用于算法训练的FREE FLIR热数据集

FLIR启动器热数据集使开发人员能够开始培训卷积神经网络(CNN),使汽车社区能够使用来自FLIR的经济高效的热摄像头创建下一代更安全和更高效的ADA和无人驾驶车辆系统。

为什么适用于ADAS的FLIR热敏?

与现有的传感器技术(如可视摄像机、激光雷达和雷达系统)相比,在ADAS环境下感知热红外辐射或热量的能力提供了互补和独特的优势:

  • FLIR拥有超过15年的汽车行业经验,是目前唯一一款适用于汽车的热传感器,目前已应用于50多万辆汽车的驾驶员预警系统。
  • FLIR热传感器可以在具有挑战性的条件下检测和分类行人,骑自行车的人,动物和车辆,包括全部黑暗,雾,烟雾,恶劣天气和眩光,提供超越LIDAR,雷达和可见摄像机的补充数据集。检测范围比典型的前灯更远的四倍。
  • 当与LIDAR和雷达的可见光数据和距离扫描数据组合时,与机器学习配对的热数据会产生更全面的检测和分类系统。

数据规范

内容 同步标注热图像和非标注RGB图像参考。相机中心线间距约2英寸,并校准以最小化视差
图片 > 14k总图像,来自短视频段和随机图像样本,加上140秒视频的速度> 4k奖励图像
图像捕捉刷新率 记录30 hz。以2帧/秒或1帧/秒采样的数据集序列。视频注释以30帧/秒的速度进行。
框架注释标签总计 总共10,228帧,9,214帧有边框。
1.人(28151)
2.汽车(46692)
3.自行车(4457)
4.狗(240)
5.其他车辆(2228)
视频标注标签总数 4,224总帧和带边界框的4,183帧。
1.人(21965)
2.汽车(14,013)
3.自行车(1205)
4.狗(0)
5.其他车辆(540)
驾驶条件 日(60%)和夜晚(40%)在11月驾驶圣巴巴拉,加利福尼亚州街道和公路上,可能会明确达到阴天天气。
捕捉镜头规格 IR Tau2 640x512,13mm F / 1.0(HFOV 45°,VFOV 37°)FLIR Blackfly(BFS-U3-51S5C-C)1280x1024,计算4-8mm F / 1.4-16万像素镜头(FOV设置为匹配TAU2)
数据文件格式 1.热- 14位TIFF(无AGC)
2.热8位JPEG (AGC应用)无包围框嵌入图像
3.热8位JPEG (AGC应用)与边界框嵌入图像,以供查看目的
4.RGB - 8位JPEG
5.注释:JSON (MSCOCO格式)
样本结果

mAP得分分别为People(0.794)、Bicycle(0.580)和Car(0.856)。http://cocodataset.org/#detection-eval.用于准确性评估标准。

FLIR ADK培训和开发设置 使用FLIR ADK具有默认设置以开始数据收集

相关产品B0B体育下载

Pathfindir™II
Pathfindir™II

司机视觉增强系统

FLIR ADK™
FLIR ADK™

热视觉汽车开发工具包(ADK)