实体
UA-DETRAC
UA-DETRAC
PulseAugur coverage of UA-DETRAC — every cluster mentioning UA-DETRAC across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 3
层级分布 · 90 天
主题
情绪 · 30 天
2 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
新的无监督流水线从车辆数据中识别交通交叉区域
研究人员开发了一种无监督流水线，可自动识别交叉路口的交通管理进出区域。该方法直接从原始车辆轨迹数据中提取这些关键区域，无需手动标注、相机校准或预先了解交叉路口几何形状。该流水线在众多监控摄像头和基准数据集上表现出约 3% 的中位数分类误差，与现有的轨迹聚类方法相比，显示出更高的稳定性和更低的计算成本。
-
VocaDet框架无需重新训练即可实现开放词汇目标检测
研究人员推出了一种新颖的开放词汇目标检测和分割框架VocaDet。该系统无需模型重新训练，即可从用户提供的正负样本中学习目标概念。VocaDet将视觉表示转换为离散的视觉标记，通过向量数据库实现高效识别，并在UA-DETRAC数据集上展示了有效的性能。
-
BMD-45 数据集改进了发展中城市的闭路电视车辆检测
研究人员推出 BMD-45，这是一个新推出的、旨在改善发展中城市城市交通环境中车辆检测的大型数据集。该数据集包含超过 45,000 张图像和 480,000 个边界框，涵盖 14 种特定车辆类别，包括特定区域的如三轮摩托车。在现有基准上训练的当前模型应用于 BMD-45 中存在的不同且密集的交通状况时，性能会显著下降，这凸显了对更具地理多样性的训练数据的需求。