城市景觀圖像對數(shù)據(jù)集

數(shù)據(jù)集下載地址：http://m6z.cn/6qBe8e

城市景觀數(shù)據(jù)（數(shù)據(jù)集主頁）包含從德國駕駛的車輛中拍攝的標記視頻。此版本是作為 Pix2Pix 論文的一部分創(chuàng)建的已處理子樣本。數(shù)據(jù)集包含來自原始視頻的靜止圖像，語義分割標簽與原始圖像一起顯示在圖像中。這是語義分割任務的最佳數(shù)據(jù)集之一。

自動駕駛汽車的語義分割數(shù)據(jù)集

數(shù)據(jù)集下載地址：http://m6z.cn/5zYdv9

該數(shù)據(jù)集提供通過 CARLA 自動駕駛汽車模擬器捕獲的數(shù)據(jù)圖像和標記語義分割。該數(shù)據(jù)集可用于訓練 ML 算法以識別圖像中汽車、道路等的語義分割。

BDD100K駕駛視頻數(shù)據(jù)集

數(shù)據(jù)集下載地址：http://m6z.cn/6qBeaa

UCB的全天候全光照大型數(shù)據(jù)集，包含1,100小時的HD錄像、GPS/IMU、時間戳信息，100,000張圖片的2D bounding box標注，10,000張圖片的語義分割和實例分割標注、駕駛決策標注和路況標注。官方推薦使用此數(shù)據(jù)集的十個自動駕駛任務：圖像標注、道路檢測、可行駛區(qū)域分割、交通參與物檢測、語義分割、實例分割、多物體檢測追蹤、多物體分割追蹤、域適應和模仿學習。

CULane數(shù)據(jù)集

數(shù)據(jù)集下載地址：http://m6z.cn/643fxb

CULane 是一個大規(guī)模的具有挑戰(zhàn)性的數(shù)據(jù)集，用于交通車道檢測的學術研究。它是由安裝在北京不同司機駕駛的六輛不同車輛上的攝像頭收集的。收集了超過 55 小時的視頻，提取了 133,235 幀。在每一幀中，交通車道都用三次樣條手動注釋。對于車道標記被車輛遮擋或看不見的情況，仍根據(jù)上下文進行車道注釋。障礙物另一側的車道沒有注釋。在這個數(shù)據(jù)集中，主要關注的是四車道標記的檢測，這在實際應用中是最受關注的。其他車道標記沒有注釋。

非洲地區(qū)交通標志數(shù)據(jù)集

數(shù)據(jù)集下載地址：http://m6z.cn/6j5167

兩個開源數(shù)據(jù)集僅用于提取非洲地區(qū)使用的交通標志。該數(shù)據(jù)集包含來自所有類別的 76 個類，例如，監(jiān)管、警告、指南和信息標志。該數(shù)據(jù)集總共包含 19,346 張圖像和每個類別至少 200 個實例。

Argoverse數(shù)據(jù)集

數(shù)據(jù)集下載地址：http://m6z.cn/5P0b9B

Argoverse針對的任務：3D追蹤和動作預測，兩個任務對應的數(shù)據(jù)集其實是獨立的，只是采集設備和采集地點一樣而已。提供了360度的視頻和點云信息，并根據(jù)點云重建了地圖，全天候全光照。標注了視頻和點云中的3D bounding box。3D追蹤的數(shù)據(jù)集包含113段15-30秒的視頻，動作預測中包含323,557段5秒的視頻（總計320小時）。數(shù)據(jù)集的主要亮點還是在原始數(shù)據(jù)和地圖的聯(lián)動上。

駕駛模擬器車道檢測數(shù)據(jù)集

數(shù)據(jù)集下載地址：http://m6z.cn/5zYdzP

該數(shù)據(jù)集由 Carla 駕駛模擬器生成的圖像組成。訓練圖像是由安裝在模擬車輛中的行車記錄儀捕獲的圖像。標簽圖像是分割掩碼。標簽圖像將每個像素分類為：左側車道邊界的和右側車道邊界。與該數(shù)據(jù)集相關的挑戰(zhàn)是訓練一個能夠準確預測驗證數(shù)據(jù)集的分割掩碼的模型。

道路上自動駕駛汽車數(shù)據(jù)集

數(shù)據(jù)集下載地址：http://m6z.cn/5ss0xe

該數(shù)據(jù)集為自動駕駛車輛提供了易于使用的訓練數(shù)據(jù)。提供駕駛視頻中每一幀對應的轉向角、加速度、剎車和檔位。這段視頻是使用安裝在汽車擋風玻璃上的攝像頭錄制的，該汽車沿著印度喀拉拉邦的道路行駛。

加州理工學院行人數(shù)據(jù)集

數(shù)據(jù)集下載地址：http://m6z.cn/5P0bdX

加州理工學院行人數(shù)據(jù)集由大約 10 小時的 640x480 30Hz 視頻組成，該視頻取自在城市環(huán)境中通過常規(guī)交通行駛的車輛。注釋了大約 250,000 幀（在 137 個大約分鐘長的片段中），總共 350,000 個邊界框和 2300 個行人。

CamSeq 2007數(shù)據(jù)集

數(shù)據(jù)集下載地址：http://m6z.cn/5ss0Ho

CamSeq是一個地面數(shù)據(jù)集，可自由用于視頻目標識別中的研究工作。該數(shù)據(jù)集包含 101 個 960x720 像素的圖像對。每個掩碼都由文件名之外的“_L”指定。所有圖像（原始圖像和真實圖像）均為未壓縮的 24 位彩色 PNG 格式。

該數(shù)據(jù)集最初是針對自動駕駛汽車的問題而設計的。此序列描繪了從一輛動感的汽車拍攝的劍橋市的動感駕駛場景。這是一個具有挑戰(zhàn)性的數(shù)據(jù)集，因為除了汽車的自我運動之外，其他汽車，自行車和行人也有自己的運動，而且它們經(jīng)常相互堵塞。

真實的工業(yè)場景數(shù)據(jù)集

極市平臺收集了大量工業(yè)界、產(chǎn)業(yè)界的真實場景數(shù)據(jù)集，共有高達1473GB高質量內部數(shù)據(jù)集資源。極市平臺獨家的數(shù)據(jù)集均來自于真實的業(yè)務場景，由產(chǎn)業(yè)合作伙伴和極市平臺搜集和提供。

在極市打榜模塊下，開發(fā)者們可以免費的使用極市平臺內部數(shù)據(jù)集進行算法開發(fā)，我們還給大家提供了免費的算力支持以及相關技術答疑。

不僅如此，算法模型的分數(shù)達到標準后極市會給予開發(fā)者們定額的獎勵，排名靠前的開發(fā)者還可以與平臺簽約合作，持續(xù)獲得算法的訂單長期分成收益！

平臺已對接智慧城市、商業(yè)地產(chǎn)、明廚亮灶等行業(yè)真實需求，包括不限于目標檢測、行為識別、圖像分割、視頻理解、目標跟蹤、OCR等視覺算法方向。

最新目標檢測類項目：打手機識別項目：http://m6z.cn/6qBdJS

更多極市打榜項目：http://m6z.cn/6xrthf

7月20日-8月20日期間，極市平臺推出極力值有獎活動，報名參加極市打榜、跑新手任務就可以獲取豐富的積分，電競耳機、CV技術課程、任天堂游戲手柄等多種豪華好禮等你來領