論文の概要: An Indian Roads Dataset for Supported and Suspended Traffic Lights Detection

• arxiv url: http://arxiv.org/abs/2209.04203v1
• Date: Fri, 9 Sep 2022 09:37:50 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-12 12:45:23.545729
• Title: An Indian Roads Dataset for Supported and Suspended Traffic Lights Detection
• Title（参考訳）: 支援・抑制された交通信号検出のためのインド道路データセット
• Authors: Sarita Gautam, Anuj Kumar
• Abstract要約: 本稿では、先進国とインド道路に基づく既存のデータセットの徹底的な比較について述べる。 私たちのデータセットは、サイズ、アノテーション、分散の以前のインドのトラフィックライトデータセットを超えています。 サイズ、撮影装置、多くの都市、交通光の向きのバリエーションなど、さまざまなデータセットの基準が考慮されている。
• 参考スコア（独自算出の注目度）: 6.6268035955374005
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Autonomous vehicles are growing rapidly, in well-developed nations like America, Europe, and China. Tech giants like Google, Tesla, Audi, BMW, and Mercedes are building highly efficient self-driving vehicles. However, the technology is still not mainstream for developing nations like India, Thailand, Africa, etc., In this paper, we present a thorough comparison of the existing datasets based on well-developed nations as well as Indian roads. We then developed a new dataset "Indian Roads Dataset" (IRD) having more than 8000 annotations extracted from 3000+ images shot using a 64 (megapixel) camera. All the annotations are manually labelled adhering to the strict rules of annotations. Real-time video sequences have been captured from two different cities in India namely New Delhi and Chandigarh during the day and night-light conditions. Our dataset exceeds previous Indian traffic light datasets in size, annotations, and variance. We prove the amelioration of our dataset by providing an extensive comparison with existing Indian datasets. Various dataset criteria like size, capturing device, a number of cities, and variations of traffic light orientations are considered. The dataset can be downloaded from here https://sites.google.com/view/ird-dataset/home
• Abstract（参考訳）: 自動運転車は、アメリカ、ヨーロッパ、中国などの先進国で急速に成長している。 Google、Tesla、Audi、BMW、Mercedesといったテック大企業が、高度に効率的な自動運転車を開発している。 しかし、インド、タイ、アフリカなどの発展途上国では依然としてこの技術が主流とはなっていないため、先進国とインド道路に基づく既存のデータセットを徹底的に比較する。 次に,64メガピクセルのカメラで撮影された3000以上の画像から8000以上のアノテーションを抽出した新しいデータセット"Indian Roads Dataset"(IRD)を開発した。 すべてのアノテーションは、アノテーションの厳格な規則に従って手動でラベル付けされます。 インドの2つの都市、すなわちニューデリーとチャンディガルから、昼と夜の条件でリアルタイムで映像が撮影された。 私たちのデータセットは、サイズ、アノテーション、分散の以前のインドのトラフィックライトデータセットを超えています。 既存のインドのデータセットと比較することにより、データセットの改善を実証する。 サイズ、キャプチャデバイス、都市数、交通光方向の変化など、さまざまなデータセットの基準が検討されている。 データセットはhere https://sites.google.com/view/ird-dataset/homeからダウンロードできる。

関連論文リスト

• Zenseact Open Dataset: A large-scale and diverse multimodal dataset for autonomous driving [3.549770828382121]
  Zenseact Open dataset (ZOD)は、ヨーロッパ各国で2年以上にわたって収集された大規模かつ多様なデータセットである。 ZODは、同等のデータセットの中で、最高範囲と解像度のセンサーを備えている。 データセットはFrames、Sequences、Drivesで構成され、データの多様性とマルチモーダル時間学習のサポートの両方を含むように設計されている。
  論文  参考訳（メタデータ） (2023-05-03T09:59:18Z)
• 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)
• IDD-3D: Indian Driving Dataset for 3D Unstructured Road Scenes [79.18349050238413]
  デプロイ可能なディープラーニングアーキテクチャの準備とトレーニングには、さまざまなトラフィックシナリオに適したモデルが必要である。 インドなどいくつかの発展途上国で見られる非構造的で複雑な運転レイアウトは、これらのモデルに挑戦している。 我々は、複数のカメラと12kの注釈付き駆動LiDARフレームを備えたLiDARセンサーのマルチモーダルデータからなる新しいデータセットIDD-3Dを構築した。
  論文  参考訳（メタデータ） (2022-10-23T23:03:17Z)
• Ithaca365: Dataset and Driving Perception under Repeated and Challenging Weather Conditions [0.0]
  我々は、新しいデータ収集プロセスを通じて、堅牢な自律運転を可能にする新しいデータセットを提案する。 データセットには、高精度GPS/INSとともに、カメラとLiDARセンサーからの画像と点雲が含まれている。 道路・オブジェクトのアモーダルセグメンテーションにおけるベースラインの性能を解析することにより,このデータセットの特異性を実証する。
  論文  参考訳（メタデータ） (2022-08-01T22:55:32Z)
• Dense Residual Networks for Gaze Mapping on Indian Roads [0.0]
  本稿では,運転者の視線を道路上にマッピングする新しいアーキテクチャDR-Gazeを提案する。 DGAZEデータセットの過去の研究結果と最先端の成果との比較を行った。
  論文  参考訳（メタデータ） (2022-03-22T10:58:02Z)
• CODA: A Real-World Road Corner Case Dataset for Object Detection in Autonomous Driving [117.87070488537334]
  我々は、ビジョンベース検出器のこの重要な問題を露呈する、CODAという挑戦的なデータセットを導入する。 大規模自動運転データセットで訓練された標準物体検出器の性能は、mARの12.8%以下に著しく低下した。 我々は最先端のオープンワールドオブジェクト検出器を実験し、CODAの新しいオブジェクトを確実に識別できないことを発見した。
  論文  参考訳（メタデータ） (2022-03-15T08:32:56Z)
• Traffic event description based on Twitter data using Unsupervised Learning Methods for Indian road conditions [0.0]
  教師なし学習モデルは、インドの交通データを強化するために効果的なつぶやき分類を行うために使用される。 このモデルは単語埋め込みを用いて意味的類似性を計算し、94.7%のテストスコアを達成している。
  論文  参考訳（メタデータ） (2021-12-23T05:11:48Z)
• One Million Scenes for Autonomous Driving: ONCE Dataset [91.94189514073354]
  自律運転シナリオにおける3次元物体検出のためのONCEデータセットを提案する。 データは、利用可能な最大の3D自動運転データセットよりも20倍長い144時間の運転時間から選択される。 我々はONCEデータセット上で、様々な自己教師的・半教師的手法を再現し、評価する。
  論文  参考訳（メタデータ） (2021-06-21T12:28:08Z)
• 4Seasons: A Cross-Season Dataset for Multi-Weather SLAM in Autonomous Driving [48.588254700810474]
  本稿では,自律運転における季節的・挑戦的な知覚条件をカバーする新しいデータセットを提案する。 その中には、視覚計測、グローバルな位置認識、マップベースの再位置追跡などが含まれる。
  論文  参考訳（メタデータ） (2020-09-14T12:31:20Z)
• Train in Germany, Test in The USA: Making 3D Object Detectors Generalize [59.455225176042404]
  ディープラーニングにより、LiDARやステレオカメラデータなどの3Dオブジェクト検出精度が大幅に向上した。 自動運転のためのほとんどのデータセットは、1つの国内の都市の狭い部分で収集される。 本稿では,あるデータセットから別のデータセットに3Dオブジェクト検出器を適応させる作業について考察する。
  論文  参考訳（メタデータ） (2020-05-17T00:56:18Z)

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。