用于人工智能研究的三带车辆和船舶数据集
Yingjian Liu1, Gangnian Zhao1, Shuzhen Fan2,3
1School of Information Science and Engineering (ISE), Shandong University, Qingdao, 266237, China.
Scientific data
|April 9, 2025
概括
这项研究引入了用于车辆和船舶检测的新型三带数据集,这对于推进自动驾驶系统的深度学习至关重要. 该数据集在对象检测算法方面表现出强的性能,从而实现了更好的现实应用.
科学领域:
- 计算机视觉 计算机视觉
- 人工智能的人工智能
- 遥感 遥感 遥感 遥感
背景情况:
- 深度学习模型需要广泛的数据集进行培训.
- 现有的数据集可能缺乏用于全面对象检测的多频段功能.
- 自动驾驶和船舶检测受益于先进的人工智能技术.
研究的目的:
- 引入第一个公开可用的三带 (可见,短波红外,长波红外) 车辆和船舶数据集.
- 为了促进对象检测和多频段图像融合研究.
- 为评估各种频谱带的深度学习模型提供一个基准.
主要方法:
- 收集并策划了成千上万个三带图像的数据集.
- 确保了跨光谱带的时间同步和视野一致性.
- 对于对象实例的数据集,大约60%的数据集是手动标记的.
- 训练并评估了像YOLOv8和SSD这样的对象检测算法.
- 进行了基于波段的多频段图像融合的初步验证.
主要成果:
- 对象检测模型 (YOLOv8,SSD) 在0.5.5的IOU值下实现了0.6以上的平均精度 (mAP).
- 该数据集支持车辆和船舶的稳健识别性能.
- 证明了基于波纹的多频段图像融合的可行性.
结论:
- 提出的三带数据集是人工智能对物体检测和图像融合研究的宝贵资源.
- 数据集的质量和特征支持开发更准确的自主系统.
- 这项工作对公开可用的多频段光学数据集做出了重大贡献.
