DriveSeg Dataset for Dynamic Driving Scene Segmentation

Dataset for Dynamic Driving Scene Segmentation for autonomous driving car

https://agelab.mit.edu/driveseg

💼 porté par MIT, Toyota

Discuter sur le chat

DriveSeg contains more precise, pixel-level representations of many of these same common road objects, but through the lens of a continuous video driving scene. This type of full scene segmentation can be particularly helpful for identifying more amorphous objects – such as road construction and vegetation – that do not always have such defined and uniform shapes. The dataset is comprised of two parts:

DriveSeg (Manual)

A forward facing frame-by-frame pixel level semantic labeled dataset captured from a moving vehicle during continuous daylight driving through a crowded city street.

The dataset can be downloaded from the IEEE DataPort or demoed as a video.

Technical Summary:

Video data - 2 minutes 47 seconds (5,000 frame) 1080P (1920x1080) 30 fps

Class definitions (12) - vehicle, pedestrian, road, sidewalk, bicycle, motorcycle, building, terrain (horizontal vegetation), vegetation (vertical vegetation), pole, traffic light, and traffic sign

DriveSeg (Semi-auto)

A set of forward facing frame-by-frame pixel level semantic labeled dataset (coarsely annotated through a novel semiautomatic annotation approach developed by MIT) captured from moving vehicles driving in a range of real world scenarios drawn from MIT Advanced Vehicle Technology (AVT) Consortium data.

The dataset can be downloaded from the IEEE DataPort.

Technical Summary:

Video data - Sixty seven 10 second 720P (1280x720) 30 fps videos (20,100 frames)

Class definitions (12) - vehicle, pedestrian, road, sidewalk, bicycle, motorcycle, building, terrain (horizontal vegetation), vegetation (vertical vegetation), pole, traffic light, and traffic sign

This work was done in collaboration with the MIT and Toyota Collaborative Safety Research Center (CSRC).

Organisations utilisatrices ou intéressées pour utiliser la ressource :

Contributeur(s) :

Tags : University of MIT, Toyota, Autonomous, autonome, identification

Catégories : Données, Communauté

Thème : Voiture Connectée, Navettes autonomes, Traces de mobilité et des données associées, Urbanisme et ville

Référent :

Défi auquel répond la ressource : Abaisser les barrières pour innover sur le véhicule, Augmenter les connaissances partagées en cartographie et usages des véhicules et réseaux de transports

Personnes clés à solliciter :

Autre commun proche : Autonomous Visualization System AVS, Dataset for autonomous driving, Nobleo Autonomous systems Repositories, Open Air Interface (véhicule connecté et autonome), Transportation Mode Identification

Richesse recherchée :

Compétences recherchées :

Communauté d'intérêt : Communauté autour des navettes autonomes, Communauté du Logiciel Libre, Communauté autour des données ouvertes

Type de licence : MIT

Conditions Générales d’Utilisation (CGU) :

Niveau de développement :

Lien vers l’outil de gestion des actions :

Lien vers l’outil de partage de fichiers :

Besoins :

Prochaines étapes :

Documentation des expérimentations :

Autres informations

Liste des acteurs qui utilisent ou souhaitent utiliser ce commun : aucun pour le moment

Liste des CR d’atelier en lien avec ce commun :