全球交通公开数据集推荐(一)

好久没更新公众号了,懒啊。。。。

这次终于决定写一篇有关交通专业的推文了。

新学期,新气象,开学就研三了,大家已经到了发小论文毕业的最后冲刺阶段,祝大家都能顺利搞定。

和大多数学科一样,交通运输专业的学术研究无论是在仿真还是模型构建方面,我们都需要大量的真实数据作为理论支持。那么,在我们手上的实测数据不足或是根本没有此类数据时,我们的研究又如何展开呢?接下来,我将介绍几个纯净的、易于操作的交通公开数据库,可供有此需求的朋友使用。如有补充,欢迎后台或直接私聊我。

1. 德国交通标志数据集

该数据集由Institut für Neuroinformatik提供。

该数据集包含了900张涵盖各种距离、照度、天气条件、部分遮挡和旋转变化的图片,共1.6G。参考《The German Traffic Sign Recognition Benchmark: A multi-class classification competition》对此的详细描述及使用案例。

适用领域:个人觉得可用于:(1)交通计算机视觉;(2)模式识别;(3)基于图像的辅助驾驶系统训练;(4)单图像3D形状建模。

2.BDD100K:大规模多样化驾驶视频数据集

该数据集由BerkeleyArtificial Intelligence Research提供,且不断地有后续更新(目前已更新至2018.06.18)。

该数据集包含了大量已初步处理好了的驾驶视频素材,包括详细的标注(Annotations)、路面物体识别(Road Object Detection)、车道标记(Lane Markings)、可行驶空间(Drivable Areas)、全帧分割(Full-frame Segmentation),可以说是包括了驾驶视觉方面绝大部分的数据了。

适用领域:个人觉得可用于:(1)交通计算机视觉;(2)模式识别;(3)物体检测;(4)基于时序数据的辅助/自动驾驶系统训练;(5)驾驶状态预测;(6)三维空间数据训练。

https://bair.berkeley.edu/blog/2018/05/30/bdd/

3. 行人步行大型多摄像机数据集

该数据集由CVLab提供,supported by the Swiss National Science Foundation。

该数据集满足了深度学习方法对大规划步行者在多摄像机角度下的训练需要。此外,其高精度的联合校准和同步,可用于支持开发超越当前可用数据集的潜在新算法。

适用领域:个人觉得可用于:(1)交通计算机视觉;(2)行为模式识别;(3)动作及骨骼检测;(4)群体动力学。

  • 发表于:
  • 原文链接https://kuaibao.qq.com/s/20180907G155YC00?refer=cp_1026
  • 腾讯「云+社区」是腾讯内容开放平台帐号(企鹅号)传播渠道之一,根据《腾讯内容开放平台服务协议》转载发布内容。
  • 如有侵权,请联系 yunjia_community@tencent.com 删除。

扫码关注云+社区

领取腾讯云代金券