BDD100KBerkeley DeepDrive 100K由加州大学伯克利 BAIR 实验室2018 年发布是自动驾驶领域最经典的大规模多任务驾驶数据集以场景、天气、昼夜光照多样性强著称广泛用于目标检测、车道线、可行驶区域分割、多任务感知网络YOLOP、HybridNets 等训练与评测。论文BDD100K: A Diverse Driving Dataset for Heterogeneous Multitask Learning数据集下载地址http://bdd-data.berkeley.edu/download.html一般科研使用只下载100k图片标注JSON不需要完整视频。标注可视化一、基础信息原始视频100000 段驾驶视频每段40s720P(1280×720)30fps附带 GPS/IMU 轨迹信息总时长约 1100 小时采集自美国旧金山、纽约等城市众包司机行车记录仪采集。标注帧取每段视频第 10 秒帧得到 10 万张标注图片视频完整序列用于多目标跟踪任务。数据集划分训练集 train70000 张验证集 val10000 张测试集 test20000 张文件格式图片 jpg标注主流为JSON 格式需要脚本转换为 YOLO、COCO 格式用于训练。二、核心优势极强数据多样性BDD100K 最大特点白天 / 夜间样本数量接近覆盖多种天气、道路场景适合做域适应、恶劣光照下模型鲁棒性研究。场景 scene6 类城市街道、居民区、高速、隧道、停车场、乡村道路天气 weather6 类晴天、阴天、雨天、雪天、雾天、大风昼夜 timeofday3 类白天、黄昏 / 黎明、夜晚三、五大标注任务1. 图像级标签Image tagging每张图打全局标签天气、场景、昼夜用于图像分类、域迁移。2. 2D 目标检测Bounding box10 大类汽车、卡车、公交车、行人、骑行者、摩托车、自行车、交通灯、交通标志、火车等总标注框约 184 万属性包含是否遮挡、是否截断、交通灯颜色红 / 黄 / 绿。3. 可行驶区域分割Drivable area像素级多边形掩码两类红色直接可行驶区域本车正常行驶路面拥有路权蓝色备选可行驶区域可临时变道需要避让其他车辆作用自动驾驶规划模块判断哪些路面可以开YOLOP 等网络输出的分割分支就是该任务。4. 车道线标注Lane marking用多段折线 polyline 标注车道线区分属性实线、虚线、双线、斑马线红色垂直车道线沿着车辆行驶方向蓝色平行车道线横向停止线、斑马线不是简单二分割带有车道类型属性适合车道线检测、车道感知定位任务。5. 实例分割Instance segmentation仅1 万张图片提供实例分割标注每个物体像素掩码用于实例分割算法训练。四、目录结构D:\dataset ├─ bdd100k_images_100k │ └─ 100k │ ├─ train # 训练集图片 │ ├─ val # 验证集图片 │ └─ test # 测试集图片 └─ bdd100k_labels └─ 100k ├─ train # 训练集标注(json/分割掩码等) ├─ val # 验证集标注 └─ test # 测试集标注JSON 内部包含每张图片的名称、场景天气标签、所有物体 bbox、可行驶区域多边形点、车道线折线点集合。五、和同类数据集对比数据集短板BDD100K 优势Cityscapes仅欧洲城市视频采样帧多样性有限美国多城市昼夜 / 雨雪齐全视频时序完整KITTIMOT、MOTS 规模小更大规模跟踪、分割标注长尾、遮挡样本丰富Mapillary Vistas只有独立图片无时序视频众包驾驶员视频保留完整时序信息