基于视觉的着陆数据集 -- 用于着陆接近跑道检测
本研究介绍了一个大规模的合成孔径雷达 (SAR) 机场数据集，旨在为 SAR 图像中机场检测研究提供基准数据，并通过多种深度学习方法的实验验证了数据集的有效性。
Apr, 2022
本研究聚焦于基于视觉的着陆任务，展示了符合机器学习系统操作设计领域（ODD）的数据集的设计和验证。通过借鉴新兴的认证标准，我们描述了在系统和图像级别建立 ODDs 的流程。在该过程中，我们将高级系统约束转化为可操作的图像级属性，从而定义了可验证的数据质量要求 (DQRs)。为了阐述这种方法，我们使用了 Landing Approach Runway Detection (LARD) 数据集，结合了合成图像和真实画面，并侧重于验证 DQRs 所需的步骤。本论文中提出的可复制框架解决了为安全关键应用中基于 ML 的系统认证设计符合严格需求的挑战。
Jun, 2024
基于机器学习的计算机视觉模型在自然灾害后的应急管理操作中是有前景的工具，而空中拍摄的照片则可以为情境感知和损伤评估等应用提供宝贵的信息。然而，在灾害发生后可能拍摄的数以万计的照片中，应急管理人员通常面临寻找最相关照片的挑战。为了解决这个问题，我们提出了 LADI v2 数据集，这是一个由美国国土出生队（Civil Air Patrol, CAP）于 2015 年至 2023 年响应联邦宣布的紧急情况期间捕获的约 10,000 张灾害图像的精选集，并由经过培训的 CAP 志愿者注释为多标签分类。我们还提供了两个预训练的基线分类器，并将它们的性能与最先进的图像 - 语言模型在多标签分类中进行了比较。我们公开发布数据和代码来支持应急管理研究和应用中计算机视觉模型的开发。
Jun, 2024
本文提出了一种多用途的多模态传感器航空数据集（AU-AIR）, 旨在弥合计算机视觉和机器人学之间的差距，并通过多种类型的记录数据进行真实环境的移动物体检测训练和测试，包括自带计算机的无人机。
Jan, 2020
本文介绍了 AVOIDDS，这是一个逼真的目标检测基准测试，包含了 72000 个逼真的图片数据集，以及相应的模型评估接口和整个仿真问题的解决方案，在安全关键应用中，这样的基准测试将有助于设计稳健的机器学习系统。
Jun, 2023
通过新的数据集 LaRS，我们提供了第一个海洋全景障碍物检测基准，涵盖了湖泊、河流和海洋场景，并提供了最大的多样性录制位置、场景类型、障碍物类别和获取条件。LaRS 数据集由包含 4000 多个像素标记关键帧组成，具有九个先前帧，以利用时间纹理，共计超过 40k 帧。我们报告了 27 种语义和全景分割方法的结果，以及几个性能洞察和未来研究方向。为了实现客观评估，我们还实施了在线评估服务器。LaRS 数据集、评估工具包和基准公开可用。
Aug, 2023
该研究介绍了一种新的大规模、高质量、多样化的自动驾驶数据集，其中包含了各种城市和郊区地理环境中的 1150 个场景，数据标注为 2D 和 3D 框，而 2D 和 3D 检测和跟踪任务的基线也得到了提供。
Dec, 2019
为了解决现有数据集图片数量有限的问题，本文提出了一个包含图像和三维数据的多模态综合数据集，该数据集包含 28 类的像素级标注，并可用于深度网络架构的有效训练，结果表明其在合成数据和实际数据的适应方面具有良好的前景。
Aug, 2023
利用 LiDAR 传感器获取关于场景的精确几何信息支持自动驾驶，本文提供一种新颖的数据集，旨在为源数据集的性能评估提供跨领域评估，同时提供一个灵活的在线基准测试，以确保各种方法之间的公平比较。
Oct, 2023