TU-DAT：道路交通异常的计算机视觉数据集 | MDPI Sensors
MDPI工程科学
2025-11-12 14:55
文章摘要
本研究针对智能交通系统开发中缺乏多样化标注数据的问题，提出了TU-DAT数据集。研究目的是通过整合真实监控视频与高保真模拟数据，构建包含时空标注的多模态数据集，以支持交通异常检测和预测模型的开发。实验表明，基于该数据集的混合深度学习与逻辑推理框架能有效提升异常检测准确率和泛化能力，为实时交通监控和自动驾驶系统安全评估提供了可靠基准。该数据集通过GitHub公开共享，将推动道路安全技术的创新发展。
本站注明稿件来源为其他媒体的文/图等稿件均为转载稿，本站转载出于非商业性的教育和科研之目的，并不意味着赞同其观点或证实其内容的真实性。如转载稿涉及版权等问题，请作者速来电或来函联系。
推荐文献
Deep Learning 1D-CNN-Based Ground Contact Detection in Sprint Acceleration Using Inertial Measurement Units.
DOI: 10.3390/s26010342
Pub Date : 2026-01-05
IGFBP3 induced by the TGF-β/EGFRvIII transactivation contributes to the malignant phenotype of glioblastoma
DOI: 10.1016/j.isci.2026.114661
Pub Date : 2026-01-12
Catalysis-inspired d-band center engineering enables hydrogen-suppressed zinc anodes for long-life aqueous zinc-ion batteries.
DOI: 10.1016/j.scib.2026.01.033
Pub Date : 2026-01-19
京公网安备 11010802042870号
