Worlds biggest UC Berkeley self driving car forward facing camera video dataset

世界上最大的UC伯克利自动驾驶汽车前视摄像头视频数据集，用于开发机器学习和对象识别算法。

The world's largest forward-facing camera video dataset for autonomous driving vehicles from UC Berkeley, used for developing machine learning and object recognition algorithms.

原始信息汇总

数据集概述

交通信号灯和标志，街景数据集

• UC Berkeley自动驾驶汽车前向摄像头视频数据集：世界上最大的自动驾驶汽车前向摄像头视频数据集，网址：http://bdd-data.berkeley.edu/
• LabelMeFacade：自然无约束的城市场景照片及其伴随标签，标注了场景中各种物体的位置，网址：https://github.com/sentientmachine/labelmefacade
• Street View House Numbers (SVHN) 数据集：用于开发机器学习和对象识别算法的现实世界图像数据集，网址：http://ufldl.stanford.edu/housenumbers/
• Cambridge England驾驶标记视频数据库 (CamVid)：第一个带有对象类语义标签的视频集合，网址：http://mi.eng.cam.ac.uk/research/projects/VideoRec/CamVid/
• Google Street View 数据集：包含62,058张高质量的Google Street View图像，网址：http://crcv.ucf.edu/data/GMCP_Geolocalization/#Dataset
• Freecode camp挑战数据集交通信号灯：网址：https://medium.freecodecamp.org/recognizing-traffic-lights-with-deep-learning-23dae23287cc
• Caltech行人数据库：网址：http://www.vision.caltech.edu/Image_Datasets/CaltechPedestrians/
• 交通信号灯：网址：http://www.lara.prd.fr/benchmarks/trafficlightsrecognition

立体数据集（左右眼成对照片）

• Middlebury立体数据集：网址：http://vision.middlebury.edu/stereo/data/scenes2014/

医疗健康数据

• EHDP大型健康数据集：网址：http://www.ehdp.com/vitalnet/datasets.htm
• Gapminder世界人口数据库：网址：http://www.gapminder.org/data/
• Medicare覆盖数据库 (MCD)：网址：https://www.cms.gov/medicare-coverage-database/
• Medicare数据引擎：网址：https://data.medicare.gov/
• Medicare数据文件：网址：http://go.cms.gov/19xxPN4
• MeSH，用于PubMed索引文章的词汇表：网址：https://www.nlm.nih.gov/mesh/filelist.html
• 2014年埃博拉病例和死亡数据：网址：https://data.hdx.rwlabs.org/dataset/ebola-cases-2014
• Open-ODS (英国NHS结构)：网址：http://www.openods.co.uk
• The Cancer Genome Atlas项目 (TCGA)：网址：https://tcga-data.nci.nih.gov/tcga/tcgaDownload.jsp
• 世界卫生组织全球卫生观察站：网址：http://www.who.int/gho/en/

农业

• 美国农业部的PLANTS数据库：网址：http://www.plants.usda.gov/dl_all.html

生物学

• 1000 Genomes：网址：http://www.1000genomes.org/data
• American Gut (微生物组项目)：网址：https://github.com/biocore/American-Gut
• 细胞图像库：网址：http://www.cellimagelibrary.org
• Collaborative Research in Computational Neuroscience (CRCNS)：网址：http://crcns.org/data-sets
• EBI ArrayExpress：网址：http://www.ebi.ac.uk/arrayexpress/
• EBI Protein Data Bank in Europe：网址：http://www.ebi.ac.uk/pdbe/emdb/index.html/
• ENCODE项目：网址：https://www.encodeproject.org
• Ensembl Genomes：网址：http://ensemblgenomes.org/info/genomes
• Gene Expression Omnibus (GEO)：网址：http://www.ncbi.nlm.nih.gov/geo/
• Gene Ontology (GO)：网址：http://geneontology.org/page/download-annotations
• Global Biotic Interactions (GloBI)：网址：https://github.com/jhpoelen/eol-globi-data/wiki#accessing-species-interaction-data
• Harvard Medical School (HMS) LINCS项目：网址：http://lincs.hms.harvard.edu
• Human Microbiome Project (HMP)：网址：http://www.hmpdacc.org/reference_genomes/reference_genomes.php
• ICOS PSP Benchmark：网址：http://ico2s.org/datasets/psp_benchmark.html
• Journal of Cell Biology DataViewer：网址：http://jcb-dataviewer.rupress.org
• MIT Cancer Genomics Data：网址：http://www.broadinstitute.org/cgi-bin/cancer/datasets.cgi
• NIH Microarray data：网址：http://bit.do/VVW6 或 FTP
• OpenSNP genotypes data：网址：https://opensnp.org/
• Pathguid - Protein-Protein Interactions Catalog：网址：http://www.pathguide.org/
• Protein Data Bank：网址：http://www.rcsb.org/
• PubChem Project：网址：https://pubchem.ncbi.nlm.nih.gov/
• PubGene (现为Coremine Medical)：网址：http://www.pubgene.org/
• Sequence Read Archive(SRA)：网址：http://www.ncbi.nlm.nih.gov/Traces/sra/
• Stanford Microarray Data：网址：http://smd.stanford.edu/
• Stowers Institute Original Data Repository：网址：http://www.stowers.org/research/publications/odr
• Systems Science of Biological Dynamics (SSBD) Database：网址：http://ssbd.qbic.riken.jp
• The Catalogue of Life：网址：http://www.catalogueoflife.org/content/annual-checklist-archive
• The Personal Genome Project：网址：http://www.personalgenomes.org/ 或 PGP
• UCSC Public Data：网址：http://hgdownload.soe.ucsc.edu/downloads.html
• UniGene：网址：http://www.ncbi.nlm.nih.gov/unigene

气候/天气

• 澳大利亚天气：网址：http://www.bom.gov.au/climate/dwo/
• 巴西天气 - 历史数据（葡萄牙语）：网址：http://sinda.crn2.inpe.br/PCD/SITE/novo/site/
• 加拿大气象中心：网址：http://weather.gc.ca/grib/index_e.html
• UEA气候数据（每月更新）：网址：https://crudata.uea.ac.uk/cru/data/temperature/#datter 和 ftp://ftp.cmdl.noaa.gov/
• 欧洲气候评估与数据集：网址：http://eca.knmi.nl/
• 自1929年以来的全球气候数据：网址：http://en.tutiempo.net/climate
• NASA全球图像浏览服务：网址：https://wiki.earthdata.nasa.gov/display/GIBS
• NOAA白令海气候：网址：http://www.beringclimate.noaa.gov/
• NOAA气候数据集：网址：http://www.ncdc.noaa.gov/data-access/quick-links
• NOAA实时天气模型：网址：http://www.ncdc.noaa.gov/data-access/model-data/model-datasets/numerical-weather-prediction
• 世界银行开放数据资源用于气候变化：网址：http://data.worldbank.org/developers/climate-data-api
• UEA气候研究单位：网址：http://www.cru.uea.ac.uk/data
• WorldClim - 全球气候数据：网址：http://www.worldclim.org
• WU全球历史天气：网址：https://www.wunderground.com/history/index.html

复杂网络

• CrossRef DOI URLs：网址：https://archive.org/details/doi-urls
• DBLP引用数据集：网址：https://kdl.cs.umass.edu/display/public/DBLP
• NBER专利引用：网址：http://nber.org/patents/
• NIST复杂网络数据收集：网址：http://math.nist.gov/~RPozo/complex_datasets.html
• 蛋白质-蛋白质相互作用网络：网址：http://vlado.fmf.uni-lj.si/pub/networks/data/bio/Yeast/Yeast.htm
• PyPI和Maven依赖网络：网址：https://ogirardot.wordpress.com/2013/01/31/sharing-pypimaven-dependency-data/
• Scopus引用数据库：网址：https://www.elsevier.com/solutions/scopus
• 小型网络数据：网址：http://www-personal.umich.edu/~mejn/netdata/
• Stanford GraphBase (Steven Skiena)：网址：http://www3.cs.stonybrook.edu/~algorith/implement/graphbase/implement.shtml
• Stanford大型网络数据集收集：网址：http://snap.stanford.edu/data/
• The Koblenz Network Collection：网址：http://konect.uni-koblenz.de/
• The Laboratory for Web Algorithmics (UNIMI)：网址：http://law.di.unimi.it/datasets.php
• The Nexus Network Repository：网址：http://nexus.igraph.org/
• UCI网络数据存储库：网址：https://networkdata.ics.uci.edu/resources.php
• UFL稀疏矩阵集合：网址：http://www.cise.ufl.edu/research/sparse/matrices/
• WSU图数据库：网址：[http://www.eecs.wsu.edu/mgd/gdb.html](http://www

搜集汇总

数据集介绍

构建方式

世界最大的UC伯克利自动驾驶汽车前向摄像头视频数据集是由伯克利大学收集整理的，包含了大量自动驾驶汽车在实际行驶中拍摄的视频片段。这些数据通过在多个场景和不同天气条件下收集，旨在为自动驾驶系统提供丰富的训练和测试资源。

特点

该数据集的特点在于其庞大的规模、多样化的场景以及实际的道路条件。它包含了不同时间段、不同天气状况下的道路场景，能够帮助研究人员和开发者更好地理解和优化自动驾驶算法在复杂环境中的表现。

使用方法

使用该数据集时，用户可以从伯克利大学的开放数据平台下载视频数据。这些数据可以用于自动驾驶系统的训练、测试和验证，以及进行交通场景理解、车辆行为预测等研究。用户需要遵守数据使用条款，并确保在合法合规的范围内使用数据。

背景与挑战

背景概述

世界最大的加州大学伯克利分校自动驾驶汽车前向摄像头视频数据集，收集了大量的自动驾驶汽车行驶过程中拍摄的视频数据。该数据集由加州大学伯克利分校的研究团队创建于2016年，旨在为自动驾驶汽车的研究和开发提供丰富的数据资源。数据集包含了不同天气条件、不同时间段以及不同道路环境的视频片段，对自动驾驶汽车的技术研发具有极高的参考价值。

当前挑战

构建如此大规模的自动驾驶汽车视频数据集面临着多方面的挑战：首先，数据收集过程中需要确保数据的真实性和多样性，以覆盖不同的驾驶场景；其次，数据标注和处理的准确性对算法训练至关重要，如何高效准确地完成数据标注是另一个挑战；最后，数据集的存储和分发也需要解决，以保证数据的安全性和可访问性。

常用场景

经典使用场景

World's biggest UC Berkeley self driving car forward facing camera video dataset 被广泛用于自动驾驶汽车的研究与开发。该数据集提供了大量的真实世界交通场景视频，有助于研究人员训练和测试计算机视觉算法，以实现车辆在复杂交通环境中的自动导航。

实际应用

在实际应用中，该数据集可助力自动驾驶汽车更好地适应各种道路条件，提高行驶安全性。它也被用于开发和优化智能交通系统，以减少交通拥堵和提升交通效率。

衍生相关工作

基于这一数据集，衍生出了许多相关的研究工作，包括车辆行为预测、交通流量分析、以及自动驾驶车辆与基础设施的交互等领域的探索。这些研究进一步扩展了自动驾驶技术的应用范围，并推动了智能交通领域的发展。