City Intersection Computer Vision Dataset
Dataset d’images prises aux intersections de la ville, avec annotations détaillées sur les types de véhicules présents, destiné à l’analyse du trafic et au développement de modèles de vision urbaine.
1902 images avec annotations, réparties en dossiers train, test, validation, annotations au format CSV ou similaire
Attribution 4.0 International (CC BY 4.0)
Description
Le dataset City Intersection Computer Vision contient environ 1900 images annotées, réparties en ensembles d’entraînement, validation et test. Chaque image est accompagnée de métadonnées détaillées (24 colonnes) décrivant les véhicules détectés. Ces données facilitent l’étude du flux de trafic, la planification urbaine et le développement de systèmes autonomes.
À quoi sert ce dataset ?
- Analyser le flux de véhicules dans les intersections urbaines
- Aider la planification urbaine et la gestion du trafic
- Développer et tester des algorithmes de vision pour véhicules autonomes
Peut-on l’enrichir ou l’améliorer ?
Il est possible d’ajouter des annotations sur les conditions météo, l’heure de la journée ou la densité de trafic pour affiner les modèles. Une extension avec des vidéos ou des capteurs additionnels améliorerait la valeur du dataset.
🔎 En résumé
🧠 Recommandé pour
- Chercheurs en vision par ordinateur
- Urbanistes
- Développeurs de véhicules autonomes
🔧 Outils compatibles
- YOLO
- TensorFlow
- PyTorch
- OpenCV
- LabelImg
💡 Astuce
Profitez des annotations pour entraîner des modèles multi-classes et multi-objets dans un contexte urbain complexe.
Questions fréquemment posées
Quel type d’annotations sont fournies avec ce dataset ?
Les annotations incluent 24 colonnes détaillant les caractéristiques des véhicules détectés dans les images.
Ce dataset peut-il être utilisé pour des systèmes de véhicules autonomes ?
Oui, il est particulièrement adapté pour entraîner et tester des modèles de vision pour la conduite autonome.
Quel est le format des images et annotations ?
Les images sont en format standard (JPEG/PNG) avec annotations au format CSV ou JSON selon le dataset.
