VWise: A novel benchmark for evaluating scene classification for vehicular applications

要約

現在の車両アプリケーションのデータセットは、ほとんどが北米またはヨーロッパで収集されています。
これらのデータセットでトレーニングまたは評価されたモデルは、他の地域にデプロイされると地理的な偏りを受ける可能性があります。
具体的には、シーン分類に関して、たとえば、ラテンアメリカ諸国の高速道路は、設計とメンテナンスのレベルの両方においてアウトバーンとは大きく異なります。
我々は、ラテンアメリカの車両アプリケーションに関連する外部コンテキストに焦点を当てたタスクに加えて、道路タイプ分類およびシーン分類タスクのための新しいベンチマークである VWise を提案します。
私たちは、ラテンアメリカ諸国の多様な都市および農村環境をカバーする 520 以上のビデオ クリップを収集し、6 つのクラスの道路タイプの注釈を付けました。
また、ベースライン実験でいくつかの最先端の分類モデルを評価し、84% 以上の精度が得られました。
このデータセットを使用して、私たちはラテンアメリカにおける車両の課題に関する研究を強化することを目指しています。

要約(オリジナル)

Current datasets for vehicular applications are mostly collected in North America or Europe. Models trained or evaluated on these datasets might suffer from geographical bias when deployed in other regions. Specifically, for scene classification, a highway in a Latin American country differs drastically from an Autobahn, for example, both in design and maintenance levels. We propose VWise, a novel benchmark for road-type classification and scene classification tasks, in addition to tasks focused on external contexts related to vehicular applications in LatAm. We collected over 520 video clips covering diverse urban and rural environments across Latin American countries, annotated with six classes of road types. We also evaluated several state-of-the-art classification models in baseline experiments, obtaining over 84% accuracy. With this dataset, we aim to enhance research on vehicular tasks in Latin America.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google