来自UAV平台的RGB-TIR数据集用于强大的城市交通场景语义细分语义细分
Junlin Ouyang1, Qingwang Wang2, Ying Shang1
1The Faculty of Information Engineering and Automation, Kunming University of Science and Technology, Kunming, 650500, China.
Scientific data
|October 29, 2025
概括
我们介绍了Kust4K,这是一个新的无人机数据集,用于RGB-热红外 (TIR) 多模式语义细分. 这一数据集增强了对城市交通场景的理解,并为智能交通系统提供了强大的AI模型培训.
科学领域:
- 计算机视觉 计算机视觉
- 人工智能的人工智能
- 机器人技术 机器人技术 机器人技术
背景情况:
- 现有的无人飞行器 (UAV) 数据集用于语义细分,其数据量较少,在各种环境中稳定性不足.
- 准确的城市交通场景理解对于智能交通系统至关重要.
研究的目的:
- 介绍Kust4K,一个新的RGB-热红外 (TIR) 多式数据集,用于基于无人机的语义细分.
- 解决现有数据集在非理想条件下的数据量,密度和稳定性方面的局限性.
主要方法:
- 采集了4024个像素对齐的RGB-TIR图像对,来自不同的城市道路场景,在使用无人机的可变照明下.
- 利用最先进的模型对语义细分任务进行广泛的实验.
- 评估了与单模式基线对比的多模式培训策略.
主要成果:
- 使用Kust4K的多模式训练在语义细分任务中显著优于单模式基线.
- 证明了多模式图像信息在实现可靠的语义细分方面的关键作用.
- 验证了数据集在推进 robust 城市交通场景理解方面的有效性.
结论:
- Kust4K是一个有价值的资源,用于推进强大的城市交通场景理解.
- 用RGB-TIR数据进行多式语义细分对于智能运输中可靠的AI性能至关重要.
- 该数据集促进了对需要强大的环境感知能力的智能交通系统的研究.
