Nov, 2023

轻量级细粒度检测的大型汽车零件数据集

PDF
TL;DR该论文提出了一个包含 84162 个图像的大规模和细粒度的汽车数据集，用于检测 12 种不同类型的汽车零部件。为了减轻手动注释的负担，提出了一种新颖的半监督自动标注方法，并研究了零样本标注的 Grounding DINO 方法的局限性。最后，通过训练几个轻量级的 YOLO 系列检测器，评估了所提出的数据集的有效性。
automotive datasetcar parts detectionsemi-supervised auto-labelinggrounding dino approachyolo-series detectors
发现论文，激发创造
  • 面向细粒度分类和验证的大规模汽车数据集

    该研究提供了针对 CompCars 监控数据的细粒度分类的初步实验结果，同时提供了更新后的数据集的训练 / 测试拆分，详见第 6 节。

    Jun, 2015

  • GP22：汽车造型数据集，供汽车设计师使用

    本研究提出一种自动化设计数据归档的方案，介绍了一个由汽车设计师定义的汽车外观设计特征数据集 GP22，并使用 YOLO v5 作为设计特征检测模型进行基线模型训练以及性能测试，结果表明该数据集可在设计领域中应用。

    Jul, 2022

  • 视觉普查估计的细粒度汽车检测

    本文利用计算机视觉技术从 Google 街景图像中的车辆数量预测美国城市的收入、碳排放、犯罪率等城市属性，并探讨城市中车辆与人口属性之间的关系，以实现对城市的大规模社会学分析。

    Sep, 2017

  • 使用弱监督部件检测网络进行部件感知的细粒度对象分类

    该研究提出了一种弱监督的部件检测网络（PartNet），能够检测出细粒度分类所使用的具有辨别力的局部部分，在 CUB-200-2011 和 Oxford Flower 102 数据集上实现了最新的最高性能。

    Jun, 2018

  • 面向汽车的大规模基于事件的检测数据集

    本研究介绍了用于事件相机的第一个非常大的检测数据集，包含超过 39 小时的汽车记录，涵盖城市，高速公路，郊区和乡村场景等多个不同的驾驶场景和各种天气和照明条件。该数据集的可用性将有助于事件感知视觉任务的主要进步，例如目标检测和分类，并期望在自监督学习方法等其他任务中获得好处。

    Jan, 2020

  • PartImageNet: 一个大型、高质量的零件数据集

    提出了 PartImageNet 数据集，其中包括了 158 种类别、约 24,000 张图像，是一个大、高质量的数据集，具有像素级部位分割注释，能够用于许多视觉任务，包括对象分割、语义部分分割、少样本学习和部分发现。

    Dec, 2021

  • 特征对齐下的无监督部件发现

    本文提出利用无监督学习的方法发现物体的不同部位，通过神经网络构建特征并实现物体识别和部位检测。

    Dec, 2020

  • 城市环境下车道实例分割数据集

    提出一种半自动化的方法，利用估计的 3D 道路平面投影所有图像序列中的标签，以实现图像序列的高效标注，平均每张图像的标注时间缩短到了 5 秒，无需使用昂贵的传感器设备，同时发布了一个包含 24,000 张图像的数据集并展示了实验结果。

    Jul, 2018

  • DVM-CAR：一份大规模汽车数据集，用于视觉营销研究和应用

    本文提出了一个从不同的网络来源和格式创建综合汽车数据集的多学科计划，其中包括来自英国市场十多年内 899 辆汽车型号的 1.4 百万张图片，以及相应的车型规格和销售信息。这项工作对汽车行业的研究和应用，大数据的创建和共享，数据库设计和数据融合做出了重要贡献，并且可以在商业研究和应用中使用。

    Aug, 2021

  • PartNet：大规模精细和分层 3D 对象部件理解基准测试

    本文介绍 PartNet 数据集，该数据集是一个一致的、大规模的、带有精细的、实例级别的和分层的 3D 部分信息的 3D 对象的注释数据集。我们提出了三种评估 3D 部分识别的挑战，包括细粒度语义分割、分层语义分割和实例分割，并基于该数据集进行了实验，结果表明其优越性能。

    Dec, 2018