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

自动驾驶发展迅速，硬件和深度学习方法的新进展表现出了良好的性能，高质量的数据集对于开发可靠的自动驾驶算法至关重要。本研究全面调查了 200 多个自动驾驶数据集的多个方面，并引入了一种新的评估指标来评估每个数据集的影响，为建立新的数据集提供了指导。此外，还分析了数据集的注释过程和质量，并对几个重要数据集的数据分布进行了深入分析。最后，讨论了未来自动驾驶数据集的发展趋势。

Jan, 2024

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

我们提出了第一个大规模的 3D 真实汽车数据集，名为 3DRealCar，具有高容量、高质量和高多样性的特点，以及可用于改进与汽车相关的各种 2D 和 3D 任务的潜力。

Jun, 2024

该研究对自主驾驶车辆的决策制定模块进行了探讨，提出了数据驱动决策制定方法的重要性，并对车辆、环境和驾驶员状况的数据进行了比较和总结，进一步总结了数据集的潜在应用及未来发展趋势。

Jun, 2023

本文提出了一个新的中文粤语数据集 - Cantonese In-car Audio-Visual Speech Recognition (CI-AVSR)，用于研究车内指令识别。使用视觉和音频数据来识别汽车相关的指令，并采用常见的车内背景噪声进行数据增强来模拟真实环境，同时还实现了两种多模态基线以证明数据集的有效性和可行性。

Jan, 2022

通过系统考察当前两代自动驾驶数据集，本综述提供关于高质量数据集创建原则、数据引擎系统的关键作用，以及采用生成式基础模型促进可扩展数据生成等方面的见解。此外，本综述还详细分析了第三代自动驾驶数据集应具备的特征和数据规模，并深入探讨需要解决的科学和技术挑战，以推动自主创新和关键领域的技术提升。

Dec, 2023

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

DrivAerNet++ 是用于空气动力学汽车设计的最大和最全面的多模式数据集，支持包括数据驱动设计优化、生成建模、代理模型训练、CFD 模拟加速和几何分类等多种机器学习应用，填补了现有资源的显著差距，提供高质量、多样化的数据以增强模型训练、促进推广和加速汽车设计流程。

Jun, 2024

研究智能车辆的深度学习与智能化，提供车辆相关信息和增强性能至关重要。然而目前，这个领域的大部分数据集往往只有英语和中文存在，这妨碍了更广泛社群的研究与应用。为了解决这一问题，本文提出了一种应对低资源语言识别问题的方法，即使用视听数据进行广东话语音识别。

Jul, 2022