DAWN

displayName: DAWN license: - CC BY-NC 3.0 mediaTypes: - Image paperUrl: https://arxiv.org/pdf/2008.05402v1.pdf publishDate: "2020-01-15" publishUrl: https://data.mendeley.com/datasets/766ygrbt8y/3 publisher: - Elsevier Ltd tags: - Traffic Environment taskTypes: - Autonomous Driving - Scene Understanding --- # 数据集介绍 ## 简介 DAWN强调多样化的交通环境（城市、高速公路和高速公路）以及丰富多样的交通流量。 DAWN 数据集包含来自真实交通环境的 1000 张图像的集合，这些图像分为四组天气条件：雾、雪、雨和沙尘暴。该数据集使用用于自动驾驶和视频监控场景的对象边界框进行注释。这些数据有助于解释不利天气条件对车辆检测系统性能的影响。 ## 引文 ``` @article{kenk2020dawn, title={DAWN: vehicle detection in adverse weather nature dataset}, author={Kenk, Mourad A and Hassaballah, Mahmoud}, journal={arXiv preprint arXiv:2008.05402}, year={2020} } ``` ## Download dataset :modelscope-code[]{type="git"}displayName: DAWN license: - 知识共享署名-非商业性使用3.0协议（CC BY-NC 3.0） mediaTypes: - 图像 paperUrl: https://arxiv.org/pdf/2008.05402v1.pdf publishDate: "2020-01-15" publishUrl: https://data.mendeley.com/datasets/766ygrbt8y/3 publisher: - 爱思唯尔有限公司（Elsevier Ltd） tags: - 交通环境 taskTypes: - 自动驾驶 - 场景理解 --- # 数据集介绍 ## 概况 DAWN数据集聚焦多元交通场景（涵盖城市道路、普通公路与高速公路）与丰富的交通流场景。该数据集收录了真实交通环境下的1000张图像，按天气条件划分为雾天、降雪、降雨与沙尘暴四大类别。数据集针对自动驾驶与视频监控场景中的目标对象标注了边界框，可用于探究恶劣天气条件对车辆检测系统性能的影响。 ## 引文 @article{kenk2020dawn, title={DAWN: vehicle detection in adverse weather nature dataset}, author={Kenk, Mourad A and Hassaballah, Mahmoud}, journal={arXiv preprint arXiv:2008.05402}, year={2020} } ## 数据集下载 :modelscope-code[]{type="git"}

搜集汇总

背景与挑战

背景概述

DAWN是一个专注于恶劣天气条件下交通场景的数据集，包含1000张真实环境图像，涵盖雾、雪、雨和沙尘暴四种天气类型。该数据集提供了物体边界框标注，适用于自动驾驶和视频监控研究，旨在分析恶劣天气对车辆检测系统性能的影响。