CUlane数据集

订阅方案：

普通用户：

￥30.00

VIP用户：

￥0.00

联系客服查看订阅方案

所属分类：综合数据标签：（无）

来源： Moonapi

更新时间： 2024-05-05 最新数据时间：自动更新

数据集简介：

CULane 是一个大规模的具有挑战性的数据集，用于交通车道检测的学术研究。它是由安装在北京不同司机驾驶的六辆不同车辆上的摄像头收集的。收集了超过 55 小时的视频，提取了 133,235 帧。在每一帧中，交通车道都用三次样条手动注释。对于车道标记被车辆遮挡或看不见的情况，仍根据上下文进行车道注释。障碍物另一侧的车道没有注释。在这个数据集中，主要关注的是四车道标记的检测，这在实际应用中

展开

质量保证
免费样本数据
免费数据更新
提供发票

数据集概览(文件数量，文件种类，数据集行列数)，数据集示例数据请查看下方数据集介绍或联系客服索取

数据集介绍
订阅方案
问题反馈

CUlane数据集简介 CULane 是一个大规模的具有挑战性的数据集，用于交通车道检测的学术研究。它是由安装在北京不同司机驾驶的六辆不同车辆上的摄像头收集的。收集了超过 55 小时的视频，提取了 133,235 帧。在每一帧中，交通车道都用三次样条手动注释。对于车道标记被车辆遮挡或看不见的情况，仍根据上下文进行车道注释。障碍物另一侧的车道没有注释。在这个数据集中，主要关注的是四车道标记的检测，这在实际应用中是最受关注的。其他车道标记没有注释。 数据集所属：香港中文大学多媒体实验室描述CULane是用于行车道检测学术研究的大规模具有挑战性的数据集。它由安装在六辆由北京不同驾驶员驾驶的不同车辆上的摄像机收集。收集了超过55小时的视频，并提取了133,235… 简单记录一下。 1、配置、训练步骤可以新建一个虚拟环境，专门跑laneatt算法，方便管理。新建之后切换到该虚拟环境（博主的是叫laneatt）执行： conda instasll pytorch torchvision torchaudio cudatoolkit=1… Ultra-Fast-Lane-Detection - 第二批任务赛题九：利用MindSpore实现Ultra-Fast-Lane-Detection车道检测网络 目前使用较多的车道线数据集有2个，tusimple和culane，tusimple数据集图片原始分辨率为720P的，而culane数据集原始分辨率为1640x590，由于SCNN开源时候，使用了等比缩放到288x800分辨率，导致以后绝大部分方法都是使用这个分辨率训练的，首先自己数据集跟culane不同，而且288x800分辨率使用基于分割的方法运算量较大，在板卡上运行太慢，也做了相关试验，更改了backbone和分辨率，在UFLD上使用mbv2和256x512的分辨率训练，模型较resnet18，F1降低了大约3个点，但是在板卡速度为20ms(288x800 rensnet18为70多)，提升较大，所以对于图片分辨率，可以将原始图片上方天空部分去除，在原图上降低图像分辨率，记录下生成脚本