阴天城市道路行车记录仪视频数据集

边界框、标签

阴天城市道路行车记录仪视频数据集

使用案例: 自动驾驶

格式: 视频

算: 1k

注解: Yes

X

描述: “阴天城市道路行车记录仪视频数据集”旨在解决自动驾驶系统在阴天天气条件下面临的挑战。该数据集使用行车记录仪以超过 1920 x 1080 像素的分辨率和超过 31 fps 的帧速率捕获,即使在多云天空的散射光下也能确保细节清晰。它包括城市环境中常见的 10 多个物体类别的边界框和标签,例如人、汽车、电动自行车、货车和卡车。该数据集旨在提高 AI 模型在不太理想的天气条件下导航和做出明智决策的能力,从而提高安全性和可靠性。

阴天十字路口行车记录仪视频数据集

边界框、标签

阴天十字路口行车记录仪视频数据集

使用案例: 自动驾驶

格式: 视频

算: 2.4k

注解: Yes

X

描述: “阴天十字路口行车记录仪视频数据集”专门捕捉阴天天气条件下十字路口导航的复杂动态。该数据集由高分辨率行车记录仪拍摄,分辨率超过 1920 x 1080 像素,帧率超过 32 fps,即使在柔和的灯光下也能确保清晰度和细节。它标注了 10 多个典型的城市物体类别,包括人、汽车、电动自行车、货车和卡车,以及阴天十字路口的独特挑战。该数据集是开发自动驾驶系统的重要资源,该系统能够理解复杂的城市交叉路口并做出适当反应,尤其是在能见度受到阴天影响的情况下。

低光行车记录仪视频数据集

边界框、标签

低光行车记录仪视频数据集

使用案例: 自动驾驶

格式: 视频

算: 800

注解: Yes

X

描述: “低光照行车记录仪视频数据集”专为自动驾驶系统量身定制,用于在低光照条件下导航,这是夜间或光线不足环境中安全驾驶的关键能力。该数据集由行车记录仪以超过 1920 x 1080 像素的分辨率和超过 30 fps 的帧速率捕获,重点关注十字路口、大道和小路等各种环境中的低光照场景。它包含常见城市物体(如人、汽车、电动自行车、货车和卡车)的边界框和标签,全面展示了自动驾驶汽车在能见度较低的情况下面临的挑战。

雨天行车记录仪视频数据集

边界框、标签

雨天行车记录仪视频数据集

使用案例: 自动驾驶

格式: 视频

算: 6.4k

注解: Yes

X

描述: “雨天行车记录仪视频数据集”专为自动驾驶系统在雨天准确运行而开发,雨天对能见度和路面牵引力提出了重大挑战。该数据集由行车记录仪以超过 1920 x 1080 像素的分辨率和超过 30 fps 的帧速率捕获,专注于城市环境中的雨天场景,包括十字路口、大道和小路。它为 10 多个常见的城市类别(如人、汽车、电动自行车、货车和卡车)提供了边界框和标签,这些类别通常伴随着雨天多变且困难的照明条件。

晴天城市道路行车记录仪视频数据集

边界框、标签

晴天城市道路行车记录仪视频数据集

使用案例: 自动驾驶

格式: 视频

算: 4.5k

注解: Yes

X

描述: “晴天城市道路行车记录仪视频数据集”捕捉了阳光明媚条件下城市道路的动态变化,这对于自动驾驶系统的开发至关重要。该数据集由高分辨率行车记录仪记录,分辨率超过 1920 x 1080,帧率超过 33 fps,确保图像清晰,动作捕捉流畅。它包括 10 多个典型城市物体类别的边界框和标签,包括人类、汽车、电动自行车、货车、卡车等,为人工智能识别和响应阳光明媚的城市环境中的各种元素提供了丰富的训练基础。

晴天十字路口行车记录仪视频数据集

边界框、标签

晴天十字路口行车记录仪视频数据集

使用案例: 自动驾驶

格式: 视频

算: 10k

注解: Yes

X

描述: “晴天十字路口行车记录仪视频数据集”重点展示了晴天条件下十字路口的动态交互,这是自动驾驶汽车在城市驾驶中的关键方面。该数据集使用超过 1920 x 1080 像素的高分辨率行车记录仪以超过 34 fps 的帧速率捕获,提供清晰流畅的视觉效果,这是详细分析和 AI 训练所必需的。它包含 10 多个典型城市物体类别的边界框和标签,包括人、汽车、电动自行车、货车、卡车等。这个丰富的数据集旨在增强自动驾驶汽车在繁忙路口的决策算法,因为这些路口的车辆和行人运动的复杂性显著增加。