Cars 数据集包含 196 类汽车的 16,185 张图像。 数据分为 8,144 个训练图像和 8,041 个测试图像，其中每个类别大致按 50-50 分割。 课程通常在品牌、型号、年份级别，例如 2012 Tesla Model S 或 2012 BMW M3 coupe。

Citation

If you use this dataset, please cite the following paper:

3D Object Representations for Fine-Grained Categorization

      Jonathan Krause, Michael Stark, Jia Deng, Li Fei-Fei

4th IEEE Workshop on 3D Representation and Recognition, at ICCV 2013(3dRR-13). Sydney, Australia. Dec. 8, 2013.

[pdf][BibTex][slides]

      Note that the dataset, as released, has 196 categories, one less than in the paper, as it has been cleaned up slightly since publication. Numbers should be more or less comparable, though.

FAQ

Q: Can this dataset be used for commercial purposes?

A: This dataset is for research purposes only, similar tothe ImageNet license.

Q: The downloads aren't starting

A: Sometimes this happens with large files when downloading via a web browser. Try using `wget` on the command line for the larger files.

Kaggle is the world’s largest data science community with powerful tools and resources to help you achieve your data science goals.

Actual database for online-store, website of car parts or classifieds with year, make, model selection. All generations with release years, specifications of a body, engine, transmission, steering and operational indicators.

Papers With Code highlights trending Machine Learning research and the code to implement it.

Store and query relational data on the cloud. Make it accessible over GraphQL and REST with a scalable, open-source backend.

Kaggle is the world’s largest data science community with powerful tools and resources to help you achieve your data science goals.

本篇博客主要介绍Stanford Cars数据集的下载与使用Stanford Cars数据集主要用于细粒度分类任务。数据集中一共包含16185张不同型号的汽车图片，其中8144张为训练集，8041张为测试集。官网下载链接： 官网中有两个版本的数据集，在旧版本中没有测试集的标注，我们要下载...

Stanford Cars数据集主要用于细粒度分类任务。数据集中一共包含16185张不同型号的汽车图片，其中8144张为训练集，8041张为测试集。 官网下载链接： 官网中有…

Standford cars数据集处理及使用Standford cars介绍数据集形式数据处理Standford cars介绍共16185张不同型号的汽车图片，训练集8144张，测试集8041张。官网下载链接：Standford cars官网下载地址若linux下载请参考文章数据集形式下载主要得到1、16185张数据集文件夹：car_ims2、标注文件：cars_ 下图为.mat文件中的存储形式。分别为annotations（路径+文件名；bbox；类别；是否为测试集（测0

宠物图像数据集数据集下载地址： TAgdC一个包含 37 个类别的宠物数据集，每个类别大约有 200 张图像。这些图像在比例、姿势和照明方面有很大的变化。所有图像都有相关的品种、头部 ROI 和像素级三…

Stanford Cars汽车图像数据集 包含196类汽车的16185个图像该汽车数据集包含196类汽车的16185个图像。数据分为8,144个训练图像和8,041个测试图像，其中每个类别大致分为50-50个分割。课程Autonomous Driving 自动驾驶 公开数据集

 当三维对象表示在多视点背景下的物体类检测和场景理解，目前还没有得到广泛的应用在细粒度分类中。最先进的方法当训练数据很多，但它们通常与平面二维表示相关联，后者将对象建模为未连接的集合视图，限制了它们在不同观点之间进行概括的能力。在本文中，我们提出了两个最先进的二维物体三维表示，在局部特征外观和位置级别上。在广泛的实验中对于最新提出的数据集，我们展示了我们的3D对象表示在细粒度分类方面优于其最先进的2D对象表示，并展示了它们通过超宽基线匹配和三维重建从图像估计三维几何的有效性。

Stanford Drone 数据集使用无人机在校园拥挤的时间段以俯视的方式收集了8个不同的场景下20k个物体的轨迹交互信息，每个物体的轨迹都标注唯一的 ID ，使得该数据集十分适合用于：

目标轨迹预测；
多目标跟踪。
（网站和文章在这个部分的描述会有所不同，文章里说收集了6个场景，后面应该扩展成8个，所以网站描述为8个场景，现在能下载到的数据集也是包含8个场景的数据）

二、数据集详细信息
1. 数据量及标注情况
数据集的所有数据都是有标注的。

​​

2. 标注类别
数据集的标注包含6个类别：

Biker: 骑单车的人
Pedestrian: 行人
Skater: 用滑板的人
Cart: 拉手推车的人
Car: 汽车
Bus: 巴士

3. 可视化
每个目标都会有一个 2D 框标注，并且带有该目标的类别和唯一 ID。在图中不同的类别用不同的颜色标识。

三、数据集任务定义及介绍
1. 轨迹预测
● 轨迹预测定义

给定一段时间内目标已知的移动轨迹，预测未来一段时间内目标的位置。

● 轨迹预测评价指标，由以下三个指标构成

a. 整个预测轨迹的误差

b. 最后预测点的误差

c. 由于躲避碰撞而产生轨迹偏移的误差

2. 多目标跟踪
● 多目标跟踪定义

给定需要检测的目标一段时间内的视频数据，需要先逐帧检测出目标，然后将各个帧的目标检测结果连接形成轨迹。（具体介绍可见：多目标跟踪任务科普）

● 多目标跟踪评价指标构成

a. 多目标跟踪准确率（MOTA）：

主要考量假阳性（False positives），目标丢失（Missed targets）和标识改变（Identity switches）的情况。

b. 多目标跟踪精确度（MOTP）：

主要考量真实目标与预测目标的平均距离。

c. 主要跟踪和主要丢失（MT & ML）：

计算主要（多于80%的帧里）跟踪的轨迹数量和主要（少于20%的帧里）已丢失的轨迹数量。