有没有相关的论文或文献参考？
这个数据集是基于什么背景创建的？
数据集的作者是谁？
能帮我联系到这个数据集的作者吗？
这个数据集如何下载？
WoodScape|自动驾驶数据集|计算机视觉数据集
收藏arXiv2021-07-03 更新2024-06-21 收录
下载链接：
https://github.com/valeoai/WoodScape
下载链接
链接失效反馈资源简介：
WoodScape是由法雷奥人工智能创建的首个专为自动驾驶设计的鱼眼图像数据集。该数据集包含四个覆盖360°的鱼眼摄像头，配备高清激光扫描器、IMU和GNSS。数据集提供了九项任务的标注，包括3D物体检测、深度估计和语义分割等。WoodScape旨在鼓励研究社区开发适用于鱼眼摄像头的计算机视觉模型，而非简单地进行图像校正。数据集内容丰富，包括超过10,000张图像的实例级语义标注，以及针对其他任务的超过100,000张图像的标注。数据集的应用领域广泛，主要用于解决自动驾驶中的复杂感知问题，如全方位的环境感知和精确的近距离探测。
提供机构：
法雷奥人工智能
创建时间：
2019-05-04
AI搜集汇总
数据集介绍
构建方式
WoodScape数据集的构建方式体现了对自动驾驶领域中鱼眼相机应用的深入理解与创新。该数据集通过在三种不同地理区域（美国、欧洲和中国）采集数据，确保了多样性和广泛性。数据采集过程中使用了四台1MPx RGB鱼眼相机（每台相机具有190°水平视场），以及一台以20Hz旋转的LiDAR（Velodyne HDL-64E）、GNSS/IMU（NovAtel Propak6 & SPAN-IGM-A1）和GNSS定位系统（Garmin 18x）。此外，还记录了车辆的里程信号。这些传感器的数据经过严格的质量检查和同步处理，确保了数据的高质量和高精度。
特点
WoodScape数据集的显著特点在于其多任务、多相机的设计，旨在推动鱼眼相机在自动驾驶中的应用研究。该数据集提供了超过10,000张图像的实例级语义标注，以及超过100,000张图像的其他任务标注，涵盖了语义分割、深度估计、3D边界框检测和污损检测等九项任务。此外，WoodScape还引入了新的污损检测任务，并提供了首个相关数据集。数据集的多样性和高质量标注使其成为推动鱼眼相机算法发展的宝贵资源。
使用方法
WoodScape数据集的使用方法灵活多样，适用于多种自动驾驶相关的研究任务。研究者可以利用该数据集进行鱼眼图像的语义分割、深度估计、3D物体检测等任务的算法开发与评估。数据集提供了详细的标注和传感器校准信息，便于研究者进行多任务模型的训练与验证。此外，WoodScape还提供了合成数据，支持域转移研究，帮助算法在不同场景下的鲁棒性测试。通过GitHub上的代码和补充材料，研究者可以方便地获取和使用该数据集，推动鱼眼相机在自动驾驶中的应用研究。
背景与挑战
背景概述
WoodScape数据集由Valeo公司的一组研究人员于2019年创建，旨在推动自动驾驶领域中鱼眼相机图像处理算法的发展。该数据集包含了四个覆盖360°视野的鱼眼相机图像，以及一个高清晰度激光扫描仪、IMU和GNSS的数据。WoodScape不仅提供了丰富的图像数据，还包含了九种不同的任务标注，如语义分割、深度估计和3D物体检测等。这一数据集的推出填补了鱼眼相机在自动驾驶领域应用的空白，为研究人员提供了一个全面的平台，以开发和评估针对鱼眼图像的计算机视觉算法。
当前挑战
WoodScape数据集面临的挑战主要集中在两个方面。首先，鱼眼相机图像的强径向畸变使得标准的计算机视觉模型难以直接应用，这要求研究人员开发新的算法来处理这种非线性畸变。其次，数据集的构建过程中，如何确保标注的准确性和一致性是一个重大挑战，尤其是在处理多任务标注时。此外，由于数据集包含来自不同地理区域的图像，如何确保数据集的多样性和代表性也是一个需要解决的问题。最后，随着数据保护法规的日益严格，如何在遵守法规的前提下公开数据集，也是一个不容忽视的挑战。
常用场景
经典使用场景
WoodScape数据集在自动驾驶领域中被广泛用于多任务和多摄像头的研究。其经典使用场景包括语义分割、深度估计、3D边界框检测和污垢检测等任务。通过提供四台鱼眼摄像机的环绕视图数据，WoodScape鼓励研究者开发适应鱼眼图像的计算机视觉模型，而非简单地进行图像校正。
解决学术问题
WoodScape数据集解决了自动驾驶领域中鱼眼图像数据稀缺的问题，填补了这一领域的空白。它通过提供详细的注释和多任务支持，推动了鱼眼相机在自动驾驶中的应用研究。此外，WoodScape还引入了新的任务，如污垢检测，为学术界提供了新的研究方向和挑战。
衍生相关工作
WoodScape数据集的发布催生了一系列相关研究工作，特别是在鱼眼图像处理和多任务学习领域。例如，研究者们开发了适应鱼眼图像的深度学习模型，探索了多摄像头系统的联合建模方法，并提出了新的评估指标来改进3D边界框检测任务。这些工作不仅丰富了自动驾驶领域的研究内容，也为实际应用提供了技术支持。
以上内容由AI搜集并总结生成
数据主题
5,000+
优质数据集
54 个
任务类型
进入经典数据集
热门数据集
中国区域地面气象要素驱动数据集 v2.0（1951-2020）
中国区域地面气象要素驱动数据集（China Meteorological Forcing Data，以下简称 CMFD）是为支撑中国区域陆面、水文、生态等领域研究而研发的一套高精度、高分辨率、长时间序列数据产品。本页面发布的 CMFD 2.0 包含了近地面气温、气压、比湿、全风速、向下短波辐射通量、向下长波辐射通量、降水率等气象要素，时间分辨率为 3 小时，水平空间分辨率为 0.1°，时间长度为 70 年（1951~2020 年），覆盖了 70°E~140°E，15°N~55°N 空间范围内的陆地区域。CMFD 2.0 融合了欧洲中期天气预报中心 ERA5 再分析数据与气象台站观测数据，并在辐射、降水数据产品中集成了采用人工智能技术制作的 ISCCP-ITP-CNN 和 TPHiPr 数据产品，其数据精度较 CMFD 的上一代产品有显著提升。 CMFD 历经十余年的发展，其间发布了多个重要版本。2019 年发布的 CMFD 1.6 是完全采用传统数据融合技术制作的最后一个 CMFD 版本，而本次发布的 CMFD 2.0 则是 CMFD 转向人工智能技术制作的首个版本。此版本与 1.6 版具有相同的时空分辨率和基础变量集，但在其它诸多方面存在大幅改进。除集成了采用人工智能技术制作的辐射和降水数据外，在制作 CMFD 2.0 的过程中，研发团队尽可能采用单一来源的再分析数据作为输入并引入气象台站迁址信息，显著缓解了 CMFD 1.6 中因多源数据拼接和气象台站迁址而产生的虚假气候突变。同时，CMFD 2.0 数据的时间长度从 CMFD 1.6 的 40 年大幅扩展到了 70 年，并将继续向后延伸。CMFD 2.0 的网格空间范围虽然与 CMFD 1.6 相同，但其有效数据扩展到了中国之外，能够更好地支持跨境区域研究。为方便用户使用，CMFD 2.0 还在基础变量集之外提供了若干衍生变量，包括近地面相对湿度、雨雪分离降水产品等。此外，CMFD 2.0 摒弃了 CMFD 1.6 中通过 scale_factor 和 add_offset 参数将实型数据化为整型数据的压缩技术，转而直接将实型数据压缩存储于 NetCDF4 格式文件中，从而消除了用户使用数据时进行解压换算的困扰。 本数据集原定版本号为 1.7，但鉴于本数据集从输入数据到研制技术都较上一代数据产品有了大幅的改变，故将其版本号重新定义为 2.0。CMFD 2.0 的数据内容与此前宣传的 CMFD 1.7 基本一致，仅对 1983 年 7 月以后的向下短/长波辐射通量数据进行了更新，以修正其长期趋势存在的问题。2021 年至 2024 年的 CMFD 数据正在制作中，计划于 2025 年上半年发布，从而使 CMFD 2.0 延伸至 2024 年底。
国家青藏高原科学数据中心 收录
全国 1∶200 000 数字地质图（公开版）空间数据库
As the only one of its kind, China National Digital Geological Map (Public Version at 1∶200 000 scale) Spatial Database (CNDGM-PVSD) is based on China' s former nationwide measured results of regional geological survey at 1∶200 000 scale, and is also one of the nationwide basic geosciences spatial databases jointly accomplished by multiple organizations of China. Spatially, it embraces 1 163 geological map-sheets (at scale 1: 200 000) in both formats of MapGIS and ArcGIS, covering 72% of China's whole territory with a total data volume of 90 GB. Its main sources is from 1∶200 000 regional geological survey reports, geological maps, and mineral resources maps with an original time span from mid-1950s to early 1990s. Approved by the State's related agencies, it meets all the related technical qualification requirements and standards issued by China Geological Survey in data integrity, logic consistency, location acc racy, attribution fineness, and collation precision, and is hence of excellent and reliable quality. The CNDGM-PVSD is an important component of China' s national spatial database categories, serving as a spatial digital platform for the information construction of the State's national economy, and providing informationbackbones to the national and provincial economic planning, geohazard monitoring, geological survey, mineral resources exploration as well as macro decision-making.
DataCite Commons 收录
EcoInvent
EcoInvent是一个生命周期评估（LCA）数据库，包含了大量产品的环境影响数据。它提供了详细的产品生命周期数据，包括原材料提取、生产、使用和废弃处理等各个阶段的环境影响信息。
www.ecoinvent.org 收录
PDT Dataset
PDT数据集是由山东计算机科学中心（国家超级计算济南中心）和齐鲁工业大学（山东省科学院）联合开发的无人机目标检测数据集，专门用于检测树木病虫害。该数据集包含高分辨率和低分辨率两种版本，共计5775张图像，涵盖了健康和受病虫害影响的松树图像。数据集的创建过程包括实地采集、数据预处理和人工标注，旨在为无人机在农业中的精准喷洒提供高精度的目标检测支持。PDT数据集的应用领域主要集中在农业无人机技术，旨在提高无人机在植物保护中的目标识别精度，解决传统检测模型在实际应用中的不足。
arXiv 收录
1931 2◦ CIE Standard Colorimetric Observer Data
The 1931 2◦ CIE Standard Colorimetric Observer Data (CMFs) that span 360 nm to 830 nm in 1 nm intervals.
DataCite Commons 收录