车辆信息检测数据集收集汇总



车辆信息检测数据集收集汇总

  • 1.UA-DETRAC
  • 2.车牌数据集
  • 3.自动驾驶数据集
  • 4.车辆类型数据集
  • 5.综合汽车(CompCars)数据集
  • 6.汽车数据集(检测用)
  • 7.OpenData V11.0-车辆重识别数据集 VRID
  • 8.Stanford Cars Dataset
  • 9.N-CARS数据集
  • 10.汽车评估数据集
  • 11.更多关于自动驾驶的数据集(50个)
  • 12.19个其他与汽车有关的数据集

搜集过程中,一些数据集的原始来源可能没找到,以网盘形式存的。如果有人找到一些本文没有标注原始出处的数据集的来源,可以分享一下,便于以后大家在某些场合使用的时候进行引用之类的。

1.UA-DETRAC

http://detrac-db.rit.albany.edu/

在这里插入图片描述
UA-DETRAC是一个具有挑战性的真实世界多目标检测和多目标跟踪基准。该数据集包括在中国北京和天津的24个不同地点使用Cannon EOS 550D相机拍摄的10小时视频。视频以每秒25帧(fps)的速度录制,分辨率为960×540像素。UA-DETRAC数据集中有超过14万个帧,手动注释了8250个车辆,总共有121万个标记的对象边界框。我们还对目标检测和多目标跟踪中的最新方法以及本网站中详述的评估指标进行基准测试。
效果图:
在这里插入图片描述

2.车牌数据集

链接:https://pan.baidu.com/s/1MU285jmYISul0owewyZdZw
提取码:lueb
如图:
在这里插入图片描述
在这里插入图片描述

3.自动驾驶数据集

目前它是自动驾驶AI的最大数据集,包含超过100,000个视频,包括一天中不同时间超过1,100小时的驾驶事件以及不同的天气条件。数据集中的带注释图像来自纽约和旧金山地区。包含提供标签的7481张训练集,还有未提供标签的7518张测试集,用于官方评测算法。参考博客

https://bdd-data.berkeley.edu/

如图:
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

4.车辆类型数据集

链接:https://pan.baidu.com/s/1fATRXoj2ga_x-RCVOsu74g
提取码:jmha
如图:
在这里插入图片描述
在这里插入图片描述

5.综合汽车(CompCars)数据集

http://mmlab.ie.cuhk.edu.hk/datasets/comp_cars/index.html

在这里插入图片描述
描述:综合汽车(CompCars)数据集包含来自两个场景的数据,包括来自网络性质和监视性质的图像。网络自然数据包含163辆汽车,1,716辆车型。共有136,726张图像捕获整个汽车,27,618张图像捕捉汽车零件。完整的汽车图像标有边界框和视点。**每个车型都标有五个属性,包括最大速度,排量,车门数量,座椅数量和汽车类型。**监视性质数据包含在前视图中捕获的50,000个汽车图像。有关详细信息,请参阅我们的论文。

6.汽车数据集(检测用)

在这里插入图片描述

http://ai.stanford.edu/~jkrause/cars/car_dataset.html

7.OpenData V11.0-车辆重识别数据集 VRID

http://www.openits.cn/opendata4/748.jhtml

描述:
开放的车辆重识别的数据来自某城市卡口车辆图像,由326个高清摄像头拍摄,时间覆盖日间14天,分辨率从400×424到990×1134不等。数据集中包含最常见的10种车辆款式,共10000张图像,如表1所列。为了模拟同款车辆对车辆重识别的影响,每个车辆款式里各有100个不同的车辆ID,即100个不同的车辆。在同一车辆款式里的100个车辆ID,它们的外观近乎相同,差异大部分只在于车窗部分的个性化标识,如年检标志等。此外,每个车辆ID包含有10张图像,这10张图像拍摄于不同的道路卡口,光照、尺度以及姿态均不尽相同,相应的同一车辆也可能会具有不同的外观。
车辆重识别数据集的车辆字段属性如表2所示,其中车辆品牌表示车辆品牌信息,车牌号码用于数据库里同一车辆的关联,车窗位置代表图像里的车窗所在区域的坐标,车身颜色表示的是图像里的车辆颜色信息。这些信息使得数据库不仅能用于车辆重识别研究,也可用于车辆品牌精细识别,车辆颜色识别等研究。
在这里插入图片描述

8.Stanford Cars Dataset

https://www.kaggle.com/jessicali9530/stanford-cars-dataset

描述:16,185 images and 196 classes of all the cars you’ll ever dream of
大小:2G
如图:
在这里插入图片描述

9.N-CARS数据集

https://www.prophesee.ai/dataset-n-cars/

N-CARS数据集是用于汽车分类的大型真实世界事件数据集。它由12,336辆汽车样品和11,693辆非汽车样品(背景)组成。 使用安装在汽车挡风玻璃后面的ATIS相机记录数据。数据来自各种驾驶课程。该数据集分为7940辆汽车和7482件背景训练样品,4396辆汽车和4211件背景测试样品。每个例子持续100毫秒。

10.汽车评估数据集

https://archive.ics.uci.edu/ml/datasets/car+evaluation

该模型根据以下概念结构评估汽车:

。汽车可接受性
。价格总体价格
。买入价
。维护的价格
。TECH技术特点
。舒适的舒适
。门门数
。人员携带能力
。lug_boot行李箱的大小
。安全性估计汽车的安全性

11.更多关于自动驾驶的数据集(50个)

https://blog.cambridgespark.com/50-free-machine-learning-datasets-self-driving-cars-d37be5a96b28

12.19个其他与汽车有关的数据集

https://data.world/datasets/cars