数据集包含四种类别，分别是张嘴闭嘴、睁眼闭眼 扣：2046删532除381 注意: 1.可定制！检测车辆，树木，火焰，人员，安全帽，烟雾，情绪，口罩佩戴……各种物体都可以定制，价格私聊另商！ 2.包安装！如果安装不上可以保持联系，3天安装不上可申请退货！

本数据集包含了人疲劳时的一些照片，建议训练时可以把打哈欠张嘴的状态和闭眼的状态作为疲劳标准，以此来进行一个新手练习的小项目。 经过测试发现，由于原数据集中存在图片数据与标注数据不匹配的问题，故我们需要将不匹配的这部分数据删除。 代码参考如下 import os,shutil jpeg = ‘Dataset/dataset/JPEGImages’ jpeg_list = os.listdir(jpeg) anno = ‘Dataset/dataset/Annotations’ anno_list = os.listdir(anno) for pic in jpeg_list: name = pic.split(‘.’)[0] anno_name = name + ‘.xml’ print(anno_name) if anno_name not in anno_list: os.remove(os.path.join(jpeg,pic))

KITTI自动驾驶数据集.zip

HighD数据集-自动驾驶数据集

yolov5s.pt训练了5000张图片，80个epoch yolov5n.pt训练了6000张图片，120个epoch yolov5n.engine 可用于tensorrt加速

YOLOv5疲劳驾驶数据集和疲劳驾驶检测系统源码。本项目采用该进YOLOv5进行疲劳特征检测模型训练，引入注意力机制，在疲劳视频测试阶段，引入deep-sort目标跟踪算法 疲劳检测模型，基于YOLOv5网络结构进行训练。采用YawnDD，CEW，DROZY数据集，对其中部分视频进行分帧处理。共标记6800张样本，按照4:1分为训练集和测试集。 本项目分别采用YOLOv5模型：YOLOv5s, YOLOv5m, YOLOv5l, YOLOv5进行多次训练 YOLOv5疲劳驾驶数据集和疲劳驾驶检测系统源码。本项目采用该进YOLOv5进行疲劳特征检测模型训练，引入注意力机制，在疲劳视频测试阶段，引入deep-sort目标跟踪算法 疲劳检测模型，基于YOLOv5网络结构进行训练。采用YawnDD，CEW，DROZY数据集，对其中部分视频进行分帧处理。共标记6800张样本，按照4:1分为训练集和测试集。 本项目分别采用YOLOv5模型：YOLOv5s, YOLOv5m, YOLOv5l, YOLOv5进行多次训练

2022中国自动驾驶行业深度研究报告.pdf

逗号2k19 展示了comma2k19，这是加利福尼亚州280高速公路上通勤时间超过33小时的数据集。 这意味着在加利福尼亚州圣何塞和旧金山之间20公里的高速公路上行驶的2019年路段（每个路段长1分钟）。 comma2k19是一个完全可复制且可伸缩的数据集。 数据是使用逗号收集的，逗号传感器类似于任何现代智能手机，包括路面摄像头，手机GPS，温度计和9轴IMU。 此外，EON会捕获原始的GNSS测量数据以及用逗号对汽车发送的所有CAN数据。 在这里，我们还介绍了 （开源GNSS处理库）。 与用于收集原始数据的GNSS模块相比，Laika产生的位置精确度高出40％。 该数据集包括记录摄像机的全局参考框架中的姿势（位置+方向）估计。 这些姿势是使用紧密耦合的INS / GNSS / Vision优化器来计算的，该优化器依赖于Laika处理的数据。 comma2k19是开发和验证紧密耦合的

北京技术峰会，利用 AWS 云端 GPU 服务，Momenta 构建自动驾驶数据筛选训练平台。

中国智能交通车路协同的高等级自动驾驶数据交互内容-PDF.7z