该数据集是CVPR2022论文"Towards Driving-Oriented Metric for Lane Detection Models"的数据集。为了在同一数据集上评估传统指标和以任务为中心的下游指标 E2E-LD 和 PSLD,需要用到车道线注释和驾驶信息(例如位置、转向角和速度)。 因此,我们创建了一个名为 Comma2k19-LD 的新数据集,我们在其中手动注释了 2,000 帧
该数据集是CVPR2022论文"Towards Driving-Oriented Metric for Lane Detection Models"的数据集。为了在同一数据集上评估传统指标和以任务为中心的下游指标 E2E-LD 和 PSLD,需要用到车道线注释和驾驶信息(例如位置、转向角和速度)。 因此,我们创建了一个名为 Comma2k19-LD 的新数据集,我们在其中手动注释了 2,000 帧的左右车道线(100 个 20 Hz 的 1 秒剪辑场景)。 所选场景是从原始 Comma2k19 数据集中时速超过 30 mph(约 48 km/h)的场景中随机选择的。 请注意,原始 Comma2k19 数据集是在 MIT 许可下提供的。
[CVPR 2022] Towards Driving-Oriented Metric for Lane Detection Models
Explore and run machine learning code with Kaggle Notebooks | Using data from Comma2k19 LD
Maps are useful. Accurate maps are even more useful. Building accurate maps requires a lot of data. Mapping vehicles are expensive, EONs are not.
Comma2k19 LD Description: To evaluate both the conventional metrics and the downstream task-centric metrics E2E-LD and PSLD on the same dataset, we need both lane line annotations and driving information (e.g., position, steering angle, ...
comma 2k19 is a dataset of over 33 hours of commute in California's 280 highway. This means 2019 segments, 1 minute long each, on a 20km section of highway driving between California's San Jose and San Francisco. The dataset was collected using comma EONs that have sensors similar to those of any modern smartphone including a road-facing camera, phone GPS, thermometers and a 9-axis IMU.
该数据集是麻省理工学院提供的原始数据。室内场景识别是高层次视觉中一个具有挑战性的开放性问题。 大多数适用于室外场景的场景识别模型在室内领域表现不佳。主要困难在于,虽然一些室内场景(例如走廊)可以通过全局空间属性很好地表征,但其他的(例如书店)可以通过它们包含的对象更好地表征。 更一般地说,为了解决室内场景识别问题,我们需要一个可以利用局部和全局判别信息的模型。 该数据库包含 67 个室内类别,
Context In this Dataet, we introduce DTL models to classify limited COVID-19 chest CT scan digital images. To input adopting CT images of the chest to the DCNN, we enriched the medical chest CT images
为了为未来交通灯识别 (TLR) 研究的比较提供共同基础,我们根据美国道路的镜头收集了一个广泛的公共数据库。该数据库收集于美国加利福尼亚州圣地亚哥。该数据库提供了四个主要用于测试的白天和两个夜间序列,提供了在太平洋海滩和圣地亚哥拉霍亚的 23 分 25 秒的驾驶时间。该数据库由连续测试和训练视频序列组成,共有 43,007 帧和 113,888 个带注释的交通信号灯。这些序列由安装在车辆车顶上的立
该数据集包含 12,500 张带有细胞类型标签 (CSV) 的增强血细胞图像 (JPEG)。4 种不同细胞类型中的每一种都有大约 3,000 张图像,这些图像被分组到 4 个不同的文件夹中(根据细胞类型)。细胞类型是嗜酸性粒细胞、淋巴细胞、单核细胞和中性粒细胞。该数据集附带一个额外的数据集,其中包含原始 410 幅图像(预增强)以及两个额外的子类型标签(WBC 与 WBC),以及这 410 幅图像