TT100K数据集

TT100K是一个专注于小尺度交通标志检测的大规模数据集，包含来自10万张腾讯街景图的3万交通标志实例。该数据集针对传统目标检测方法在小目标识别上的不足，特别关注仅占图像0.2%的交通标志（约80x80像素）。数据集涵盖三类交通标志（警告、禁止、指示），采集自中国5个城市的不同区域。研究发现交通标志类别分布极不均衡，论文通过数据增强平衡样本，保留45类实例数大于100的标志，并对100-1000个

羲洋

592人浏览 · 2025-07-23 21:31:15

羲洋 · 2025-07-23 21:31:15 发布

TT100K数据集

1.数据集简介
2.论文简读

1.数据集简介

TT100K官网==>点这里
Tsinghua-Tencent 100K数据集：
（1）数据集庞大，采集自10万张腾讯街景图，包含3万交通实例，覆盖复杂条件像天气等。
（2）之前的卷积图像处理方式都是定位占比很大的目标，这种网络并不会很好地作用于只占图像一小部分的交通标识实例（小尺度目标数据集）。

2.论文简读

（1）PASCAL VOC and ImageNet ILSVRC（目标区域占图像的20%左右），而对于交通标志来说，大概是80x80像素，或者说，对于一个2000x2000像素的图片来说，只占据0.2%左右。
（2）在交通标志检测任务中，虽然GTSDB和GTSRB能够实现100%的精确检测和99.67%的识别率，但是检测是四选一，识别是交通标志占据图像大部分。
（3）全景图分四份得到
在这里插入图片描述
（4）三类交通标志。黄色警告标志（黄色三角形+黑边框+黑色信息）；红色禁止标志（主体白，红边框，加图形信息）；蓝色指示标志（蓝色圆圈+白色信息）。

（5）从中国5个城市十个地区，包括城市和郊区采集，下载了十万张全景图。
（6）简单标注过程
在这里插入图片描述
（7）复杂标注过程

在这里插入图片描述
（8）交通标志类别间的实例不均衡性，像注意山体滑坡这类交通标志就很少。下图是实例数大于100的交通标志的数量分布图。（后续处理数据集就可以考虑只保存这些类别，45类）

（9）实例数分布尺寸图如下。
在这里插入图片描述
（10）论文中用到的网络。训练中过滤了实例数少于100的交通标志实例，并且将训练集中实例数在100~1000之间的实例数通过数据增强增加至1000,1000及以上的不变。

（11）数据增强策略：使用每个标志的标准模板，随机旋转 [−20°, 20°]，随机缩放至[20,200]，挑选没有交通标志的图像然后再加入随机噪声。