地球资源数据云——数据资源详情
道路基础设施的历史发展依赖于人类视觉系统作为感知和控制车辆的主要方法。自动驾驶系统要在现有道路环境中安全运行,拥有与人类相当的视觉识别能力至关重要。视觉分类包括对象检测和语义分割等任务,在自动驾驶车辆的视觉感知中发挥着至关重要的作用,特别是在准确识别路标方面。 为了促进该领域的研究,创建了德国交通标志识别基准 (GTSRB) 数据集。该数据集由从德国道路捕获的交通标志图像组成,每个图像根据其相应的类别进行标记。该数据集侧重于单图像、多类分类挑战,不包含原始视频片段中的任何时间信息。 以下是有关 GTSRB 数据集的一些详细信息: 1.数据集中的每个图像的分辨率为 32 x 32 像素,并以具有三个颜色通道的 RGB 格式表示。像素值存储为无符号 8 位整数,为每个像素提供总共 256 个可能的值。 2.根据交通标志的设计或含义,数据集总共包含 43 个不同的类别或标签。 3.训练集由34,799张图像组成,每张图像都与其相应的标签相关联。 4.验证集包含4,410张图像,还附有各自的标签。 5.最后,测试集包含 12,630 张图像,每个图像都标有相应的类别。 在 CSV 文件中,有两列。一个是ClassID(代表交通标志的类别ID),另一个是SignName(代表交通标志的名称)。

道路基础设施的历史发展依赖于人类视觉系统作为感知和控制车辆的主要方法。自动驾驶系统要在现有道路环境中安全运行,拥有与人类相当的视觉识别能力至关重要。视觉分类包括对象检测和语义分割等任务,在自动驾驶车辆的视觉感知中发挥着至关重要的作用,特别是在准确识别路标方面。
为了促进该领域的研究,创建了德国交通标志识别基准 (GTSRB) 数据集。该数据集由从德国道路捕获的交通标志图像组成,每个图像根据其相应的类别进行标记。该数据集侧重于单图像、多类分类挑战,不包含原始视频片段中的任何时间信息。
以下是有关 GTSRB 数据集的一些详细信息:
1.数据集中的每个图像的分辨率为 32 x 32 像素,并以具有三个颜色通道的 RGB 格式表示。像素值存储为无符号 8 位整数,为每个像素提供总共 256 个可能的值。
2.根据交通标志的设计或含义,数据集总共包含 43 个不同的类别或标签。
3.训练集由34,799张图像组成,每张图像都与其相应的标签相关联。
4.验证集包含4,410张图像,还附有各自的标签。
5.最后,测试集包含 12,630 张图像,每个图像都标有相应的类别。
在 CSV 文件中,有两列。一个是ClassID(代表交通标志的类别ID),另一个是SignName(代表交通标志的名称)。