用于算法训练的 FLIR 热数据集
FLIR 基础热成像数据集支持开发者训练卷积神经网络 (CNN)，助力汽车行业使用高性价比 FLIR 热像仪，开发更安全、高效的下一代 ADAS 和无人驾驶系统。
区域数据集选项
FLIR 提供两种热成像数据集，支持研究人员和开发人员加速对自动驾驶系统热传感器的本地化测试。更多城市数据将持续更新。
| 免费基础数据集 | 旧金山增强数据集 | 欧盟增强数据集 | |
|---|---|---|---|
| 标注图像数量 | ~14,000 | ~10,000 | ~14,000 |
| 天气 | 晴天和多云 | 晴、云、雨雾 | 晴朗、阴天、局部多云、雨天 |
| 类别 | 5 类 - 汽车、自行车、行人、犬类和其他车辆 | 11 类 - 汽车、标志、信号灯、人员、卡车、公交、消防栓、自行车、骑行者、摩托车和火车 | 10 类 - 自行车、公交、汽车、消防栓、信号灯、摩托车、人员、标志、卡车、其他车辆 |
旧金山 ADAS 增强热成像数据集
欧盟增强热成像数据集
ADAS 为什么要使用 FLIR 热传感技术？
在 ADAS 应用中，感知热红外辐射或热量的能力为可见光相机、激光雷达和雷达系统等现有传感器技术提供了独特的互补优势：
- FLIR 与 Veoneer 合作超过 15 年，打造出唯一通过车规认证的热像仪，FLIR 的热传感器目前已在超过 60 万辆汽车的驾驶员预警系统中部署。
- FLIR 热像仪通过提供激光雷达、雷达和可见光相机之外的补充数据集，在完全漆黑、烟雾、恶劣天气和眩光等具有挑战性的天气条件下，可检测并区分物体。
- 在与可见光数据和从激光雷达和雷达获得的距离扫描数据相结合时，热数据配上机器学习功能，打造更全面的检测和分类系统。