自动驾驶数据集（【数据集NO.1】最经典大规模、多样化的自动驾驶视频数据集——BDD100K数据集）
本专栏主要分享本人收集整理的深度学习数据集资源 ，供大家参考使用 。一个合适的数据集是论文写作 、科研成功的开始 。栏目会先简要介绍数据集 ，然后分享数据集的链接 。本文分享最经典大规模 、多样化的自动驾驶视频数据集BDD100K数据集 。
一 、BDD100K数据集简介
目前 ，自动驾驶的公开数据集主要由视频和图片组成 ，近两年也增加了许多雷达数据 。今天将介绍的数据集为加州大学伯克利分校发布的 BDD100K 数据集 ，该数据集为迄今规模最大 、最多样的自动驾驶数据集之一 。BDD100K 数据集 ，是加州大学伯克利分校 AI 实验室（BAIR）于 2018 年发布的 ，迄今为止最大规模 、内容最具多样性的公开驾驶数据集之一 。其包含的 10 万个高清视频序列 ，时长超过 1100 小时 。其中 ，每个视频大约 40 秒长 、720p 、30 fps ，还附有手机记录的 GPS/IMU 信息和时间戳 ，以显示大概的驾驶轨迹 。BAIR 还对每个视频的第 10 秒对关键帧进行采样 ，得到 10 万张图片（图片尺寸：1280*720 ） ，并进行标注 。这些图片还被标记了：图像标记 、道路对象边界框 、可驾驶区域 、车道标记线和全帧实例分割 。这些注释有助于理解不同场景中数据和对象统计的多样性 。数据集中的视频是从美国各地收集的 ，涵盖不同时间 、不同天气条件（包括晴天 、阴天和雨天 ，以及白天和晚上的不同时间）和驾驶场景 。收集数据集的地理位置分布在纽约 、伯克利 、旧金山等地 。数据集中 ，道路目标检测是为公共汽车 、交通灯 、交通标志 、人 、自行车 、卡车 、摩托车 、汽车 、火车和乘车人等 100000 张图片上标注 2D 边界框；实例分割被用于探索具有像素级和丰富实例级注释 ，相关图像超过 10000 张；引擎区域是从 10 万张图片中学习复杂的可驾驶决策；车道标记是在 10 万张行车指南图片上的多种车道标注 。车道标记类图片中 ，标注了实线 、虚线 、双线 、单线等 。该数据集由相关论文有《BDD100K: A Diverse Driving Video Database with Scalable Annotation Tooling》 ，该项目由伯克利 DeepDrive 产业联盟组织和赞助 ，该联盟研究计算机视觉和机器学习在汽车应用上的最新技术 。
二 、数据集链接
链接：https://pan.baidu.com/s/1kMBbHXrd04UF4bJ6YDIkQA
提取码：qt28如果有问题请关注下方 ，私信留言我哦 。
创心域SEO版权声明：以上内容作者已申请原创保护，未经允许不得转载，侵权必究！授权事宜、对本内容有异议或投诉，敬请联系网站管理员，我们将尽快回复您，谢谢合作！