自动驾驶方向开源数据集资源汇总人工智能

城市景观数据（数据集主页）包含从德国驾驶的车辆中拍摄的标记视频。此版本是作为Pix2Pix论文的一部分创建的已处理子样本。数据集包含来自原始视频的静止图像，语义分割标签与原始图像一起显示在图像中。这是语义分割任务的最佳数据集之一。

该数据集提供通过CARLA自动驾驶汽车模拟器捕获的数据图像和标记语义分割。该数据集可用于训练ML算法以识别图像中汽车、道路等的语义分割。

两个开源数据集仅用于提取非洲地区使用的交通标志。该数据集包含来自所有类别的76个类，例如，监管、警告、指南和信息标志。该数据集总共包含19,346张图像和每个类别至少200个实例。

Argoverse针对的任务：3D追踪和动作预测，两个任务对应的数据集其实是独立的，只是采集设备和采集地点一样而已。提供了360度的视频和点云信息，并根据点云重建了地图，全天候全光照。标注了视频和点云中的3Dboundingbox。3D追踪的数据集包含113段15-30秒的视频，动作预测中包含323,557段5秒的视频（总计320小时）。数据集的主要亮点还是在原始数据和地图的联动上。

该数据集为自动驾驶车辆提供了易于使用的训练数据。提供驾驶视频中每一帧对应的转向角、加速度、刹车和档位。这段视频是使用安装在汽车挡风玻璃上的摄像头录制的，该汽车沿着印度喀拉拉邦的道路行驶。

加州理工学院行人数据集由大约10小时的640x48030Hz视频组成，该视频取自在城市环境中通过常规交通行驶的车辆。注释了大约250,000帧（在137个大约分钟长的片段中），总共350,000个边界框和2300个行人。

CamSeq是一个地面数据集，可自由用于视频目标识别中的研究工作。该数据集包含101个960x720像素的图像对。每个掩码都由文件名之外的“_L”指定。所有图像（原始图像和真实图像）均为未压缩的24位彩色PNG格式。

该数据集最初是针对自动驾驶汽车的问题而设计的。此序列描绘了从一辆动感的汽车拍摄的剑桥市的动感驾驶场景。这是一个具有挑战性的数据集，因为除了汽车的自我运动之外，其他汽车，自行车和行人也有自己的运动，而且它们经常相互堵塞。

有媒体收集了大量工业界、产业界的真实场景数据集，共有高达1473GB高质量内部数据集资源。数据集均来自于真实的业务场景，由产业合作伙伴和媒体搜集和提供。

不仅如此，算法模型的分数达到标准后会给予开发者们定额的奖励，排名靠前的开发者还可以与平台签约合作，持续获得算法的订单长期分成收益！

平台已对接智慧城市、商业地产、明厨亮灶等行业真实需求，包括不限于目标检测、行为识别、图像分割、视频理解、目标跟踪、OCR等视觉算法方向。