TAD16K: An Enhanced Benchmark for Autonomous Driving

 

 

Yuming Li, Jue Wang, Tengfei Xing, Tianlu Liu, Chengjun Li, Kuifeng Su

 

Autonomous Driving Lab, Tencent, Beijing, China

 

Although promising results have been achieved in the areas of object detection and classification, few works have provided an end-to-end solution to the perception 

problems in the autonomous driving field. In this paper, we make two contributions. Firstly, we fully enhanced our previously released TT100K benchmark and 

provide 16,817 elaborately labeled Tencent Street View panoramas. This newly created benchmark, we call it Tencent Autonomous Driving 16K (TAD16K), not only 

contains previously labeled traffic-signs (221 types), but also creates annotations for three new objects, which are traffic lights (6 types), vehicles and pedestrians. 

Secondly, we provide the evaluation results of two state-of-the-art object detection algorithms (SSD and DetectNet) on our benchmark, which can be used as the 

baseline for future comparison purpose. Finally, we also demonstrate that the network trained on our benchmark can be directly deployed for practical application. 

The TAD16K, relevant additions and the source code are publicly available.

 

    

 

Downloads

Paper

TAD16K (Train)

TAD16K (Test)

TAD16K (Other)

TAD16K (Annotations)

Source code

Trained models (DetectNet and SSD)

Results (DetectNet and SSD)

 

Citation

When using this dataset in your research, we will be happy if you cite us!

please cite:

@In Proceedings{Yuming_2017_ICIP,

author = {Yuming Li, Jue Wang, Tengfei Xing, Tianlu Liu, Chengjun Li, Kuifeng Su},

title = {TAD16K: An enhanced benchmark for autonomous driving},

booktitle = {IEEE International Conference on Image Processing (ICIP)},

year = {2017}

}

 

If you have any questions about the code or dataset, please contact Yuming LI (lymhust@gmail.com).

 

Supplemental Material

 

DetectNet results on PointGrey frames:

 

 

 

DetectNet results on Basler frames: 

 

 

DetectNet results on common car driving recorders

 

 

DetectNet results on common web cameras