研究人员开发了一个新的数据集和评估框架，专门用于中国乡村环境下的自动驾驶系统物体检测。该研究混合了在河南省卫辉县捕获的真实世界数据和使用Unreal Engine生成的合成数据，创建了一个包含14个类别的全面物体系统，其中包括电动三轮车和路边摊等区域特有物品。对包括各种YOLO模型和RT-DETR-L在内的13种主流检测器的实验表明，适度的合成数据比例（1:0.5）提高了性能，其中YOLO11m达到了最高的[email protected]。然而，过多的合成数据（1:1）导致了领域转移和性能下降，尤其是在识别不太常见的物体方面。 AI
影响 这项研究为优化自动驾驶中的合成数据策略提供了实证证据，有望加速在代表性不足的乡村环境中的部署。
排序理由 学术论文，详细介绍了新的数据集和物体检测模型的实验评估。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
Currently, autonomous driving object detection models face significant data scarcity and generalization challenges when navigating complex Chinese rural traffic scenarios. To address these limitations, we propose a novel real-synthetic mixed object detection dataset tailored spec…
arXiv:2607.27058v1 Announce Type: new Abstract: Currently, autonomous driving object detection models face significant data scarcity and generalization challenges when navigating complex Chinese rural traffic scenarios. To address these limitations, we propose a novel real-synthe…