論文の概要: The Oxford Road Boundaries Dataset
- arxiv url: http://arxiv.org/abs/2106.08983v1
- Date: Wed, 16 Jun 2021 17:23:34 GMT
- ステータス: 処理完了
- システム内更新日: 2021-06-17 17:12:39.423038
- Title: The Oxford Road Boundaries Dataset
- Title（参考訳）: オックスフォード道路境界データセット
- Authors: Tarlan Suleymanov, Matthew Gadd, Daniele De Martini, Paul Newman
- Abstract要約: オックスフォード道路境界データセットは、機械学習に基づく道路境界検出と推論アプローチのトレーニングとテストのために設計されている。
我々は,オックスフォード・ロボットカー・データセットから10kmの地点でハンドアノテートを行い,さらに数千の地点でセミアノテートされた道路境界マスクを作成した。
- 参考スコア（独自算出の注目度）: 27.619657696700283
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In this paper we present the Oxford Road Boundaries Dataset, designed for
training and testing machine-learning-based road-boundary detection and
inference approaches. We have hand-annotated two of the 10 km-long forays from
the Oxford Robotcar Dataset and generated from other forays several thousand
further examples with semi-annotated road-boundary masks. To boost the number
of training samples in this way, we used a vision-based localiser to project
labels from the annotated datasets to other traversals at different times and
weather conditions. As a result, we release 62605 labelled samples, of which
47639 samples are curated. Each of these samples contains both raw and
classified masks for left and right lenses. Our data contains images from a
diverse set of scenarios such as straight roads, parked cars, junctions, etc.
Files for download and tools for manipulating the labelled data are available
at: oxford-robotics-institute.github.io/road-boundaries-dataset
- Abstract（参考訳）: 本稿では,機械学習に基づく道路境界検出と推論手法の訓練と試験を目的とした,オックスフォード道路境界データセットを提案する。
我々は,オックスフォード・ロボットカー・データセットから10kmの地点でハンドアノテートを行い,さらに数千の地点でセミアノテートされた道路境界マスクを作成した。
このようにトレーニングサンプルの数を増やすために、私たちは視覚ベースのローカライザを使用して、注釈付きデータセットから異なる時間と天候条件で他のトラバーサルにラベルを投影しました。
その結果, 62605 のラベル付きサンプルを公表し, そのうち 47639 のサンプルをキュレートした。
これらのサンプルには、左右のレンズ用の生マスクと分類マスクが含まれている。
私たちのデータには、直線道路、駐車中の車、ジャンクションなど、さまざまなシナリオの画像が含まれています。
ダウンロード用のファイルとラベル付きデータを操作するためのツールは、oxford-robotics-institute.github.io/road-boundaries-datasetで利用可能である。
関連論文リスト
- XLD: A Cross-Lane Dataset for Benchmarking Novel Driving View Synthesis [84.23233209017192]
本稿では,自律走行シミュレーションに特化して設計された新しい駆動ビュー合成データセットとベンチマークを提案する。
データセットには、トレーニング軌跡から1-4mずれて取得した画像のテストが含まれているため、ユニークなものだ。
我々は、フロントオンリーおよびマルチカメラ設定下で、既存のNVSアプローチを評価するための最初の現実的なベンチマークを確立する。
論文 参考訳（メタデータ） (2024-06-26T14:00:21Z) - Distributionally Robust Classification on a Data Budget [26.69877485937123]
2.4万の画像サンプル上でのクロスエントロピー損失でトレーニングされた標準ResNet-50は、4億の画像サンプルでトレーニングされたCLIP ResNet-50と同等の堅牢性を達成できることを示す。
これは、限られたデータ予算に対して(ほぼ)最先端の分散ロバスト性を示す最初の結果である。
論文 参考訳（メタデータ） (2023-08-07T15:30:02Z) - DIVOTrack: A Novel Dataset and Baseline Method for Cross-View
Multi-Object Tracking in DIVerse Open Scenes [74.64897845999677]
歩行者が密集したDIVerse Openのシーンを対象とした,新しいクロスビュー多目的追跡データセットを提案する。
私たちのDIVOTrackには15の異なるシナリオと953のクロスビュートラックがあります。
さらに,クロスモット(CrossMOT)という統合型共同検出・クロスビュートラッキングフレームワークを用いた新しいベースラインクロスビュートラッキング手法を提案する。
論文 参考訳（メタデータ） (2023-02-15T14:10:42Z) - Argoverse 2: Next Generation Datasets for Self-Driving Perception and
Forecasting [64.7364925689825]
Argoverse 2(AV2)は、自動運転分野の研究の知覚と予測のための3つのデータセットの集合である。
Lidarデータセットには、ラベルなしのLidar点雲とマップ整列ポーズの2万のシーケンスが含まれている。
Motion Forecastingデータセットには、各ローカルシーンにおける自動運転車と他のアクター間の興味深い、挑戦的なインタラクションのために採掘された25万のシナリオが含まれている。
論文 参考訳（メタデータ） (2023-01-02T00:36:22Z) - Scrape, Cut, Paste and Learn: Automated Dataset Generation Applied to
Parcel Logistics [58.720142291102135]
4つのステップでインスタンスセグメンテーションのための合成データセットを生成するために,完全に自動化されたパイプラインを提案する。
まず、人気のある画像検索エンジンから興味ある対象の画像を抽出する。
画像選択には,オブジェクトに依存しない事前処理,手動画像選択,CNNに基づく画像選択の3つの方法を比較する。
論文 参考訳（メタデータ） (2022-10-18T12:49:04Z) - Anomaly Detection in Aerial Videos with Transformers [49.011385492802674]
我々は、空中ビデオの異常検出のための新しいデータセットDroneAnomalyを作成します。
87,488色のビデオフレーム(トレーニング用51,635フレーム、テスト用35,853フレーム)があり、サイズは640×640ドル/秒である。
本稿では,連続するビデオフレームを一連のチューブレットとして扱う新しいベースラインモデルAnomaly Detection with Transformers (ANDT)を提案する。
論文 参考訳（メタデータ） (2022-09-25T21:24:18Z) - Learning to Detect Mobile Objects from LiDAR Scans Without Labels [60.49869345286879]
現在、自動運転のための3Dオブジェクト検出器は、ほとんど完全に人間の注釈付きデータに基づいて訓練されている。
本稿では,地球上のほぼどこでも,安価かつ多量に収集できるラベルなしデータに基づく代替手法を提案する。
論文 参考訳（メタデータ） (2022-03-29T20:05:24Z) - CeyMo: See More on Roads -- A Novel Benchmark Dataset for Road Marking
Detection [0.8972186395640678]
データセットは合計2887枚の画像と11のクラスに属する4706個の道路標識インスタンスで構成されている。
画像は1920 x 1080の高解像度で、幅広い交通、照明、気象条件を捉えている。
論文 参考訳（メタデータ） (2021-10-22T15:56:17Z) - Topo-boundary: A Benchmark Dataset on Topological Road-boundary
Detection Using Aerial Images for Autonomous Driving [11.576868193291997]
オフライントポロジカル道路境界検出のための新しいベンチマークデータセットであるtextitTopo-boundaryを提案する。
データセットには21,556$1000times 1000$-size 4-channel aerial imageが含まれる。
データセットを用いて,3つのセグメンテーションベースラインと5つのグラフベースラインを実装し,評価する。
論文 参考訳（メタデータ） (2021-03-31T14:42:00Z) - Experiments on route choice set generation using a large GPS trajectory
set [9.139729923546247]
本稿では,大規模なGPSトラジェクトリデータセットを用いて,異なる経路生成アルゴリズムの評価を行う。
最短経路に基づいて単一経路を生成することにより、初期解析を行う。
高架道路の使用を優先する改良されたリンクペナルティ法は、97%のカバレッジで設定されたルートを提供する。
論文 参考訳（メタデータ） (2020-05-22T13:44:49Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。