FLIR-align-3class 完整数据集下载目录同时包含三种主流标注格式COCO JSON、VOC XML、YOLO TXTFLIR-align-3class 数据集数据集介绍、下载| 目标检测 |多模态|水平框原始图像✅VOC 标签✅|COCO 标签✅|YOLO 标签✅文章目录一、FLIR ADAS v1二、FLIR ADAS v2三、FLIR-align-3class四、标签转换五 训练样例一、FLIR ADAS v1基础信息发布方Teledyne FLIR2018年发布全称FLIR Free Starter Thermal ADAS Dataset v1核心参数图像规模约10228张红外图像配套可见光RGB标注格式COCO JSON 水平包围框标注类别5类person, bicycle, car, dog, other vehicle场景欧美城市道路白天夜间样本偏少主要缺陷RGB与红外不同步视差巨大样本总量少夜间红外样本不足类别覆盖有限数据质量远低于v2二、FLIR ADAS v2基础信息发布方Teledyne FLIR2022正式发布数据集压缩包大小11.8GB任务场景车载ADAS感知、单模态红外检测、RGB-T多模态检测数据组成红外图像9711张RGB可见光图像9233张连续视频帧7498帧同步序列全部标注帧合计26442帧52万目标包围框15个标注类别person, bicycle, car, motorcycle, bus, train, truck, traffic light, fire hydrant, street sign, dog, skateboard, stroller, scooter, other vehicle✅ 包含大量夜间场景可见光失效环境样本丰富❌RGB图像与红外图像没有像素级对齐存在相机视差❌ 并非所有红外图都存在一一配对RGB图像三、FLIR-align-3class由Heng Zhang等人基于FLIR ADAS v2筛选与几何校正制作出自ICIP2020论文: Multispectral Fusion for Object Detection with Cyclic Fuse-and-Refine Blocks。两大核心改造Align空间像素对齐从v2筛选时间同步RGB-红外图像对使用单应性矩阵Homography消除相机视差实现RGB与红外像素对齐。最终得到5142组成对图像Train4129对Test1013对3class类别筛选原始对齐子集包含4类person, bicycle, car, dog由于dog样本极少学术界统一剔除固定使用3大类基准0: person 1: car 2: bicycle四、标签转换转换后的完整数据集目录包含COCO JSON、VOC XML、YOLO TXT三种主流标签 FLIR-align-3class ├─ COCO │ ├─ instances_train.json │ └─ instances_test.json ├─ infrared │ ├─ train │ │ ├─ *.jpg │ │ └─ ... │ └─ test │ ├─ *.jpg │ └─ ... ├─ visible │ ├─ train │ │ ├─ ️ *.jpg │ │ └─ ... │ └─ test │ ├─ ️ *.jpg │ └─ ... ├─ labels │ ├─ train │ │ ├─ *.txt │ │ └─ ... │ └─ test │ ├─ *.txt │ └─ ... └─ VOC ├─ train │ ├─ *.xml │ └─ ... └─ test ├─ *.xml └─ ...文件夹释义infrared红外图像visible可见光图像两组图像文件名一一配对COCOCOCO 标准标注文件分为训练集、测试集两份 jsonlabelsYOLO txt 标签水平框VOCPascal VOC xml 独立标签train /test训练子集、测试子集划分五 训练样例以YOLO 水平框标签为例进行训练
FLIR 数据集介绍、下载及YOLO/VOC/COCO训练格式转换
FLIR-align-3class 完整数据集下载目录同时包含三种主流标注格式COCO JSON、VOC XML、YOLO TXTFLIR-align-3class 数据集数据集介绍、下载| 目标检测 |多模态|水平框原始图像✅VOC 标签✅|COCO 标签✅|YOLO 标签✅文章目录一、FLIR ADAS v1二、FLIR ADAS v2三、FLIR-align-3class四、标签转换五 训练样例一、FLIR ADAS v1基础信息发布方Teledyne FLIR2018年发布全称FLIR Free Starter Thermal ADAS Dataset v1核心参数图像规模约10228张红外图像配套可见光RGB标注格式COCO JSON 水平包围框标注类别5类person, bicycle, car, dog, other vehicle场景欧美城市道路白天夜间样本偏少主要缺陷RGB与红外不同步视差巨大样本总量少夜间红外样本不足类别覆盖有限数据质量远低于v2二、FLIR ADAS v2基础信息发布方Teledyne FLIR2022正式发布数据集压缩包大小11.8GB任务场景车载ADAS感知、单模态红外检测、RGB-T多模态检测数据组成红外图像9711张RGB可见光图像9233张连续视频帧7498帧同步序列全部标注帧合计26442帧52万目标包围框15个标注类别person, bicycle, car, motorcycle, bus, train, truck, traffic light, fire hydrant, street sign, dog, skateboard, stroller, scooter, other vehicle✅ 包含大量夜间场景可见光失效环境样本丰富❌RGB图像与红外图像没有像素级对齐存在相机视差❌ 并非所有红外图都存在一一配对RGB图像三、FLIR-align-3class由Heng Zhang等人基于FLIR ADAS v2筛选与几何校正制作出自ICIP2020论文: Multispectral Fusion for Object Detection with Cyclic Fuse-and-Refine Blocks。两大核心改造Align空间像素对齐从v2筛选时间同步RGB-红外图像对使用单应性矩阵Homography消除相机视差实现RGB与红外像素对齐。最终得到5142组成对图像Train4129对Test1013对3class类别筛选原始对齐子集包含4类person, bicycle, car, dog由于dog样本极少学术界统一剔除固定使用3大类基准0: person 1: car 2: bicycle四、标签转换转换后的完整数据集目录包含COCO JSON、VOC XML、YOLO TXT三种主流标签 FLIR-align-3class ├─ COCO │ ├─ instances_train.json │ └─ instances_test.json ├─ infrared │ ├─ train │ │ ├─ *.jpg │ │ └─ ... │ └─ test │ ├─ *.jpg │ └─ ... ├─ visible │ ├─ train │ │ ├─ ️ *.jpg │ │ └─ ... │ └─ test │ ├─ ️ *.jpg │ └─ ... ├─ labels │ ├─ train │ │ ├─ *.txt │ │ └─ ... │ └─ test │ ├─ *.txt │ └─ ... └─ VOC ├─ train │ ├─ *.xml │ └─ ... └─ test ├─ *.xml └─ ...文件夹释义infrared红外图像visible可见光图像两组图像文件名一一配对COCOCOCO 标准标注文件分为训练集、测试集两份 jsonlabelsYOLO txt 标签水平框VOCPascal VOC xml 独立标签train /test训练子集、测试子集划分五 训练样例以YOLO 水平框标签为例进行训练
