Udacity 自动驾驶汽车数据集：用于自动驾驶物体检测的重新标记和增强

Udacity 自动驾驶汽车 > 固定小”数据集是经过精心策划和重新标记的图像集合，专为自动驾驶应用中的对象检测任务而设计。它通过纠正行人、骑自行车的人、车辆和交通灯等关键对象的缺失标签来解决原始 Udacity 数据集的缺点。该数据集包含 15,000 张高分辨率图像 (1920x1200) 和跨越 11 个类别的总共 97,942 个注释，可确保训练和评估的高质量标记。

该数据集与流行的机器学习框架兼容，并提供多种格式，包括 COCO JSON、VOC XML 和 Tensorflow TFRecords。还提供了下采样版本（512x512 分辨率）以适应具有计算限制的模型。

注释的准确性经过手工验证，使该数据集成为为自动驾驶车辆构建强大的对象检测和跟踪模型的可靠选择。然而，用户应该注意，某些类别的重复边界框可能需要预处理，例如基于 IOU 的过滤，以确保最佳模型性能。

该数据集根据麻省理工学院许可发布，促进计算机视觉和自动驾驶技术研究和开发的开放性和可访问性。