1  圖像分割

1.1 SYNTHIA數(shù)據(jù)集

數(shù)據(jù)集圖片：







數(shù)據(jù)集內(nèi)容：SYNTHIA數(shù)據(jù)集，包含從虛擬城市渲染的逼真的幀的集合，并具有針對13類的精確像素級語義注釋：雜項(xiàng)，天空，建筑物，道路，人行道，柵欄，植被，電線桿，汽車，標(biāo)志，行人，騎自行車的人，車道標(biāo)記，在駕駛場景的環(huán)境中，幫助語義分割和相關(guān)的場景理解問題。

數(shù)據(jù)集數(shù)量：數(shù)據(jù)集包含來自視頻流的200,000張高清圖像，和來自獨(dú)立快照的20,000高清圖像。

場景多樣性：歐式城鎮(zhèn)，現(xiàn)代城市，高速公路和綠色區(qū)域

多種動態(tài)對象：汽車，行人和騎自行車的人

多個季節(jié)：冬季，秋季，春季和夏季的專用主題

照明條件和天氣：動態(tài)的燈光和陰影，幾種白天模式，降雨模式和夜間模式。

1.2 CamSeq01數(shù)據(jù)集

數(shù)據(jù)集圖片：



數(shù)據(jù)集內(nèi)容：CamSeq01是一個地面數(shù)據(jù)集，可自由用于視頻目標(biāo)識別中的研究工作。該數(shù)據(jù)庫是唯一的，因?yàn)樗且粋€視頻序列，由高分辨率圖像組成。

該數(shù)據(jù)集最初是針對自動駕駛汽車的問題而設(shè)計(jì)的。此序列描繪了從一輛動感的汽車拍攝的劍橋市的動感駕駛場景。這是一個具有挑戰(zhàn)性的數(shù)據(jù)集，因?yàn)槌似嚨淖晕疫\(yùn)動之外，其他汽車，自行車和行人也有自己的運(yùn)動，而且它們經(jīng)常相互堵塞。

數(shù)據(jù)集數(shù)量：數(shù)據(jù)集是在英國劍橋的街道上開車，將攝像頭安裝在汽車的乘客座椅上。使用了Panasonic HVX200數(shù)碼相機(jī)，以30fps的速度捕獲960×720像素的幀，拍攝了大約2個小時。

CaTLOV數(shù)據(jù)集是101個連續(xù)幀的子序列，每隔一個幀（來自202個幀）進(jìn)行二次采樣，相當(dāng)于連續(xù)行駛6秒鐘。其中每個像素被手動分配給與駕駛環(huán)境相關(guān)的以下32個對象類別之一：



2  信號燈檢測

2.1 Bosch Small Traffic Lights數(shù)據(jù)集

數(shù)據(jù)集圖片：



數(shù)據(jù)集內(nèi)容：該數(shù)據(jù)集是基于視覺的交通信號燈檢測的數(shù)據(jù)集，涵蓋了各種各樣的道路場景：

·  市中心繁忙的街道場景

·  交通密度變化的郊區(qū)多車道道路

·  密集的走走停停的交通

·  道路工程

·  光照/曝光變化很大

·  烏云密布的天空，有小雨

·  閃爍/波動的交通信號燈

·  多個可見交通信號燈

·  可能與交通信號燈相混淆的圖像部分（例如，大型圓形尾燈）

數(shù)據(jù)集數(shù)量：該數(shù)據(jù)集包含13427個攝像機(jī)圖像，訓(xùn)練集5093張，測試集8334張。分辨率為1280x720像素，并包含大約24000個帶注釋的交通信號燈。注釋包括交通信號燈的邊界框以及每個交通信號燈的當(dāng)前狀態(tài)（活動燈）。

相機(jī)圖像是使用紅-清晰-藍(lán)色濾鏡拍攝的原始12位HDR圖像，以及重構(gòu)的8位RGB彩色圖像。RGB圖像用于調(diào)試，也可以用于訓(xùn)練。但是，RGB轉(zhuǎn)換過程有一些缺點(diǎn)。某些轉(zhuǎn)換后的圖像可能包含偽像，并且顏色分布可能看起來異常。

3  通用檢測

3.1 D²-City數(shù)據(jù)集

數(shù)據(jù)集圖片：



數(shù)據(jù)集內(nèi)容：D²-City 是一個大規(guī)模行車視頻數(shù)據(jù)集，提供了超過一萬段行車記錄儀記錄的前視視頻數(shù)據(jù)。所有視頻均以高清（720P）或超高清（1080P）分辨率錄制。

采集自中國多個城市，涵蓋了不同的天氣、道路、交通狀況，尤其是極復(fù)雜和多樣性的交通場景。

數(shù)據(jù)集數(shù)量：D²-City 數(shù)據(jù)集采集自運(yùn)行在中國五個城市的滴滴運(yùn)營車輛。所提供的原始數(shù)據(jù)均存儲為幀率25fps、時長30秒的短視頻。

其中約一千段視頻提供了包括目標(biāo)框位置、目標(biāo)類別和追蹤ID信息的逐幀標(biāo)注，涵蓋了共12類行車和道路相關(guān)的目標(biāo)類別。（car、van、bus、truck、person、bicycle、motorcycle、open-tricycle、closed-tricycle、forklift、large-block、small-block）

4  車輛檢測

4.1 NYC3DCars數(shù)據(jù)集

數(shù)據(jù)集圖片：



數(shù)據(jù)集內(nèi)容：NYC3DCars數(shù)據(jù)集是基于視覺任務(wù)的車輛檢測數(shù)據(jù)庫，主要有三種應(yīng)用方式：

·  3D 重建：NYC3DCars 中的每張照片都已在地球上進(jìn)行了地理注冊，從而在以地球?yàn)橹行牡墓潭ㄓ诘厍虻淖鴺?biāo)系中提供了完整的相機(jī)內(nèi)部和外部信息，從而實(shí)現(xiàn)了與現(xiàn)有地理空間數(shù)據(jù)的無縫集成。

·  地理數(shù)據(jù)：集成了諸如 OpenStreetMap 和 NYC OpenData 提供的數(shù)據(jù)庫，以便輕松訪問道路，人行道和中間多邊形等地理特征以及道路網(wǎng)絡(luò)的連通性。

·  車輛標(biāo)注：對數(shù)據(jù)集中的車輛，進(jìn)行詳細(xì)的標(biāo)注。標(biāo)注包括完整的 6 自由度車輛姿態(tài)，車輛類型，2D 車輛邊界框和一天中的近似照片時間。

5  3D檢測

5.1 Boxy vehicle detection dataset

數(shù)據(jù)集圖片：



數(shù)據(jù)集內(nèi)容：Boxy vehicle detection 數(shù)據(jù)集是一個大型車輛檢測數(shù)據(jù)集，可用于2D檢測和3D檢測，包含將近200萬輛帶注釋的車輛，用于訓(xùn)練和評估高速公路上自動駕駛汽車的對象檢測方法。

數(shù)據(jù)集數(shù)量：數(shù)據(jù)集包含200,000張圖片，1,990,000輛標(biāo)注的車輛，5百萬像素分辨率，主要是陽光，雨，黃昏，夜晚的場景。

5.2 Waymo開放數(shù)據(jù)集

數(shù)據(jù)集圖片：



數(shù)據(jù)集內(nèi)容：Waymo開放數(shù)據(jù)集是谷歌母公司 Alphabet 旗下的自動駕駛公司 ，Waymo 開源的自動駕駛數(shù)據(jù)庫。

數(shù)據(jù)集數(shù)量：Waymo數(shù)據(jù)集由 Waymo 自駕汽車在各種條件下采集的高度標(biāo)注數(shù)據(jù)組成，該數(shù)據(jù)包含：

·  尺寸和覆蓋范圍：此版本包含 1,000 個自動駕駛路段的數(shù)據(jù)。每個數(shù)據(jù)片段捕獲 20 秒的連續(xù)駕駛過程，相當(dāng)于每個鏡頭標(biāo)注參數(shù)為 10 Hz 的 200,000 幀。這樣的連續(xù)鏡頭可以使得研究人員易于開發(fā)模型來跟蹤和預(yù)測其它道路使用者的行為。

·  多樣化的駕駛環(huán)境：該數(shù)據(jù)集涵蓋鳳凰城、亞利桑那州、柯克蘭、華盛頓州、山景城、加利福尼亞州和加利福尼亞州舊金山的密集城市和郊區(qū)環(huán)境，并捕捉了各種駕駛條件下的數(shù)據(jù)（包含：白天和黑夜、黎明和黃昏、晴天和下雨天）。

·  高分辨率的 360 度視圖：每個分段包含了來自五個高分辨率 Waymo 激光雷達(dá)和五個前置與側(cè)面攝像頭的數(shù)據(jù)。

·  密集標(biāo)注：數(shù)據(jù)集包括激光雷達(dá)框架和圖像；車輛、行人、騎自行車者和標(biāo)識牌都經(jīng)過了精心的標(biāo)記，共捕獲了 1200 萬個 3D 標(biāo)注和 120 萬個 2D 標(biāo)注。

6  模擬駕駛

6.1 comma.ai driving dataset

數(shù)據(jù)集圖片：



數(shù)據(jù)集內(nèi)容：該數(shù)據(jù)集包含10個可變大小的視頻剪輯，這些視頻剪輯安裝在Acura ILX 2016的擋風(fēng)玻璃上，并以20 Hz的頻率記錄下來。與視頻同時，我們還記錄了一些測量數(shù)據(jù)，例如汽車的速度，加速度，轉(zhuǎn)向角，GPS坐標(biāo)，陀螺儀角度。