车辆信息检测数据集收集汇总
搜集过程中，⼀些数据集的原始来源可能没到，以⽹盘形式存的。如果有⼈到⼀些本⽂没有标注原始出处的数据集的来源，可以分享⼀下，便于以后⼤家在某些场合使⽤的时候进⾏引⽤之类的。
1.UA-DETRAC
UA-DETRAC是⼀个具有挑战性的真实世界多⽬标检测和多⽬标跟踪基准。该数据集包括在中国北京和天津的24个不同地点使⽤Cannon EOS 550D相机拍摄的10⼩时视频。视频以每秒25帧（fps）的速度录制，分辨率为960×540像素。UA-DETRAC数据集中有超过14万个帧，⼿动注释了8250个车辆，总共有121万个标记的对象边界框。我们还对⽬标检测和多⽬标跟踪中的最新⽅法以及本⽹站中详述的评估指标进⾏基准测试。
效果图：
370z改装
2.车牌数据集
小汽车违章记录查询3.⾃动驾驶数据集
⽬前它是⾃动驾驶AI的最⼤数据集，包含超过100,000个视频，包括⼀天中不同时间超过1,100⼩时的
驾驶事件以及不同的天⽓条件。数据集中的带注释图像来⾃纽约和旧⾦⼭地区。包含提供标签的7481张训练集，还有未提供标签的7518张测试集，⽤于官⽅评测算法。
如图：
4.车辆类型数据集
5.综合汽车（CompCars）数据集
描述：综合汽车（CompCars）数据集包含来⾃两个场景的数据，包括来⾃⽹络性质和监视性质的图像。⽹络⾃然数据包含163辆汽
车，1,716辆车型。共有136,726张图像捕获整个汽车，27,618张图像捕捉汽车零件。完整的汽车图像标有边界框和视点。**每个车型都标有五个属性，包括最⼤速度，排量，车门数量，座椅数量和汽车类型。**监视性质数据包含在前视图中捕获的50,000个汽车图像。有关详细信息，请参阅我们的。
斯巴鲁xv试驾6.汽车数据集（检测⽤）
7.OpenData V11.0-车辆重识别数据集 VRID
描述：
开放的车辆重识别的数据来⾃某城市卡⼝车辆图像，由326个⾼清摄像头拍摄，时间覆盖⽇间14天，分辨率从400×424到990×1134不等。数据集中包含最常见的10种车辆款式，共10000张图像，如表1所列。为了模拟同款车辆对车辆重识别的影响，每个车辆款式⾥各有100个不同的车辆ID，即100个不同的车辆。在同⼀车辆款式⾥的100个车辆ID，它们的外观近乎相同，差异⼤部分只在于车窗部分的个性化标识，如年检标志等。此外，每个车辆ID包含有10张图像，这10张图像拍摄于不同的道路卡⼝，光照、尺度以及姿态均不尽相同，相应的同⼀车辆也可能会具有不同的外观。
车辆重识别数据集的车辆字段属性如表2所⽰，其中车辆品牌表⽰车辆品牌信息，车牌号码⽤于数据库⾥同⼀车辆的关联，车窗位置代表图像⾥的车窗所在区域的坐标，车⾝颜⾊表⽰的是图像⾥的车辆颜⾊信息。这些信息使得数据库不仅能⽤于车辆重识别研究，也可⽤于车辆品牌精细识别，车辆颜⾊识别等研究。
8.Stanford Cars Dataset
描述：16,185 images and 196 classes of all the cars you’ll ever dream of
⼤⼩：2G
如图：
9.N-CARS数据集
N-CARS数据集是⽤于汽车分类的⼤型真实世界事件数据集。它由12,336辆汽车样品和11,693辆⾮汽车样品（背景）组成。 使⽤安装在汽车挡风玻璃后⾯的ATIS相机记录数据。数据来⾃各种驾驶课程。该数据集分为7940辆汽车和7482件背景训练样品，4396辆汽车和4211件背景测试样品。每个例⼦持续100毫秒。
10.汽车评估数据集雷克萨斯跑车图片
该模型根据以下概念结构评估汽车：
。汽车可接受性
。价格总体价格
导航仪电子狗。买⼊价
。维护的价格
。TECH技术特点
。舒适的舒适奇瑞汽车a3
。门门数
。⼈员携带能⼒
。lug_boot⾏李箱的⼤⼩
。安全性估计汽车的安全性
11.更多关于⾃动驾驶的数据集（50个）
12.19个其他与汽车有关的数据集
发布评论