数据集涵盖了七种常见的重型工程车辆类型,包括推土机、卡车、挖掘机、平地机、转载机、起重机和滚轮压路机。这些车辆在建筑工地、矿山和其他大型工程项目中扮演着重要角色。通过高质量的图像和详细的标注信息,该数据集为开发高效且准确的工程车辆检测系统提供了坚实的基础。 数据规模 总样本数量:6,338张图片 训练集 ...
Dataset:数据集名称及参考文献编号。Year:数据集发布的年份。Agents:数据集中涉及的代理对象,包括行人(pedestrians)、骑行者(cyclists)和车辆(vehicles)。Sensors:数据集中使用的传感器类型,包括激光…
开放的车辆重识别的数据来自某城市卡口车辆图像,由326个高清摄像头拍摄,时间覆盖日间14天,分辨率从400×424到990×1134不等。数据集中包含最常见的10种车辆款式,共10000张图像,如表1所列。为了模拟同款车辆对车辆重识别的影响,每个车辆款式里各有100个不同的车辆ID,即100个不同的车辆。在同一车辆款式里的100个...
车辆数据集 Cognata车辆仿真数据集涵盖了从乘用车、两轮车到卡车、公共汽车、工程车辆和应急车辆等各种车辆类型及自定义场景,从自动代客泊车、路口辅助驾驶到正常的公路驾驶,应有尽有,帮助自动驾驶和ADAS测试人员克服训练数据不足的问题,加快其训练和验证算法,加速自动驾驶汽车的上市时间。
以下为该数据集官网与数据集字段说明的链接:https://www.exid-dataset.com/https://www.exid-dataset.com/format 下图为七个汇入地点的无人机俯拍图: location 0: 辅道车辆会有连续两次的汇入行为; location 1: 同时存在汇入汇出(交织)的情形; location 2: 正常单次汇入; ...
VOC2005车辆数据集是PASCAL VOC挑战赛中的一个重要组成部分,该挑战赛始于2005年,旨在为计算机视觉领域的研究者和开发者提供一个统一的、标准化的评估平台。PASCAL VOC挑战赛不仅推动了图像识别、目标检测、图像分割等技术的发展,而且为研究者提供了大量宝贵的实验数据。VOC2005车辆数据集就是在这样的背景下诞生的,它专...
= 102 PumpTruck 框数 = 149 Roller 框数 = 62 StaticCrane 框数 = 492 Truck 框数 = 325 总框数:2369 使用标注工具:labelImg 标注规则:对类别进行画矩形框重要说明:暂无特别声明:本数据集不对训练的模型或者权重文件精度作任何保证,数据集只提供准确且合理标注数据集地址:github.com/futureflsl/firc-...
UA-DETRAC数据集是真实场景中具有挑战性的车辆检测与跟踪的大规模数据集。该数据集使用Cannon EOS 550D相机拍摄于中国北京和天津，包含24个不同道路中10小时的视频片段，视频以25帧每秒的速度拍摄，分辨率为960×540像素。UA-DETRAC数据集包含100个视频序列，其中60个视频序列为训练集，40个视频序列为测试集。数据集中...
自动驾驶与辅助驾驶系统:在自动驾驶和辅助驾驶系统中,车辆图像分类技术用于识别道路上的其他车辆、行人、障碍物等,为车辆提供必要的环境感知信息,确保行驶安全。 三、数据集 简述 综合汽车(CompCars)数据集,作为CVPR 2015论文“用于细粒度分类和验证的大规模汽车数据集”的核心内容,展现了其在车辆图像分类和识别领域的...
该数据集包含了丰富的车辆设备数据,从传感器和摄像头采集的图像到CAN总线上的数据,能够覆盖现有交通场景中大多数情形。以下是该数据集的具体内容: 1.传感器数据 传感器是车辆最重要的部分之一,能够让车辆“看见”周围的环境。因此,本数据集包含了各种类型的传感器数据,例如距离传感器、前后摄像头、激光雷达等等。这些...