車輛信息檢測數(shù)據(jù)集收集匯總
目錄：
UA-DETRAC
車牌數(shù)據(jù)集
自動駕駛數(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）
汽車數(shù)據(jù)集（檢測用）
OpenData V11.0-車輛重識別數(shù)據(jù)集 VRID
Stanford Cars Dataset
N-CARS數(shù)據(jù)集
汽車評估數(shù)據(jù)集
更多關(guān)于自動駕駛的數(shù)據(jù)集（50個）
19個其他與汽車有關(guān)的數(shù)據(jù)集
1.UA-DETRAC
http://detrac-db.rit.albany.edu/
UA-DETRAC是一個具有挑戰(zhàn)性的真實世界多目標(biāo)檢測和多目標(biāo)跟蹤基準(zhǔn)。該數(shù)據(jù)集包括在中國北京和天津的24個不同地點使用Cannon EOS 550D相機拍攝的10小時視頻。視頻以每秒25幀（fps）的速度錄制，分辨率為960×540像素。UA-DETRAC數(shù)據(jù)集中有超過14萬個幀，手動注釋了8250個車輛，總共有121萬個標(biāo)記的對象邊界框。我們還對目標(biāo)檢測和多目標(biāo)跟蹤中的最新方法以及本網(wǎng)站中詳述的評估指標(biāo)進行基準(zhǔn)測試。
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.自動駕駛數(shù)據(jù)集
目前它是自動駕駛AI的最大數(shù)據(jù)集，包含超過100,000個視頻，包括一天中不同時間超過1,100小時的駕駛事件以及不同的天氣條件。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，還有未提供標(biāo)簽的7518張測試集，用于官方評測算法。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)集包含來自兩個場景的數(shù)據(jù)，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，1,716輛車型。共有136,726張圖像捕獲整個汽車，27,618張圖像捕捉汽車零件。完整的汽車圖像標(biāo)有邊界框和視點。**每個車型都標(biāo)有五個屬性，包括最大速度，排量，車門數(shù)量，座椅數(shù)量和汽車類型。**監(jiān)視性質(zhì)數(shù)據(jù)包含在前視圖中捕獲的50,000個汽車圖像。有關(guān)詳細信息，請參閱我們的論文。
6.汽車數(shù)據(jù)集（檢測用）
http://ai.stanford.edu/~jkrause/cars/car_dataset.html
7.OpenData V11.0-車輛重識別數(shù)據(jù)集 VRID
http://www.openits.cn/opendata4/748.jhtml
描述：
開放的車輛重識別的數(shù)據(jù)來自某城市卡口車輛圖像，由326個高清攝像頭拍攝，時間覆蓋日間14天，分辨率從400×424到990×1134不等。數(shù)據(jù)集中包含最常見的10種車輛款式，共10000張圖像，如表1所列。為了模擬同款車輛對車輛重識別的影響，每個車輛款式里各有100個不同的車輛ID，即100個不同的車輛。在同一車輛款式里的100個車輛ID，它們的外觀近乎相同，差異大部分只在于車窗部分的個性化標(biāo)識，如年檢標(biāo)志等。此外，每個車輛ID包含有10張圖像，這10張圖像拍攝于不同的道路卡口，光照、尺度以及姿態(tài)均不盡相同，相應(yīng)的同一車輛也可能會具有不同的外觀。
車輛重識別數(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，車牌號碼用于數(shù)據(jù)庫里同一車輛的關(guān)聯(lián)，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。這些信息使得數(shù)據(jù)庫不僅能用于車輛重識別研究，也可用于車輛品牌精細識別，車輛顏色識別等研究。
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?。?G
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。 使用安裝在汽車擋風(fēng)玻璃后面的ATIS相機記錄數(shù)據(jù)。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，4396輛汽車和4211件背景測試樣品。每個例子持續(xù)100毫秒。
10.汽車評估數(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)評估汽車：
。汽車可接受性
。價格總體價格
。買入價
。維護的價格
。TECH技術(shù)特點
。舒適的舒適
。門門數(shù)
。人員攜帶能力
。lug_boot行李箱的大小
。安全性估計汽車的安全性
11.更多關(guān)于自動駕駛的數(shù)據(jù)集（50個）
https://blog.cambridgespark.com/50-free-machine-learning-datasets-self-driving-cars-d37be5a96b28
12.19個其他與汽車有關(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，遵循 CC 4.0 BY-SA 版權(quán)協(xié)議，轉(zhuǎn)載請附上原文出處鏈接及本聲明。
原文鏈接：https://blog.csdn.net/weixin_40802676/article/details/100191574
