CURE-TSR

该数据集包含了200万个交通标志实例，涵盖了14个不同的类别，并在各种具有挑战性的条件下采集。此外，数据集还包括了13种不同的挑战情境。在本次工作中，为了引入歧义，选用了两种情境（无挑战和镜头反光）。该任务的目的是在联邦学习中结合公平性指标。

This dataset contains 2 million traffic sign instances, covering 14 distinct categories, and was collected under a variety of challenging conditions. Additionally, the dataset includes 13 different challenge scenarios. In this work, two scenarios (no-challenge and lens flare) were selected to introduce ambiguity. The purpose of this task is to incorporate fairness metrics in federated learning.

搜集汇总

背景与挑战

背景概述

CURE-TSR是一个大规模交通标志识别数据集，包含超过220万张图像，涵盖14种交通标志类型和12种模拟恶劣环境的挑战条件（如雨、雪、模糊等），每个条件有5个严重级别。该数据集旨在评估数据驱动算法在真实和模拟挑战性环境下的鲁棒性，并附带基准测试代码和相关研究论文。