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。发表于：。自主导航的成功依赖于稳健和精确的车辆识别，但由于特定地区车辆检测数据集的稀缺性，阻碍了上下文感知系统的发展。为了推进地面物体检测研究，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，每个图像宽度至少为...
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。
