BriefGPT - AI 论文速递
·
野外条件下的孟加拉国本土车辆检测
💡
原文中文，约600字，阅读约需2分钟。
📝
内容提要
本文介绍了一个用于孟加拉国常见车辆类别的本土车辆检测数据集，包括17个类别、81542个实例，考虑了地理、光照、尺寸和朝向等因素。通过四种YOLO模型评估，结果显示该数据集在意外场景上更稳健，50%交并比下的平均精度为0.848，mAP为0.643。研究发现表明BNVD数据集可靠地代表了车辆分布，并呈现出相当复杂性。
🎯
关键要点
- 本文提出了一个用于孟加拉国常见车辆类别的本土车辆检测数据集。
- 该数据集包括17个不同的车辆类别，完全注释了17326张图像中的81542个实例。
- 数据集考虑了地理、光照、车辆尺寸和朝向等因素，显示出在意外场景上的稳健性。
- 通过四种YOLO模型（v5、v6、v7和v8）对数据集进行了全面评估。
- BNVD数据集在50%交并比下的平均精度为0.848，精确度和召回率分别为0.841和0.774。
- 在0.5到0.95的交并比范围内，mAP为0.643。
- 研究表明BNVD数据集可靠地代表了车辆分布，并呈现出相当复杂性。
➡️
