这是DriveSeg的数据集，用于研究道路状况（用于自动驾驶汽车等）。对于视频的每一帧，整个图像都是逐像素的语义标记。标签是“车辆，行人，道路，人行道，自行车，摩托车，建筑物，地形（水平植被），植被（垂直植被），电线杆，交通信号灯和交通标志”的12个类别。
此过程的人工版本以5,000帧（1080p @ 30Hz）提供，半自动版本以20,000帧（720p @ 30Hz）提供。即使它不是自动驾驶汽车，它在细分视觉研究中也很有用。 （我打算将其用于从图像中分离特定对象，替换背景并提高分割算法的性能）
用于动态驾驶场景分割的MIT DriveSeg数据集|麻省理工学院AgeLab
迄今为止，提供给研究团体的自动驾驶数据主要由大量静态的单一图像组成，这些图像可用于识别和跟踪在道路内和道路周围发现的常见物体，例如自行车，行人或穿过道路的交通信号灯。使用“边界框”。
