Select Language

AI社区

公开数据集

全天候道路图像分割数据集UAS(UESTC All-Day Scenery)

全天候道路图像分割数据集UAS(UESTC All-Day Scenery)

296.34M
572 浏览
2 喜欢
3 次下载
0 条讨论
Environment,Environment 2D Panoptic Segmentation

UAS共包含6380张不同时间和天气条件的图像,包括1399张在黄昏拍摄的样本、2167张在夜间拍摄的样本,819张在雨中拍摄的样本和1995......

数据结构 ? 296.34M

    Data Structure ?

    * 以上分析是由系统提取分析形成的结果,具体实际数据为准。

    README.md

    UAS共包含6380张不同时间和天气条件的图像,包括1399张在黄昏拍摄的样本、2167张在夜间拍摄的样本,819张在雨中拍摄的样本和1995张在阳光下拍摄的样本。对于每个图像,通过手动注释来创建精确的二进制语义标签。

    整个数据集包含四种天候(黄昏天候,夜间天候,下雨天候和艳阳天候)共计6380张图像。其中,我们1使用海康威视DS-2CD2155F(D)-I(W)S采集黄昏天候,夜间天候,艳阳天候的道路图像;使用HUAWEI Mate 8采集下雨天候的道路图像。更详细的信息请见下表:
    天候类型    数量
    黄昏    1399(训练集1243,测试集156)
    夜间    2167(训练集1926,测试集241)
    雨天    819(训练集728,测试集91)
    艳阳    1995(训练集1773,测试集222)

    对于每一张采集的图像,UAS提供一张单通道类别标签和一张三通道的标记示意图。在类别标签中,0表示可行区域,而1表示不可行区域。采集图像与标记示意图如下图所示:

    黄昏天候:

    夜间天候:

    下雨天候:

    艳阳天候:

    Citation

    @article{zhang2018road, title={Road segmentation for all-day outdoor robot navigation}, author={Zhang, Yuxiao and Chen, Haiqiang and He, Yiran and Ye, Mao and Cai, Xi and Zhang, Dan}, journal={Neurocomputing}, volume={314}, pages={316--325}, year={2018}, publisher={Elsevier} }


    ×

    帕依提提提温馨提示

    该数据集正在整理中,为您准备了其他渠道,请您使用

    注:部分数据正在处理中,未能直接提供下载,还请大家理解和支持。
    暂无相关内容。
    暂无相关内容。
    • 分享你的想法
    去分享你的想法~~

    全部内容

      欢迎交流分享
      开始分享您的观点和意见,和大家一起交流分享.
    所需积分:20 去赚积分?
    • 572浏览
    • 3下载
    • 2点赞
    • 收藏
    • 分享