CUlane数据集介绍

        culane数据集是车道线检测的一个比较通用的数据集,是由SCNN这篇论文提出的。它是由安装在六辆由北京不同驾驶员驾驶的不同车辆上的摄像机收集的。 收集了超过55小时的视频,并提取了133,235帧。 数据示例如上所示。 我们将数据集分为88880个训练集,9675个验证集和34680个测试集。 测试集分为正常类别和8个具有挑战性的类别。后来,大多数车道线检测文章都以该数据集为目标展现自己的方法性能。本文记录一下culane数据集,以及图片的标注方式。

数据集内容

CUlane数据集介绍_第1张图片

culane解压后分为图上的几个文件,其中:

1.训练与验证集:

- driver_23_30frame
- driver_161_90frame
- driver_182_30frame

CUlane数据集介绍_第2张图片

 

对于每个图像,将有一个.txt注释文件。以00120为例,标注结果如图所示。每两个数为一个像素坐标(x,y),culane为等纵向等间隔标注,每隔十个像素标注,标注图像的下半部分。

2.测试集:
- driver_37_30frame
- driver_100_30frame
- driver_193_90frame

3.训练/验证/测试列表:
- list

CUlane数据集介绍_第3张图片

CUlane数据集介绍_第4张图片

其中train.txt,test.txt,val.txt,这三个文件夹里面记录的是对应的原始图像的路径。

CUlane数据集介绍_第5张图片

其中train_gt.txt val_gt.txt test_gt.txt ,三个文件里面记录的是对应的原始图像的路径、分割图的路径、4条车道线有无情况(有为1,无为0,4条车道线的顺序为相邻左车道线、本车道左车道线、本车道右车道线、相邻右侧车道线)

4. 训练和验证的车道的语义分割信息:
-laneseg_label_w16

CUlane数据集介绍_第6张图片

CUlane数据集介绍_第7张图片
,它是从原始注释生成的。

 

 

你可能感兴趣的:(深度学习,计算机视觉,人工智能)