論文の概要: DriveIndia: An Object Detection Dataset for Diverse Indian Traffic Scenes

• arxiv url: http://arxiv.org/abs/2507.19912v2
• Date: Tue, 29 Jul 2025 18:59:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-31 11:57:45.830744
• Title: DriveIndia: An Object Detection Dataset for Diverse Indian Traffic Scenes
• Title（参考訳）: DriveIndia: インド横断交通シーンのオブジェクト検出データセット
• Authors: Rishav Kumar, D. Santhosh Reddy, P. Rajalakshmi,
• Abstract要約: DriveIndiaは、インドの交通環境の複雑さと予測不可能性を捉えるために構築された、大規模なオブジェクト検出データセットである。 データセットには、24のトラフィック関連オブジェクトカテゴリにわたるYOLOフォーマットで注釈付けされた66,986の高解像度イメージが含まれている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We introduce DriveIndia, a large-scale object detection dataset purpose-built to capture the complexity and unpredictability of Indian traffic environments. The dataset contains 66,986 high-resolution images annotated in YOLO format across 24 traffic-relevant object categories, encompassing diverse conditions such as varied weather (fog, rain), illumination changes, heterogeneous road infrastructure, and dense, mixed traffic patterns and collected over 120+ hours and covering 3,400+ kilometers across urban, rural, and highway routes. DriveIndia offers a comprehensive benchmark for real-world autonomous driving challenges. We provide baseline results using state-of-the-art YOLO family models, with the top-performing variant achieving a mAP50 of 78.7\%. Designed to support research in robust, generalizable object detection under uncertain road conditions, DriveIndia will be publicly available via the TiHAN-IIT Hyderabad dataset repository (https://tihan.iith.ac.in/tiand-datasets/).
• Abstract（参考訳）: インドにおける交通環境の複雑さと予測不可能性を捉えるために構築された大規模オブジェクト検出データセットであるDriveIndiaを紹介した。 データセットには、気象(霧、雨)、照明の変化、不均一な道路インフラ、密集した混成交通パターンを含む24の交通関連対象カテゴリに、YOLO形式で注釈付けされた66,986の高解像度画像が含まれ、120時間以上にわたって収集され、都市、農村、高速道路の3400km以上をカバーしている。 DriveIndiaは、現実世界の自動運転の課題に関する総合的なベンチマークを提供している。 最先端のYOLOファミリーモデルを用いてベースライン結果を提供する。 DriveIndiaは、不確実な道路条件下での堅牢で汎用的なオブジェクト検出の研究を支援するために設計されたもので、TiHAN-IIT Hyderabadデータセットリポジトリ(https://tihan.iith.ac.in/tiand-datasets/)を通じて公開される。

関連論文リスト

• ROAD-Waymo: Action Awareness at Scale for Autonomous Driving [17.531603453254434]
  ROAD-Waymoは、道路シーンにおけるエージェント、アクション、位置、イベント検出の技術の開発とベンチマークのための広範なデータセットである。 既存のデータセット(および複数の都市を含む)よりもかなり大きく、より困難なものには、198kの注釈付きビデオフレーム、54kのエージェントチューブ、3.9Mのバウンディングボックス、合計12.4Mのラベルがある。
  論文  参考訳（メタデータ） (2024-11-03T20:46:50Z)
• UniTraj: A Unified Framework for Scalable Vehicle Trajectory Prediction [93.77809355002591]
  さまざまなデータセット、モデル、評価基準を統一する包括的なフレームワークであるUniTrajを紹介する。 我々は広範な実験を行い、他のデータセットに転送するとモデルの性能が大幅に低下することがわかった。 これらの知見を説明するために,データセットの特徴に関する洞察を提供する。
  論文  参考訳（メタデータ） (2024-03-22T10:36:50Z)
• RSUD20K: A Dataset for Road Scene Understanding In Autonomous Driving [6.372000468173298]
  RSUD20Kは、バングラデシュの道路の運転から見た20K以上の高解像度画像からなる、道路シーン理解のための新しいデータセットである。 我々の作業は以前の取り組みを大幅に改善し、詳細なアノテーションを提供し、オブジェクトの複雑さを増大させます。
  論文  参考訳（メタデータ） (2024-01-14T16:10:42Z)
• RSRD: A Road Surface Reconstruction Dataset and Benchmark for Safe and Comfortable Autonomous Driving [67.09546127265034]
  道路表面の再構築は、車両の走行計画と制御システムの解析と予測を促進するのに役立つ。 我々は,様々な運転条件下で,特定のプラットフォームで収集した実世界,高解像度,高精度のデータセットであるRoad Surface Reconstructionデータセットを紹介した。 約16,000対のステレオ画像、原点雲、地中深度・不均等地図を含む一般的な道路形態を網羅している。
  論文  参考訳（メタデータ） (2023-10-03T17:59:32Z)
• A POV-based Highway Vehicle Trajectory Dataset and Prediction Architecture [2.924868086534434]
  本稿では,車載トラジェクトリ,検出,追跡データセットであるEmphCarolinas Highway dataset (CHDfootnoteemphCHD)を紹介する。 また、注目に基づくグラフ同型と畳み込みニューラルネットワークを用いた新しい車両軌道予測アーキテクチャであるemphPishguVeを提案する。 その結果、emphPishguVeは既存のアルゴリズムより優れており、鳥の目、目、高角POVにおける新しい最先端(SotA)となることが示された。
  論文  参考訳（メタデータ） (2023-03-10T20:38:40Z)
• 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)
• An Indian Roads Dataset for Supported and Suspended Traffic Lights Detection [6.6268035955374005]
  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。
  論文  参考訳（メタデータ） (2022-09-09T09:37:50Z)
• SoDA: Multi-Object Tracking with Soft Data Association [75.39833486073597]
  マルチオブジェクトトラッキング(MOT)は、自動運転車の安全な配備の前提条件である。 観測対象間の依存関係をエンコードするトラック埋め込みの計算に注目するMOTに対する新しいアプローチを提案する。
  論文  参考訳（メタデータ） (2020-08-18T03:40:25Z)

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。