Dump truck object detection dataset including scale-models

Skapare/primärforskare:

Carl Borngrund - Luleå tekniska universitet orcid

Beskrivning:

Detektering av föremål är en viktig del i de flesta självkörande fordonssystemen och för att nå en hög prestanda behövs data. För att kunna detektera föremål i bilder brukar man använda sig av neurala nätverk. Nätet brukar ta bildinformation som input och resultatet är samma bild där nätet har detekterat, lokaliserat och klassificerat alla föremålen i bilden.

När man tränar ett nät för att utföra denna uppgift brukar stora dataset användas, tyvärr är det inte alltid praktiskt att samla stora mängder data. Detta har lett till att man använder olika tekniker vilket låter oss uppnå bra prestanda med mindre mängd data. Exempel på dessa tekniker är Transfer learning och Domain adaptation. Då det är en väldigt tidskrävande process att arbeta med arbetsfordon ville vi se ifall det var möjligt att använda skalenliga modeller i olika miljöer för att träna ett nätverk och sedan se ifall nätverket kunde detektera liknande föremål på fullskaliga arbetsfordon utan någon extra träning.

Detta mindre datasetet innehåller bilder på en skalenliga dumper i olika miljöer som tränings- och valideringsdata. Testd

... Visa mer..

Ansvarig institution/enhet:

Luleå tekniska universitet

Skapare/primärforskare:

Carl Borngrund - Luleå tekniska universitet orcid

Identifierare:

SND-ID: SND 1145

Beskrivning:

Detektering av föremål är en viktig del i de flesta självkörande fordonssystemen och för att nå en hög prestanda behövs data. För att kunna detektera föremål i bilder brukar man använda sig av neurala nätverk. Nätet brukar ta bildinformation som input och resultatet är samma bild där nätet har detekterat, lokaliserat och klassificerat alla föremålen i bilden.

När man tränar ett nät för att utföra denna uppgift brukar stora dataset användas, tyvärr är det inte alltid praktiskt att samla stora mängder data. Detta har lett till att man använder olika tekniker vilket låter oss uppnå bra prestanda med mindre mängd data. Exempel på dessa tekniker är Transfer learning och Domain adaptation. Då det är en väldigt tidskrävande process att arbeta med arbetsfordon ville vi se ifall det var möjligt att använda skalenliga modeller i olika miljöer för att träna ett nätverk och sedan se ifall nätverket kunde detektera liknande föremål på fullskaliga arbetsfordon utan någon extra träning.

Detta mindre datasetet innehåller bilder på en skalenliga dumper i olika miljöer som tränings- och valideringsdata. Testd

... Visa mer..

Språk:

Engelska

Kontakt för frågor om data:

Carl Borngrund

Ladda ner metadata:

Version 1.0:

Ladda ner data:

Dump truck object detection dataset including scale-models

Citeringsförslag:

Carl Borngrund. Luleå tekniska universitet (2020). Dump truck object detection dataset including scale-models. Svensk nationell datatjänst. Version 1.0. https://doi.org/10.5878/8z9b-1718

Skapare/primärforskare:

Carl Borngrund - Luleå tekniska universitet orcid

Beskrivning:

Beteckningen av datasetet är liknande YOLO beteckningen, där varje klass motsvarar ett heltal. Inom datasetet så är alla klasser skrivna på engelska. Hjul (wheel): 0 Förarhytt (cab): 1 Flak (tipping body): 2

Dataformat / datastruktur:

Numeriska

Stillbild

Variabler:

3

Publicerad: 2020-03-13
Senast uppdaterad: 2020-05-08