TJU-DHD: A Diverse High-Resolution Dataset for Object Detection 论文链接：https://arxiv.org/abs/2011.09170 数据集：https://github.com/tjubiit/TJU-DHD 包含115,354张高分辨率图像（至少1624x1200像素），70多万个标记对象。两种不同的场景：交通和校园。相当多样性，如外观，比例，照度，季节和天气差异很大。数据集和benchmark现已开源！作者单位：天津大学, 中汽中心

对于自动驾驶汽车和视频监控的感知模块而言，车辆，行人和骑行者是最重要和最有趣的对象。但是，检测此类重要物体（尤其是小物体）的最新性能远远不能满足实际系统的需求。大规模，丰富多样和高分辨率的数据集在开发更好的对象检测方法以满足需求方面起着重要作用。从网站收集的现有公共大规模数据集（例如MS COCO）并不关注特定场景。而且，从特定场景收集的流行数据集（例如，KITTI和Citypersons）在图像和实例的数量，分辨率和多样性方面受到限制。为了尝试解决该问题，我们构建了一个多样化的高分辨率数据集（称为TJU-DHD）。该数据集包含115,354张高分辨率图像（其中52％图像的分辨率为1624×1200像素，而48％图像的分辨率至少为2,560×1,440像素）和709,330个标记的对象，它们在比例和外观上存在较大差异。同时，该数据集在季节方差，照度方差和天气方差方面具有丰富的多样性。此外，进一步建立了新的多样化行人数据集。使用四种不同的检测器（即一级RetinaNet，无锚FCOS，二级FPN和Cascade R-CNN），进行了有关目标检测和行人检测的实验。我们希望新建的数据集可以帮助促进这两个场景中目标检测和行人检测的研究。

内容中包含的图片若涉及版权问题，请及时与我们联系删除