CamVid数据集--学习笔记

1. 用于智能驾驶场景的语义分割
2. 是第一个具有目标类别语义标签的视频集合。
3. 数据集包括700多张精准标注的图片用于强监督学习，可分为训练集、验证集、测试集。
4. 在 CamVid 数据集中通常使用 11 种常用的类别来进行分割精度的评估，分别为：
   1. 道路 （Road）
   2. 交通标志（Symbol）
   3. 汽车（Car）
   4. 天空（Sky）
   5. 行人道（Sidewalk）
   6. 电线杆 （Pole）
   7. 围墙（Fence）
   8. 行人（Pedestrian）
   9. 建筑物（Building）
   10. 自行车（Bicyclist）
   11.  树木（Tree）。
5. 提供32个ground truth语义标签，将每个像素与语义类别之一相关联。
6. 数据是从驾驶汽车的角度拍摄的，驾驶场景增加了观察目标的数量和异质性。
7. Cambridge-driving标签视频数据库(CamVid)是第一个包含对象类语义标签的视频集合，其中包含元数据。
8. 提供超过10分钟的高质量30Hz连续镜头，对应的语义标记图像为1Hz，部分为15Hz。
9. CamVid数据库提供了与对象分析研究人员相关的四个贡献：
   1. 手动指定700多幅图像的逐像素语义分割，然后由第二个人检查并确认其准确性。
   2. 数据库中高质量、高分辨率的彩色视频图像有益于对驾驶场景或自我运动感兴趣的人，数据是有价值的长时间数字化视频。
   3. 制作者拍摄了相机颜色响应和内部物理的标定序列，并计算了序列中每一帧的三维相机姿态。
   4. 为了支持扩展该数据库或其他数据库，制作者还提供了定制的标签软件，帮助用户为其他图像和视频绘制精确的类标签。通过测量算法在三个不同领域的性能来评估数据库的相关性:多类目标识别、行人检测和标签传播。
10. 官网下载即可。
11. 类别标签：
12. 大类别进行细分：