車輛信息檢測(cè)數(shù)據(jù)集收集匯總
目錄：
UA-DETRAC
車牌數(shù)據(jù)集
自動(dòng)駕駛數(shù)據(jù)集
車輛類型數(shù)據(jù)集
綜合汽車（CompCars）數(shù)據(jù)集（需要申請(qǐng)）
汽車數(shù)據(jù)集（檢測(cè)用）
OpenData V11.0-車輛重識(shí)別數(shù)據(jù)集 VRID
Stanford Cars Dataset
N-CARS數(shù)據(jù)集
汽車評(píng)估數(shù)據(jù)集
更多關(guān)于自動(dòng)駕駛的數(shù)據(jù)集（50個(gè)）
19個(gè)其他與汽車有關(guān)的數(shù)據(jù)集
1.UA-DETRAC
http://detrac-db.rit.albany.edu/
UA-DETRAC是一個(gè)具有挑戰(zhàn)性的真實(shí)世界多目標(biāo)檢測(cè)和多目標(biāo)跟蹤基準(zhǔn)砾层。該數(shù)據(jù)集包括在中國北京和天津的24個(gè)不同地點(diǎn)使用Cannon EOS 550D相機(jī)拍攝的10小時(shí)視頻。視頻以每秒25幀（fps）的速度錄制结序，分辨率為960×540像素挤渔。UA-DETRAC數(shù)據(jù)集中有超過14萬個(gè)幀仁堪，手動(dòng)注釋了8250個(gè)車輛缘厢，總共有121萬個(gè)標(biāo)記的對(duì)象邊界框弟胀。我們還對(duì)目標(biāo)檢測(cè)和多目標(biāo)跟蹤中的最新方法以及本網(wǎng)站中詳述的評(píng)估指標(biāo)進(jìn)行基準(zhǔn)測(cè)試项阴。
效果圖：
2.車牌數(shù)據(jù)集
鏈接：https://pan.baidu.com/s/1MU285jmYISul0owewyZdZw
提取碼：lueb
如圖：
3.自動(dòng)駕駛數(shù)據(jù)集
目前它是自動(dòng)駕駛AI的最大數(shù)據(jù)集，包含超過100,000個(gè)視頻应媚，包括一天中不同時(shí)間超過1,100小時(shí)的駕駛事件以及不同的天氣條件严沥。數(shù)據(jù)集中的帶注釋圖像來自紐約和舊金山地區(qū)。包含提供標(biāo)簽的7481張訓(xùn)練集中姜，還有未提供標(biāo)簽的7518張測(cè)試集，用于官方評(píng)測(cè)算法跟伏。參考博客
https://bdd-data.berkeley.edu/
如圖：
4.車輛類型數(shù)據(jù)集
鏈接：https://pan.baidu.com/s/1fATRXoj2ga_x-RCVOsu74g
提取碼：jmha
如圖：
5.綜合汽車（CompCars）數(shù)據(jù)集
http://mmlab.ie.cuhk.edu.hk/datasets/comp_cars/index.html
描述：綜合汽車（CompCars）數(shù)據(jù)集包含來自兩個(gè)場(chǎng)景的數(shù)據(jù)丢胚，包括來自網(wǎng)絡(luò)性質(zhì)和監(jiān)視性質(zhì)的圖像。網(wǎng)絡(luò)自然數(shù)據(jù)包含163輛汽車受扳，1,716輛車型携龟。共有136,726張圖像捕獲整個(gè)汽車，27,618張圖像捕捉汽車零件勘高。完整的汽車圖像標(biāo)有邊界框和視點(diǎn)峡蟋。**每個(gè)車型都標(biāo)有五個(gè)屬性，包括最大速度华望，排量蕊蝗，車門數(shù)量，座椅數(shù)量和汽車類型赖舟。**監(jiān)視性質(zhì)數(shù)據(jù)包含在前視圖中捕獲的50,000個(gè)汽車圖像蓬戚。有關(guān)詳細(xì)信息，請(qǐng)參閱我們的論文宾抓。
6.汽車數(shù)據(jù)集（檢測(cè)用）
http://ai.stanford.edu/~jkrause/cars/car_dataset.html
7.OpenData V11.0-車輛重識(shí)別數(shù)據(jù)集 VRID
http://www.openits.cn/opendata4/748.jhtml
描述：
開放的車輛重識(shí)別的數(shù)據(jù)來自某城市卡口車輛圖像子漩，由326個(gè)高清攝像頭拍攝，時(shí)間覆蓋日間14天石洗，分辨率從400×424到990×1134不等幢泼。數(shù)據(jù)集中包含最常見的10種車輛款式，共10000張圖像讲衫，如表1所列缕棵。為了模擬同款車輛對(duì)車輛重識(shí)別的影響，每個(gè)車輛款式里各有100個(gè)不同的車輛ID焦人，即100個(gè)不同的車輛挥吵。在同一車輛款式里的100個(gè)車輛ID，它們的外觀近乎相同花椭，差異大部分只在于車窗部分的個(gè)性化標(biāo)識(shí)忽匈，如年檢標(biāo)志等。此外矿辽，每個(gè)車輛ID包含有10張圖像丹允，這10張圖像拍攝于不同的道路卡口郭厌，光照、尺度以及姿態(tài)均不盡相同雕蔽，相應(yīng)的同一車輛也可能會(huì)具有不同的外觀折柠。
車輛重識(shí)別數(shù)據(jù)集的車輛字段屬性如表2所示，其中車輛品牌表示車輛品牌信息批狐，車牌號(hào)碼用于數(shù)據(jù)庫里同一車輛的關(guān)聯(lián)扇售，車窗位置代表圖像里的車窗所在區(qū)域的坐標(biāo)，車身顏色表示的是圖像里的車輛顏色信息嚣艇。這些信息使得數(shù)據(jù)庫不僅能用于車輛重識(shí)別研究承冰，也可用于車輛品牌精細(xì)識(shí)別，車輛顏色識(shí)別等研究食零。
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
大欣埂：2G
如圖：
9.N-CARS數(shù)據(jù)集
https://www.prophesee.ai/dataset-n-cars/
N-CARS數(shù)據(jù)集是用于汽車分類的大型真實(shí)世界事件數(shù)據(jù)集。它由12,336輛汽車樣品和11,693輛非汽車樣品（背景）組成贰谣。 使用安裝在汽車擋風(fēng)玻璃后面的ATIS相機(jī)記錄數(shù)據(jù)娜搂。數(shù)據(jù)來自各種駕駛課程。該數(shù)據(jù)集分為7940輛汽車和7482件背景訓(xùn)練樣品吱抚，4396輛汽車和4211件背景測(cè)試樣品百宇。每個(gè)例子持續(xù)100毫秒。
10.汽車評(píng)估數(shù)據(jù)集
https://archive.ics.uci.edu/ml/datasets/car+evaluation
該模型根據(jù)以下概念結(jié)構(gòu)評(píng)估汽車：
频伤。汽車可接受性
恳谎。價(jià)格總體價(jià)格
。買入價(jià)
憋肖。維護(hù)的價(jià)格
因痛。TECH技術(shù)特點(diǎn)
。舒適的舒適
岸更。門門數(shù)
鸵膏。人員攜帶能力
。lug_boot行李箱的大小
怎炊。安全性估計(jì)汽車的安全性
11.更多關(guān)于自動(dòng)駕駛的數(shù)據(jù)集（50個(gè)）
https://blog.cambridgespark.com/50-free-machine-learning-datasets-self-driving-cars-d37be5a96b28
12.19個(gè)其他與汽車有關(guān)的數(shù)據(jù)集
https://data.world/datasets/cars
————————————————
版權(quán)聲明：本文為CSDN博主「J-Moriarty」的原創(chuàng)文章谭企，遵循 CC 4.0 BY-SA 版權(quán)協(xié)議，轉(zhuǎn)載請(qǐng)附上原文出處鏈接及本聲明评肆。
原文鏈接：https://blog.csdn.net/weixin_40802676/article/details/100191574
