mit数据集_DriveSeg：动态驾驶场景分割数据集

【导读】麻省理工学院和丰田发布DriveSeg数据集以加速自动驾驶研究，DriveSeg包含许多常见道路对象的精确像素级表示，并通过连续视频驾驶场景的镜头。

我们如何训练自动驾驶模型，以加深对周围世界的认识？计算机能否从过去的经验中学习以识别未来的模式，以帮助他们安全地应对新的不可预测的情况？

麻省理工学院运输与物流中心的AgeLab和丰田合作安全研究中心(CSRC)的研究人员发布了DriveSeg的开放数据集。

通过发布DriveSeg，麻省理工学院和丰田汽车正在努力推进自动驾驶系统的研究，就像人类的感知一样，自动驾驶系统将驾驶环境视为连续的视觉信息流。

迄今为止，提供给研究团体的自动驾驶数据主要由大量静态的单一图像组成，这些图像可用于识别和跟踪在道路内和道路周围发现的常见物体，例如自行车，行人或交通信号灯，通过使用“边界框”。相比之下，DriveSeg包含许多相同的常见道路对象的更精确的像素级表示，但是是通过连续视频驾驶场景的镜头。这种类型的全场景分割对于识别更多不总是具有这种定义和统一形状的无定形对象(例如道路建设和植被)尤其有用。

根据Sherony的说法，基于视频的驾驶场景感知提供的数据流更类似于动态，现实世界的驾驶情况。它还使研究人员能够随着时间的推移探索数据模式，这可能推动机器学习，场景理解和行为预测方面的进步。

DriveSeg是免费提供的，研究人员和学术界可将其用于非商业目的。数据由两部分(manual与semi-auto)组成。DriveSeg(manual)是在马萨诸塞州剑桥市繁忙的街道上白天捕获的2分47秒的高分辨率视频。该视频的5,000帧使用12类道路对象的每像素人工标签进行密集注释。

DriveSeg(semi-auto)是从MIT高级车辆技术(AVT)联盟数据中提取的20,100个视频帧(67个10秒的视频剪辑)。DriveSeg(Semi-auto)与DriveSeg(manual)具有相同的像素级语义注释，除了注释是通过MIT开发的新型半自动注释方法完成的。与手动注释相比，此方法利用了手动和计算的努力，可以以较低的成本更有效地粗略地注释数据。创建该数据集的目的是评估注释各种现实驾驶场景的可行性，并评估在通过基于AI的标记系统创建的像素标记上训练车辆感知系统的潜力。

数据集主页：https://agelab.mit.edu/driveseg

原文链接：http://news.mit.edu/2020/mit-toyota-release-visual-open-data-accelerate-autonomous-driving-research-0618

专知，专业可信的人工智能知识分发，让认知协作更快更好！欢迎注册登录专知www.zhuanzhi.ai，获取5000+AI主题干货知识资料！欢迎微信扫一扫加入专知人工智能知识星球群，获取最新AI专业干货知识教程资料和与专家交流咨询！点击“阅读原文”，了解使用专知，查看获取5000+AI主题知识资源

mit数据集_DriveSeg：动态驾驶场景分割数据集相关推荐

DriveSeg：动态驾驶场景分割数据集
点击上方,选择星标或置顶,不定期资源大放送! 阅读大概需要5分钟 Follow小博主,每天更新前沿干货 [导读]麻省理工学院和丰田发布DriveSeg数据集以加速自动驾驶研究,DriveSeg包含许多 ...
基于改进Deeplabv3plus的自动驾驶场景分割系统（源码＆教程）
1.研究背景随着人工智能技术的飞速发展,车辆的自动驾驶离人们的生活越来越近.自动驾驶整个运行流程中首先需要依赖各种车载传感器收集车辆周围的各种环境数据,进而利用各种分析算法分析得到计算机可感知的环境 ...
Cityscapes数据集（智能驾驶场景的语义分割）
前言面向智能驾驶(辅助驾驶.自动驾驶)场景下的语义分割任务,由于非结构化场景的复杂性,是一个非常具有挑战性的任务,所以有许多研究者和研究机构公开了很多相关的数据集推动语义分割领域的发展.本文主要介绍 ...
ARGO数据集—自动驾驶场景（版本：Argoverse 1.1）
前言 ARGO是一个自动驾驶场景的数据集,它有竞赛排行(立体深度估计.运动预测.3D检测.3D跟踪等等),截止2021.12最新版本是Argoverse 1.1:Argoverse1.1 通过1000 ...
基于深度学习的点云分割网络及点云分割数据集
作者丨泡椒味的泡泡糖来源丨深蓝AI 引言点云分割是根据空间.几何和纹理等特征对点云进行划分,使得同一划分内的点云拥有相似的特征.点云的有效分割是许多应用的前提,例如在三维重建领域,需要对场景内的物 ...
前沿丨基于深度学习的点云分割网络及点云分割数据集
众所周知,点云的有效分割是许多应用的前提,例如在三维重建领域,需要对场景内的物体首先进行分类处理,然后才能进行后期的识别和重建.传统的点云分割主要依赖聚类算法和基于随机采样一致性的分割算法,在很多技术 ...
大盘点 | 基于深度学习的点云分割网络及点云分割数据集
编辑 | 深蓝前沿点击下方卡片,关注"自动驾驶之心"公众号 ADAS巨卷干货,即可获取后台回复[数据集下载]获取计算机视觉近30种数据集! 引言点云分割是根据空间.几何和纹理 ...
街景语义分割数据集总结
汇总 SYNTHIA-Dataset 一个大规模的虚拟城市的真实感渲染图数据集,带有语义分割信息,是为了在自动驾驶或城市场景规划等研究领域中的场景理解而提出的.提供了11个类别物体(分别为空.天空.建 ...
超详细！手把手带你轻松用 MMSegmentation 跑语义分割数据集
在带你轻松掌握 MMSegmentation 整体构建流程一文中,我们带大家认识了 MMSegmentation 的整体框架,分享了 MMSegmentation 中已经复现的主流语义分割模型. Op ...

mit数据集_DriveSeg：动态驾驶场景分割数据集

mit数据集_DriveSeg：动态驾驶场景分割数据集相关推荐

最新文章

热门文章