概要 詳細はこちらを参照：http://mikeprocopio.com/labeledlagrdata.html 時間とともに変化する領域に対して設計されたアルゴリズムは、合成データ、例えば概念ドリフトが手動で導入され、現実世界の問題との相関が確立されていない「移動する超平面」クラスの人工データを用いて評価される歴史があります。これが、問題領域から取得した自然なデータセットの作成を動機付けました。ここで使用される自然なデータセットは、DARPAの評価者によって実施された実地試験の記録から取得されたもので、時間とともに変化する（ドリフトする）概念を含んでいることが示されています。 内容 ### シナリオと照明条件 全体的に、3つのシナリオが考慮されています。各シナリオには2つの異なる画像シーケンスが関連付けられており、それぞれが異なる照明条件を表しています。したがって、合計6つのデータセットがあります。データセットに登場する地形は大きく異なり、地面の種類（マルチ、土）、草木、自然の障害物（木、密集した低木）、人工的な障害物（干し草の山）の様々な組み合わせが含まれています。照明条件は、色の鮮明度が良好な曇り空（例：上に示したDS1B）から、影や彩度の問題を引き起こす非常に晴れた日（例：DS2A）まで幅広く異なります。各データセットの追加の説明と代表的な画像が用意されています。 代表的な画像  ### 手動ラベリング 各データセットは、100フレームの手動ラベリングされた画像シーケンスで構成されています。各画像は手動でラベリングされ、各画素は障害物、地平面、または不明の3つのクラスのいずれかに分類されます。人間が画像の特定の領域が何であるかを判断するのが困難であった場合（高レベルなコンテキストを使用しても）、その領域は不明としてラベリングされまし。平均すると、各画像の約80％が障害物または地平面としてラベリングされ、残りの20％が不明としてラベリングされます。 ### データセットの使用方法 これらはMATLAB - 6互換の*.matファイル（load()関数を介して読み込まれます）です。各MATファイル（ロボットのログファイルからの1つのフレームを表す）には、生のRGB画像と視差情報が含まれています（必要に応じて独自のステレオ処理を行うことができます）。また、MATファイルには、画素単位のラベリングを示す整数の「マスク」も含まれています。0は地平面、1は障害物、2は「この画素は人間によってラベリングされていません」を意味します。ラベリングされていない領域には意味があります。地形のクラスを判断するのが困難な領域（コンテキストを使用しても）である場合や、「気にしない」領域（例：空）である場合があります。 ### 詳細情報 これらのデータセットに関する追加の詳細情報や代表的な画像については、こちらを参照してください：http://mikeprocopio.com/labeledlagrdata.html および Michael J. Procopio、Jane M. Mulligan、およびGreg Grudic。「Learning Terrain Segmentation with Classifier Ensembles for Autonomous Robot Navigation in Unstructured Environments.」Journal of Field Robotics (2009)。 この論文へのリンクはこちらです：http://mikeprocopio.com/pubs/procopio_jfr2009.pdf 謝辞 これらの画像のラベリングに協力してくれたコロラド大学ボルダー校の徐瑋氏とSharon Procopio氏に特別な感謝を表します。 引用 あなたの研究でこのデータを使用する場合は、以下のように引用することができます： @misc{Procopio - LabeledLAGRData - 07, author = {Michael J. Procopio}, title = {Hand - Labeled {DARPA} {LAGR} Datasets}, howpublished = {Available at \url{http://www.mikeprocopio.com/labeledlagrdata.html}}, year = {2007} } ファイル形式 6つのZIPファイル、データセットごとに1つのZIPファイル DS{1,2,3}{A,B}_{1 - 100}_{