BadODD: Bangladeshi Autonomous Driving Object Detection Dataset

要約

私たちは、バングラデシュの 9 つの地区にわたる多様な運転環境における物体検出のための包括的なデータセットを提案します。
スマートフォンのカメラのみから収集されたデータセットは、昼と夜の状況を含む現実世界のシナリオをリアルに表現しました。
既存のデータセットのほとんどには、バングラデシュの道路での自律ナビゲーションに適したクラスが存在しないため、研究者にとって複雑な道路シナリオを処理できるモデルを開発することが困難になっています。
この問題に対処するために、著者らは、現地の車両名ではなく特徴に基づいた新しいクラスのセットを提案しました。
このデータセットは、自動運転車を効果的に導入するために、バングラデシュの道路シナリオ特有の課題に対処できるモデルの開発を促進することを目的としています。
このデータセットには、自動運転車が直面する現実世界の状況をシミュレートするためのオンライン画像は含まれていませんでした。
バングラデシュの道路には、世界の他の地域では見られない車両も含め、多種多様な車両が存在するため、車両の分類は困難です。
提案された分類システムは拡張性があり、将来の車両にも対応できるため、自動運転車分野の研究者にとって貴重なリソースとなります。

要約(オリジナル)

We propose a comprehensive dataset for object detection in diverse driving environments across 9 districts in Bangladesh. The dataset, collected exclusively from smartphone cameras, provided a realistic representation of real-world scenarios, including day and night conditions. Most existing datasets lack suitable classes for autonomous navigation on Bangladeshi roads, making it challenging for researchers to develop models that can handle the intricacies of road scenarios. To address this issue, the authors proposed a new set of classes based on characteristics rather than local vehicle names. The dataset aims to encourage the development of models that can handle the unique challenges of Bangladeshi road scenarios for the effective deployment of autonomous vehicles. The dataset did not consist of any online images to simulate real-world conditions faced by autonomous vehicles. The classification of vehicles is challenging because of the diverse range of vehicles on Bangladeshi roads, including those not found elsewhere in the world. The proposed classification system is scalable and can accommodate future vehicles, making it a valuable resource for researchers in the autonomous vehicle sector.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google