原文链接:
https://xingangpan.github.io/projects/CULane.html
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