Urban Object Detection

We propose a new dataset that is used for benchmarking the accuracy of a real-time object detector (Faster R-CNN). Part of the data was collected using an HD camera mounted on a vehicle. Furthermore, some of the data is weakly annotated so it can be used for testing weakly supervised learning techniques. There already exist urban object datasets, but none of them include all the essential urban objects. We carried out extensive experiments demonstrating the effectiveness of the baseline approach. Additionally, we propose an R-CNN plus tracking technique to accelerate the process of real-time urban object detection.

我们提出了一款全新的数据集，用于对实时目标检测器（Faster R-CNN）的精度开展基准测试。该数据集的部分数据通过搭载于车辆的高清摄像头（HD camera）采集获取。此外，部分数据采用弱标注方式制作，可用于测试弱监督学习相关技术。目前已有的城市目标数据集均未涵盖全部核心城市目标类别。我们开展了大量实验，验证了基线方法的有效性。此外，我们还提出了一种融合跟踪技术的R-CNN方法，以加速实时城市目标检测的流程。

搜集汇总

背景与挑战

背景概述

该数据集是一个22.44G的城市物体检测数据集，用于测试实时物体检测器(Faster R-CNN)的准确性，包含车载高清摄像头采集的数据和部分弱标注数据，适合弱监督学习技术研究。