CULane车道线数据集介绍

原文链接：

https://xingangpan.github.io/projects/CULane.html

描述

CULane是一个大规模的具有挑战性的数据集，用于行车道检测的学术研究。 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，分别对应于上面的9个示例。

对于每帧，我们都使用三次样条曲线手动注释行车道。 对于车道标记被车辆遮挡或看不见的情况，我们仍会根据上下文对车道进行注释，如（2）（4）所示。 我们还希望算法能够区分道路上的障碍，就像（1）中的障碍一样。 因此，没有标注在障碍物另一侧的车道。 在此数据集中，我们将注意力集中在四个车道标记的检测上，这在实际应用中最受关注。 其他车道标记未标注。

对于更多的细节，可以参考SCNN的论文。

下载

您可以从Google云端硬盘或百度云下载数据集（如果您使用百度云，请确保在解压缩后，driver_23_30frame_part1.tar.gz和driver_23_30frame_part2.tar.gz中的图像位于一个文件夹“ driver_23_30frame”中，而不是两个单独的文件夹中） 如果您使用默认设置解压缩这两个文件，自然应该是这种情况。

数据集包含如下内容：

1. 训练&验证集图像和标注：

• driver_23_30frame.tar.gz
• driver_161_90frame.tar.gz
• driver_182_30frame.tar.gz

对于每个图像，将有一个.txt注释文件，其中每行给出车道标记关键点的x，y坐标。

2. 测试集图像和标注

• driver_37_30frame.tar.gz
• driver_100_30frame.tar.gz
• driver_193_90frame.tar.gz

3. 训练/验证/测试集列表

• list.tar.gz

对于用于训练的train_gt.txt，每行的格式为“输入图像，每个像素的标签，四个0/1数字，指示从左到右存在四个车道标记”。

4. 训练&验证的语义分割信息

• laneseg_label_w16.tar.gz

这些是从原始注释生成的。

注意：training＆val集的原始注释（不是分段标签）在2018年4月16日之前是不正确的。要更新到正确的版本，您可以下载“ annotations_new.tar.gz”并覆盖原始注释文件或 再次下载training＆val集。

工具

1. 要评估您的方法，您可以在使用此仓库中的评估代码。
2. 要从原始注释文件生成每像素标签，可以使用此代码。

联系、证书

跳过。

引用信息

@inproceedings{pan2018SCNN,
author = {Xingang Pan, Jianping Shi, Ping Luo, Xiaogang Wang, and Xiaoou Tang},
title = {Spatial As Deep: Spatial CNN for Traffic Scene Understanding},
booktitle = {AAAI Conference on Artificial Intelligence (AAAI)},
month = {February},
year = {2018}
}