对于每帧，我们都使用三次样条曲线手动注释行车道。 对于车道标记被车辆遮挡或看不见的情况，我们仍会根据上下文对车道进行注释，如（2）（4）所示。 我们还希望算法能够区分道路上的障碍，就像（1）中的障碍一样。 因此，没有标注在障碍物另一侧的车道。 在此数据集中，我们将注意力集中在四个车道标记的检测上，这在实际应用中最受关注。 其他车道标记未标注。

对于更多的细节，可以参考SCNN的论文。

下载

您可以从Google云端硬盘或

最低0.47元/天 解锁文章
Wincher_Fan
关注
  • 1
    点赞
  • 踩
  • 35
    收藏
    觉得还不错? 一键收藏
  • 7
    评论
专栏目录
车道线CULane数据集转换代码
12-14
CULane数据集是专为此目的设计的一个大型、多样化的数据集，用于训练和评估车道线检测算法。本代码是针对CULane数据集进行处理的一种工具，其主要功能是将数据集中以json格式存储的车道线信息转换成便于模型训练的...
推荐文章：轻松处理CULane数据集的标注神器！
最新发布
gitblog_00057的博客
06-06 356
推荐文章：轻松处理CULane数据集的标注神器！ 项目地址:https://gitcode.com/XingangPan/seg_label_generate 1、项目介绍 在自动驾驶和智能交通领域，车道线检测是一项至关重要的任务。CULane 数据集提供了大量的图像以支持此类算法的研究与开发。而seg_label_generate是一个专门为CULane数据集设计的开源工具，它能够有效地处理原始...
culane数据集处理
weixin_42234696的博客
11-11 1409
车道线检测数据集处理
CUlane数据集介绍
热门推荐
dream_loverm的博客
05-09 1万+
culane数据集是车道线检测的一个比较通用的数据集，是由SCNN这篇论文提出的。它是由安装在六辆由北京不同驾驶员驾驶的不同车辆上的摄像机收集的。 收集了超过55小时的视频，并提取了133,235帧。 数据示例如上所示。 我们将数据集分为88880个训练集，9675个验证集和34680个测试集。 测试集分为正常类别和8个具有挑战性的类别。后来，大多数车道线检测文章都以该数据集为目标展现自己的方法性能。本文记录一下culane数据集，以及图片的标注方式。 数据集内容 culane解压后...
车道线检测深度模型（CULane数据集，50个epoch）
06-15
基于行锚框和全局信息的深度学习车道线检测方法模型（CULane数据集，50个epoch）
CULane数据集(v1.0)
weixin_42788651的博客
01-07 1821
链接：https://pan.baidu.com/s/1s34JloVdMYB6JCbEACf_7g 提取码：eoot。CULane数据集是车道线检测的一个比较通用的数据集。每两个数为一个像素坐标(x,y)，纵向标注，每隔十个像素标注，标注图像的下半部分。代码：https://github.com/hirotomusiker/CLRerNet。代码：https://github.com/hirotomusiker/CLRerNet。链接：https://arxiv.org/abs/1712.06080。
制作车道线数据集--CULane格式的数据集
qq_60199131的博客
05-25 1271
如何自制CULane格式的数据集
nuScenes、Culane数据集、Camera选型及内参标定、TX2外接双目相机ZED
人生得意须尽欢
12-23 3974
nuScenes数据集 nuScenes-mini-data
车道线数据集详细介绍以及使用方法汇总——CULane Datasets、Tusimple、LLAMAS、ApolloScape（后续会持续更新）
qq_37346140的博客
10-19 5196
车道线数据集详细介绍，下载地址，使用方法汇总——CULane Datasets、Tusimple、LLAMAS、ApolloScape（后续会持续更新）
CULane标注数据集格式的mark预览跟训练数据集格式生成 可以直接在window上运行
04-29
<项目介绍> CULane标注数据集格式的mark预览跟训练数据集格式生成。可以直接在window上运行 - 不懂运行，下载完可以私聊问，可远程教学 该资源内项目源码是个人的毕设，代码都测试ok，都是运行成功后才上传资源，答辩评审平均分达到96分，放心下载使用！ 1、该资源内项目代码都经过测试运行成功，功能ok的情况下才上传的，请放心下载使用！ 2、本项目适合计算机相关专业(如计科、人工智能、通信工程、自动化、电子信息等)的在校学生、老师或者企业员工下载学习，也适合小白学习进阶，当然也可作为毕设项目、课程设计、作业、项目初期立项演示等。 3、如果基础还行，也可在此代码基础上进行修改，以实现其他功能，也可用于毕设、课设、作业等。 下载后请首先打开README.md文件（如有），仅供学习参考, 切勿用于商业用途。 --------
车道线数据集CULane评价可直接用的linux系统下的opencv3压缩包
04-22
车道线检测CULane数据集评价所需的linux系统下的opencv3.4.0已经编译好，可直接使用，需要在.bashrc中添加 export PKG_CONFIG_PATH=/home1/dc/Install_Package/opencv4.0.1/lib/pkgconfig export LD_LIBRARY_PATH=/...
yolov5 车道线识别 pt模型
04-07
数据集：训练yolov5车道线识别模型需要使用车道线数据集，可以通过采集实际道路的图像数据，或者使用公开的车道线数据集，如CULane、TuSimple等。 模型训练：使用车道线数据集和yolov5算法，可以训练出一个车道线...
CULane数据集处理
qq_43631789的博客
06-16 6008
官网下载的数据标签图是黑色的，但是如果放大看，里面其实不明显的像素值，因此我们只需使用opencv的阈值过滤函数将大于0部分的像素值设置成255（白色）就可以了。 官网原图： 修改后的图 代码： import cv2 as cv import numpy as np import matplotlib.pyplot as plt import os img = cv.imread("F://study//CULane//laneseg_label_w16//laneseg_label_w16//d
基于CULane数据集在windows cpu上跑通车道线检测算法LSTR
xywy2008的专栏
03-19 1648
基于CULane数据集在windows cpu上跑通车道线检测算法LSTR 上一篇博客写了基于tusimple数据集在windows cpu上跑通LSTR测试的过程：https://blog.csdn.net/xywy2008/article/details/114691969 这篇博客介绍一下基于CULane数据集在windows cpu上跑通LSTR测试。 一、下载LSTR culane分支代码 项目地址：https://github.com/liuruijin17/LSTR/tree/cula
CULane数据集处理，可用于后续车道线检测
charly
01-16 3538
CULane数据集处理，将标注点显示到图片上，用于后期Fast-CNN检测 以下是源码 # -*- coding: utf-8 -*- """ Created on Fri Jan 15 17:22:54 2021 @author: yuyanchuan """ import os import cv2 import numpy as np from time import sleep basedir=r'D:\BaiduNetdiskDownload\CULane' def get_laneDa
Ultra-Fast-Lane-Detection车道线模型训练自己数据集（基于culane模型）
2201_75660254的博客
08-31 1006
1、克隆项目2、创建虚拟环境,安装依赖包3、进行labelme标注关注下“labelme”、“points”
labelme数据集标注制作culane格式数据集
weixin_43766654的博客
12-09 5454
0、MP4文件截图（saveframe.py） import cv2 import os cap = cv2.VideoCapture("re.mp4") #xxx.mp4为文件名 a = os.getcwd()+'\\re' #获取路径 os.mkdir(a) frames_total = cap.get(7) print('frames_total:',frames_total) frames_need = 250
culane数据集介绍
06-06
Culane数据集是一个用于道路场景理解的数据集，由中国科学技术大学计算机科学与技术学院开发。Culane数据集包含55,688张高分辨率的道路场景图像，图像的分辨率为1280x720。这些图像覆盖了10个城市的公路、城市和乡村场景。 这个数据集的一个主要特点是它包括了高密度车道线标注。图片中的车道线被标注成2D像素级掩码，并且在每个掩码中易于识别。此外，数据集还提供了包含车道线的多边形的可视化边界标注，以及汽车、自行车和行人等车辆的边框标注。 对于道路场景理解等任务，Culane数据集提供了丰富的基础。通过对图像进行分类、车辆识别、目标跟踪等处理，可以更有效地把道路上的各种信息提取出来，为自动驾驶、智能交通等领域的研究提供基础数据和算法支持。 也值得一提的是，Culane数据集在ISPRS Vaihingen 2D Semantic Segmentation Contest上取得了第一名的好成绩，证明了它在图像分割中的有效性和可靠性。此外，Culane数据集还被用于AI City Challenge比赛等多个比赛和研究中，成为学术和工业界广泛使用的数据集。
评论 7
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