一架无人驾驶飞行器捕获了用于铁路分割和障碍物检测的数据集
Rampriya R S1, Taher Al-Shehari2, Sabari Nathan3
1School of Computer Science Engineering and Information Systems, Vellore Institute of Technology, Vellore, 632014, Tamilnadu, India. rampriya.rs@vit.ac.in.
Scientific data
|December 2, 2024
概括
一个新的数据集UAV-RSOD,使用计算机视觉和无人机 (UAV) 来提高铁路安全. 它提供注释图像,用于检测障碍物和分割轨道,这对于防止事故至关重要.
科学领域:
- 计算机视觉 计算机视觉
- 人工智能的人工智能
- 铁路工程 铁路工程是指铁路工程.
背景情况:
- 由于乘客和员工运输量较高,铁路安全至关重要.
- 传统的安全方法不足以进行全面的铁路环境监测.
- 计算机视觉和无人机等新兴技术为铁路安全提供了先进的解决方案.
研究的目的:
- 介绍UAV-RSOD数据集用于铁路细分和障碍物检测.
- 为开发人工智能驱动的铁路安全系统提供了宝贵的资源.
- 启用自动铁路提取和实时障碍物识别.
主要方法:
- 在各种铁路场景中使用无人机捕获了高分辨率图像.
- 开发了一个数据集 (UAV-RSOD),包含315张原始图像,用于细分和检测任务.
- 应用数据增强技术,将数据集扩展到2002年的图像,涵盖六个障碍类.
主要成果:
- 无人机RSOD数据集包括标记和掩盖图像用于语义细分.
- 对象检测注释与边界框为六个障碍物类别提供:人,巨石,桶,分支,头和铁杆.
- 包括一个用于数据增强的脚本,允许用户自定义他们的数据集.
结论:
- 无人机RSOD数据集是铁路领域计算机视觉研究的全面资源.
- 这一数据集有助于开发先进的人工智能系统,以提高铁路安全.
- 原始图像和增强脚本的可用性为研究人员和开发人员提供了灵活性.
