برای استفاده از این مجموعه‌داده در پژوهش خود، به مرجع زیر استناد کنید:
A Pashaei، M Ghatee، H Sajedi، «ترکیب شبکهٔ عصبی کانولوشنی با آمیزه‌ای از ماشین‌های یادگیری افراطی برای استخراج ویژگی و طبقه‌بندی تصاویر تصادف»، Journal of Real-Time Image Processing، 17 (2020)، 1051–1066.
توضیحات:
این مجموعه‌داده برای ارزیابی عملکرد طبقه‌بندهای مختلف روی تصاویر تصادف گردآوری شده است. تصاویر با پهپاد و از برخی منابع تصاویر گوگل، در مکان‌ها و زمان‌های گوناگون گردآوری شده‌اند. اندازهٔ این تصاویر به 28*28 پیکسل تبدیل شده است. متخصصان انسانی آن‌ها را برچسب‌گذاری کرده‌اند. این مجموعه‌داده شامل سه پوشه است:
- تشخیص تصادف (Accident–Detection)
- وسایل نقلیهٔ درگیر در تصادف (Vehicles-in-Accidents)
- شدت تصادف (Accident-Severity)
پوشهٔ نخست: تشخیص تصادف (Accident–Detection)
هدف این مجموعه‌داده، تشخیص وقوع تصادف با پردازش تصویر است. این مجموعه شامل دو زیرپوشه با برچسب‌های without-accident (بدون تصادف) و with-accident (دارای تصادف) است.
- پوشهٔ 1 شامل 2500 تصویر با برچسب without-accident (بدون تصادف) است.
- پوشهٔ 2 شامل 2398 تصویر با برچسب with-accident (دارای تصادف) است.
پوشهٔ دوم: وسایل نقلیهٔ درگیر در تصادف (Vehicles-in-Accidents)
هدف این مجموعه‌داده، طبقه‌بندی وسایل نقلیهٔ درگیر در تصادف با پردازش تصویر است. این مجموعه شامل سه زیرپوشه با برچسب‌های light vehicle (خودروی سبک)، heavy vehicle (خودروی سنگین) و motorcycle (موتورسیکلت) است.
- پوشهٔ 1 شامل 892 تصویر با برچسب light vehicle (خودروی سبک) است.
- پوشهٔ 2 شامل 876 تصویر با برچسب heavy vehicle (خودروی سنگین) است.
- پوشهٔ 3 شامل 868 تصویر با برچسب motorcycle (موتورسیکلت) است.
پوشهٔ سوم: شدت تصادف (Accident-Severity)
هدف این مجموعه‌داده، طبقه‌بندی شدت تصادف با پردازش تصویر است. این مجموعه شامل سه زیرپوشه با برچسب‌های low dangerous (کم‌خطر)، medium dangerous (با خطر متوسط) و high dangerous (پُرخطر) است.
- پوشهٔ 1 شامل 118 تصویر با برچسب low dangerous (کم‌خطر) است.
- پوشهٔ 2 شامل 1603 تصویر با برچسب medium dangerous (با خطر متوسط) است.
- پوشهٔ 3 شامل 1225 تصویر با برچسب high dangerous (پُرخطر) است.
نمای گرافیکی این مجموعه‌داده در شکل زیر آمده است:
برای دریافت این مجموعه‌داده، از این پیوند استفاده کنید: اینجا. تصاویر اصلی که برای تولید این مجموعه‌داده استفاده شده‌اند، با ارسال رایانامه به نویسندگان قابل دریافت‌اند.